<mark id="oztn4"></mark>
0
昨日，一條消息在AI圈和芯片圈炸開了鍋：硅谷AI芯片創業公司Etched宣布完成累計8億美元融資（將近60億人民幣），估值沖上50億美元，同時拿下一張10億美元的芯片大單。
這家公司此前頗為低調。它2022年才成立，三位創始人是哈佛輟學生，但它的投資人名單不可小覷：諾貝爾獎得主Geoffrey Hinton、斯坦福AI視覺先驅李飛飛、OpenAI聯創Andrej Karpathy、風投教父Peter Thiel、融資的量化巨頭Jane Street和臺積電關聯基金等悉數入局。
他們押注的是一件看起來很極端的事：造一款只跑Transformer的芯片。
Sohu，是Etched的第一款芯片，采用的是臺積電4納米工藝，目前已經流片成功。官方聲稱：在Llama 70B推理場景下，8張Sohu組成的服務器，可以替代160張英偉達H100。
這件事指向了一個更深層的問題：AI芯片的“通用時代”，是不是快要結束了？
要理解Etched在做什么，得先理解AI芯片的“通用”與“專用”之別。
英偉達的GPU，本質上是一種通用芯片。它能跑Transformer，能跑CNN，能跑RNN，甚至還能挖比特幣。這種“什么都能干”的設計，是英偉達成功的根本原因。不管AI的下一個風口是什么，GPU總能用得上。
但“通用”的代價，是效率的浪費。
跑Transformer模型時，GPU上有大量晶體管在做這件事之外的事情。就像開著一輛全地形越野車送外賣——能送到，但油耗高得離譜。
Etched的做法，用一句話概括就是：把Transformer架構“刻”進芯片硬件里。
Sohu是一款ASIC（專用集成電路）芯片。和GPU不同，ASIC不是為了可編程性設計的，它里面的電路是固定死的，只干一件事：運行Transformer模型的前向推理。
這意味著，Sohu根本跑不了CNN，跑不了RNN，甚至Transformer的某個運算如果和Etched的硬件實現不匹配，也跑不了。
這種極端的設計取舍，換來的是極端的效率。Etched官方聲稱，Sohu在運行Llama 70B推理時，吞吐量是H100的20倍，每美元性能是GPU的140倍。
為什么說這件事“牛逼”？
Sohu的技術突破，不在制程，不在算力規模，而在架構取舍的膽量。
芯片行業有一個鐵律：越通用的芯片，市場越大，但效率越低；越專用的芯片，效率越高，但市場越小。ASIC是效率的極致，也是風險的極致——如果算法架構變了，專用芯片就是一塊昂貴的廢硅。
Etched敢下這個注，前提是它判斷：Transformer架構已經足夠穩定，值得為它專門造芯片。
畢竟，Transformer 架構已統治AI主流應用超五年，從語言模型到文生視頻，其底層根基短期內很難被輕易掀翻。
更現實的推力在于大廠正面臨巨量的推理成本消耗，僅OpenAI每年在此項上的支出就達數十億美元，這種壓力讓市場對“降本增效”極度饑渴。
而那張 10 億美元的預售大單則是最好的市場驗證。愿意在量產前簽下如此規模的合同，意味著客戶大概率已在早期原型上跑通過真實負載，且結果足夠好。
大牛投資人們為什么敢信Etched團隊？
芯片是極少數“PPT融資，十年出不來產品”的行業。Etched能讓Hinton、Karpathy和李飛飛把錢投進來，團隊底色很關鍵。
三位創始人都是Thiel Fellowship的入選者。這個由Peter Thiel創辦的獎學金，專門資助輟學創業的大學生，入選者能獲得10萬美元資助，條件是輟學全職創業。歷屆入選者創辦的公司包括以太坊、Linear Technology等。
CEO Gavin Uberti，曾在Jane Street做高頻交易，對低延遲計算有深刻理解。CTO Chris Zhu，曾在谷歌TPU團隊實習，親歷過專用芯片從設計到落地的全過程。
公司目前有超過400名工程師，主要來自英偉達、谷歌TPU團隊、博通、臺積電……幾乎覆蓋了AI芯片產業鏈的每一個關鍵環節。
一個有400個芯片老手的團隊，加上已經流片成功的產品，加上10億美元訂單，這個組合在芯片創業公司里，已經算是“驗證充分”了。
英偉達的護城河，從來不只是芯片性能，更是CUDA生態。
任何想挑戰英偉達的芯片公司，都要面對一個靈魂拷問：你的芯片再快，開發者愿意重寫代碼嗎？
Etched的聰明之處在于，它不要求開發者重寫代碼。Sohu支持直接運行Transformer模型，用戶用PyTorch訓練的模型，不需要改代碼，就能在Sohu上跑。
這是ASIC芯片歷史上很少見的情況。
以往的ASIC，通常意味著新的編程模型、新的軟件棧、新的學習成本。Sohu之所以能避開這個問題，是因為Transformer的生態已經足夠統一：模型格式標準，推理框架成熟，專用芯片只需要對接這個統一層就行。
這對英偉達來說，是一個前所未有的挑戰。因為英偉達的核心優勢是“通用+生態”，如果客戶發現“專用芯片又快又便宜還不用改代碼”，通用性的溢價就會迅速縮水。
事實上，眼下，全球AI芯片產業鏈，正在分裂成三條路線。
一條是通用GPU路線，如英偉達、AMD等，賣鏟子給所有人，不管你挖什么礦。優勢是生態成熟、通用性強；劣勢是效率低、成本高。
一條是云廠商自研路線，如谷歌TPU、AWS Trainium、Meta自研芯片等，優勢是深度綁定自身業務，成本可控；劣勢是生態封閉，技術外溢有限。
還有一條是第三方專用芯片路線，如Etched、Cerebras、Groq等，主打一個我為特定計算優化，但我賣給所有人。它們的優勢是效率極致；劣勢是風險比較集中。
在不少業內人看來，這三條路線會長期并存，但市場份額會重新洗牌。而未來2-3年，可能是格局初定的關鍵窗口期。
本文作者長期追蹤海外AI巨頭資本動態、前沿技術和幕后故事，歡迎添加作者微信 xf123a 互通有無。雷峰網(公眾號：雷峰網)雷峰網雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
