衡宇 发自 凹非寺 | 量子位公众号 QbitAI

一家专注于Transformer专用芯片的卡帕AI芯片初创公司Etched，近日正式宣布芯片成功流片，西李辛顿芯片并同步公布了一系列重磅进展：不仅完成了8亿美元的飞飞融资，更签下了一份价值10亿美元的都投的T单客户大单。

卡帕西（Andrej Karpathy）、专用李飞飞（Fei-Fei Li）、签下辛顿（Geoffrey Hinton）等AI领域顶级大佬均为其投资人。亿美元

Etched成立于2022年。卡帕当其他AI芯片公司还在强调兼容性、西李辛顿芯片通用性和生态建设时，飞飞Etched自创立之初便坚定地将所有资源投入到Transformer专用芯片的都投的T单研发中。

在经历了一段长时间的专用低调潜伏后，Etched于6月30日突然高调亮相，签下宣告走出“隐身模式”。亿美元

此次官宣的卡帕核心亮点包括：
* 芯片流片成功：首款专用芯片完成制造。
* 资金到位：筹集8亿美元。
* 订单落地：获得10亿美元客户承诺。

公司官方表示，基于现有进展，已制造出第一批机柜。“早期客户测试表明，我们在推理工作负载方面实现了最先进的吞吐量、延迟和能效。”

正如古人云“一鸣惊人”，Etched此次亮相可谓震撼业界。

作为投资方之一的卡帕西也激动地发声支持：

Etched突然“诈尸”，布局远超预期

在官方推文突然“诈尸”之前，公众对Etched的印象仅停留在“一家只做Transformer专用芯片的初创公司”。

然而，此次官宣显示，Etched的野心远不止于此。目前，该公司正在构建一套完整的面向前沿模型推理的集群系统，涵盖芯片、机柜、软件及制造方法的全栈设计。

芯片与机柜：商业化提速

根据官网信息，Etched的A0版芯片此前已从台积电N4P工艺流片回片。

此次推出的首款机柜产品，旨在满足那10亿美元大单的需求。官方直言，第一批机柜计划于今年夏天出货，这意味着Etched的商业化进程已全面提速。

软件与制造：全栈优化

官方指出，其推理系统专为前沿模型设计，覆盖万亿参数级MoE（混合专家模型）、长上下文及Agent工作负载。

为支撑这些高难度任务，Etched共同设计了全新的芯片、封装、PCB、冷板及互连组件。此外，公司引入了低电压推理（LVI）技术，专门针对高吞吐量工作负载进行优化。

技术突破：解决AI芯片“热节流”痛点

当前AI芯片面临的核心瓶颈在于：若不进行热节流，就无法扩展浮点运算能力。随着浮点运算能力提升，芯片功耗增加且时钟频率降低，导致实际推理吞吐量往往低于峰值浮点运算能力的一半。

针对这一行业难题，Etched设计了全新架构，使芯片数学模块能在低于大多数AI芯片一半的电压下运行。

核心优势：
1. 浮点密度倍增：芯片浮点运算密度比现有AI芯片高出数倍。
2. 无热降频运行：官方宣称，该设计能让万亿参数级稀疏MoE在80%以上峰值FLOPs下运行，且不会出现热降频。

实现这一目标需要从晶体管到Token的全链路统筹设计，包括：
* 可拆分数学阵列
* 电路技术
* Tiling和调度算法
* 供电网络与VRM架构
* 高级封装与冷板设计

创新架构：集群规模内存（CSM）

与此同时，Etched推出了适用于低延迟工作负载的集群规模内存（Cluster-Scale Memory, CSM）。

行业痛点：
* HBM架构：受限于内存子系统和互连瓶颈，难以达到SRAM级别的解码速度。
* 纯SRAM架构：虽然延迟低，但受限于浮点运算密度和内存容量，难以兼顾吞吐量。
* 传统取舍：用户通常不得不在“低速服务”和“降低批量规模以控制成本”之间做选择。

在运行巨型MoE模型时，Token需在专家间路由，数据需穿越多层内存和网络交换网络。每增加一层内存，延迟便增加一分。因此，从延迟角度看，内存层级“少一层是一层”是最佳策略。

Etched的解决方案：
团队设计了一种新架构，在整个Scale-up域内构建共享的低延迟内存池。
* 采用专有的超低延迟、高带宽互连技术，大幅提升跨芯片内存访问速度。
* 基于HBM/SRAM混合设计，同时解决容量与Mem2Mem延迟问题，实现高吞吐与强交互性的兼得。

官方表示：“CSM不仅改善了延迟表现，还避免了当前纯SRAM芯片、3D DRAM芯片或光互连方案在成本、可靠性、良率、散热和算力上的种种妥协。”

团队背景：硅谷范儿的“哈佛辍学天团”

Etched目前拥有超过400名工程师，成员来自英伟达、谷歌TPU、博通、SK海力士、台积电等顶尖科技企业。

创始团队由三位哈佛校友组成，标签鲜明：00后、哈佛、辍学创业、AI、Transformer专用芯片。

核心三剑客

1. CEO Gavin Uberti（G哥）：Transformer专用芯片的早期推动者
* 背景：哈佛本科，主修数学与计算机。
* 经历：2020-2022年间，曾在端侧AI初创公司（后被苹果收购）、高等教育软件公司及ML推理基础设施公司实习。
* 洞察：在研究Transformer推理时，G哥发现瓶颈在于底层计算架构与Transformer工作负载不匹配。因此，他将思路从“优化模型”转向“重构计算系统”，押注专用芯片。

2. 联合创始人 Chris Zhu：工程实现与系统落地专家
* 背景：哈佛辍学，G哥在校园时期的合作伙伴。
* 角色：媒体评价其更偏向工程实现与系统落地。

3. 联合创始人 Robert Wachen：计算机系统基础专家
* 背景：哈佛辍学，计算机相关专业。
* 专长：关注计算机系统基础、软硬件抽象关系理解及工程实现思维。

创业历程：
* 2022年：Etched雏形初现。
* 2023年：在确定芯片路线后，获得约550万美元种子轮投资，并拉入Wachen加入。
* 2024年：三人共同入选Thiel Fellowship（由彼得·蒂尔创办，鼓励22岁以下年轻人休学创业）。同时入选同一届Thiel Fellowship的概率极低，彰显了团队的核心凝聚力。

融资历程与产品演进

• 2023年：完成种子轮，金额约536万-540万美元。
• 2024年6月：完成1.2亿美元A轮融资，同步推出首款专为Transformer设计的ASIC芯片，主打高吞吐推理。当时宣称，一台8芯片服务器在Llama 70B场景下的Token吞吐量远超8卡H100。
• 2024年10月：与Decart合作发布Oasis项目，号称“首款可玩的AI生成游戏”。
• 分工：Decart负责世界模型训练、架构设计及实时视频生成算法；Etched负责推理侧优化，确保扩散Transformer在H100级别GPU上接近实时帧率，并将能力映射至未来专用芯片。
• 意义：这是Etched最具故事性的产品演示。
• 2024年底-2025年初：曝出新一轮融资5亿美元，投后估值达50亿美元。

结语

随着官方宣布第一批机柜将于今年夏天发售，Etched已不再仅靠“天才休学创业”的故事立足。

接下来，Etched将面临真正的硬仗：客户机房的部署、真实负载的考验、系统的稳定运行以及真金白银的验收。这场关于Transformer专用芯片的战役，才刚刚开始。

[1]https://x.com/Etched/status/2071972062202343590?s=20
[2]https://x.com/patrick_oshag/status/2071972025896489452?s=20
[3]https://x.com/karpathy/status/2072061140943921550?s=20