AI芯片赛道迎来一位激进的新挑战者。硅谷公司Etched宣布已完成累计8亿美元融资，估值攀升至50亿美元，并同步获得一份价值10亿美元的芯片预售订单。这家成立于2022年的公司，正试图用一款极度专注的芯片，在英伟达构筑的通用GPU帝国中撕开一道裂缝。

Etched的核心赌注是一款名为Sohu的ASIC芯片。它采用台积电4纳米工艺制造，已成功流片。与英伟达GPU可灵活应对各类计算任务不同，Sohu的设计哲学极为极端——其硬件电路专门为运行Transformer模型的前向推理而固化。这意味着它无法运行CNN、RNN等其他算法架构，但换来了惊人的效率。据官方数据，在运行Llama 70B推理任务时，8张Sohu组成的服务器可替代160张英伟达H100，每美元性能据称是GPU的140倍。

这一技术路线的底气，来自一个关键判断：Transformer架构已足够稳定，值得为之定制硬件。自2017年诞生以来，Transformer不仅统治了语言模型，更延伸至文生视频等多模态领域，其底层范式短期内难被颠覆。与此同时，大模型推理成本正成为行业痛点，仅OpenAI每年在此项上的支出就达数十亿美元，市场对降本增效的渴求为专用芯片提供了现实推力。那张10亿美元大单，则表明已有客户在早期原型上验证了实际负载表现。

Etched的投资人名单同样折射出这一赌注的分量。诺贝尔奖得主、AI教父Geoffrey Hinton，斯坦福AI视觉先驱李飞飞，OpenAI联合创始人Andrej Karpathy，风投教父Peter Thiel，量化巨头Jane Street以及台积电关联基金等悉数入局。三位创始人皆为Thiel Fellowship入选者，CEO Gavin Uberti曾从事高频交易，CTO Chris Zhu有过谷歌TPU团队实习经历。公司目前拥有超过400名工程师，多来自英伟达、谷歌TPU、博通和台积电等关键厂商。

Sohu对英伟达的挑战，不仅在于性能指标，更在于它试图绕过CUDA生态的护城河。该芯片支持直接运行用PyTorch训练的Transformer模型，开发者无需重写代码即可部署。这在ASIC历史上颇为罕见，因为专用芯片通常意味着全新的软件栈和学习成本。Etched之所以能实现这一点，得益于Transformer生态的高度统一——模型格式标准化，推理框架成熟，专用硬件只需对接这一层即可。

这一动向将AI芯片产业的路线分化推至台前。当前全球格局正分裂为三条路径：以英伟达、AMD为代表的通用GPU路线，生态成熟但效率成本承压；以谷歌TPU、AWS Trainium为代表的云厂商自研路线，深度绑定自身业务但生态封闭；以及以Etched、Cerebras、Groq为代表的第三方专用芯片路线，追求极致效率但面临算法变更的风险。三条路线或将长期共存，但未来两到三年可能是市场份额重新洗牌的关键窗口。

Etched的激进尝试，本质上是在押注AI计算从“通用时代”向“专用时代”的转向。如果Transformer架构的统治地位得以延续，专用芯片的经济性优势将愈发凸显，迫使通用GPU的溢价空间收窄。反之，若下一代算法架构出现根本性变革，Sohu这类高度固化的硬件将面临被边缘化的风险。这场豪赌的结局，不仅关乎一家公司的命运，更可能重塑整个AI算力供应链的价值分配。