卡帕西李飞飞辛顿投资的Transformer芯片签10亿美元大单

一家专注于研发Transformer专用芯片的AI芯片初创公司，近日成功完成了流片，并同步宣布了一系列重大进展：不仅成功筹集了高达8亿美元的资金，还欣喜地拿下了价值10亿美元的客户大单。备受关注的行业大佬卡帕西、李飞飞、辛顿，均是这家公司的投资人。

这家备受瞩目的公司就是Etched。

它成立于2022年，当其他AI芯片创业公司纷纷强调兼容性、通用性和生态系统时，Etched从创立之初便一心一意地投入到Transformer专用芯片的研发中。在很长一段时间里，Etched并未太多公开露面。然而，在六月的最后一天，它突然高调宣布走出隐身模式，一次性公布了多项成果。Transformer专用芯片成功流片、巨额融资到账、大客户订单也随之而来。

公司的官方账号还透露，基于目前的进度，他们已经制造出了第一批机柜。“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、延迟和能效表现。” 古人云“不鸣则已，一鸣惊人”，大概说的就是这种情形。

作为重要资方之一的卡帕西也难掩激动之情：

Etched突然高调亮相，干了一票大的

在Etched官方推特账号突然高调发声之前，外界对它的印象，大多还停留在“一家只为Transformer做AI芯片的初创公司”。这一次，它冷不丁地宣布了一大堆进展，表明如今它的业务早已超越了单一芯片的范畴。

综合目前的信息来看，Etched正从芯片、机柜、软件到制造方法进行一体化设计，致力于打造一套面向前沿模型推理的完整集群系统。

首先是芯片和机柜。官网信息显示，今年早些时候，Etched的A0版芯片已经从台积电的N4P工艺流片并成功回片。如今推出首款机柜产品，主要是为了满足那笔10亿美元大单的需求。公司明确表示第一批机柜计划于今年夏天开始出货，这意味着Etched的商业化进程已经正式提上日程。

至于软件与制造方法层面——根据官方说法，其推理系统是为前沿模型量身打造的，能够覆盖万亿参数级别的MoE（混合专家模型）、长上下文以及Agent工作负载。为了高效运行这些复杂任务，Etched协同设计了全新的芯片、封装、PCB、冷板、互连等核心组件。

此外，Etched还引入了低电压推理（LVI）技术，特别适用于高吞吐量工作负载。这里有一个技术背景：AI芯片如果不进行热节流，其浮点运算能力将难以扩展。随着浮点运算能力的提升，芯片会消耗更多电力，并导致时钟频率降低。这通常会导致芯片持续的推理吞吐量，远低于其峰值浮点运算能力的一半。

针对这一痛点，Etched设计了一种全新的架构，使得芯片的数学模块能够在不到大多数AI芯片一半电压的条件下稳定运行。

这一设计使得芯片的浮点运算密度，相比当前的AI芯片提升了数倍。

官方推特称，这套设计能够让万亿参数级别的稀疏MoE模型，在80%以上的峰值FLOPs下运行，同时避免出现热降频现象。要实现这一点，必须从晶体管到token层面进行全局统筹设计，这包括了可拆分数学阵列、电路技术、tiling和调度算法、供电网络、VRM架构、高级封装以及冷板设计等一系列创新。

与此同时，Etched还推出了适用于低延迟工作负载的集群规模内存（CSM，Cluster-Scale Memory）。当前采用HBM的AI芯片，受限于内存子系统和互连瓶颈，很难达到接近SRAM的解码速度；而纯SRAM架构的芯片虽然延迟很低，但往往在浮点运算密度和内存容量上存在局限，难以兼顾高吞吐量。通常，我们不得不在两者之间做出取舍：要么以较慢的速度提供推理服务，要么缩小批量运行规模，从而承受更高的成本。

在运行巨型MoE模型时，token需要在不同的专家之间进行路由，数据必须穿过多层内存体系与网络交换网络才能抵达目标专家。每增加一层内存层级，延迟就会增加一分；因此，从延迟优化的角度来看，最好的内存层级，某种意义上就是“少一层是一层”。

为此，Etched团队设计了一种新架构，在整个scale-up域内构建了一个共享的低延迟内存池。他们采用了专有的超低延迟、高带宽互连技术，大幅提升了跨芯片的内存访问速度。这种基于HBM/SRAM的混合设计方案，同时解决了容量和内存间延迟（mem2mem）的问题，使得高吞吐与强交互性得以兼得。

“CSM不仅显著改善了延迟表现，同时也避免了当前纯SRAM芯片、3D DRAM芯片或光互连方案在成本、可靠性、良率、散热及算力方面的种种权衡取舍。”

这家公司究竟有何来头？

公司还透露，目前团队已拥有超过400名工程师，他们分别来自英伟达、谷歌TPU、博通、SK海力士、台积电等行业巨头。说到团队，我们来详细介绍一下创始“三剑客”。

这个团队身上的标签，非常符合人们刻板印象中的“硅谷范儿”。毕竟，“哈佛辍学生创业团队”是他们最为醒目的身份标签。

CEO名叫Gavin Uberti（下文简称G哥），是“为Transformer制造专用AI芯片”这一理念的最早推动者。本科阶段他考入哈佛大学，一边深入学习数学与计算机相关课程，一边开始接触AI编译器优化与系统层面的问题。在2020年到2022年期间，G哥先后在多家公司实习，包括一家专注于端侧AI和低功耗计算的初创公司（后被苹果收购）、一家从事高等教育学术运营管理软件的公司，以及一家致力于机器学习模型部署与推理基础设施的公司。他的工作经历涵盖了编译器优化、算法开发以及后端工程。

2022年，Etched的雏形诞生。在研究Transformer推理过程时，G哥逐渐形成了自己的判断：推理性能的瓶颈，根源在于底层计算架构与Transformer工作负载之间的不匹配。因此，他的思路从“优化模型”转向了“重构计算系统”。G哥后来在接受采访时多次回忆道，“正是对Transformer未来发展趋势的判断，推动着我和团队押注于专用芯片的研发”。

另外两位联合创始人Chris Zhu和Robert Wachen同样也是哈佛校友（辍学版）。想要创业的G哥，随即拉上了校园里的合作伙伴Chris一同退学创业，媒体普遍评价这位联合创始人“更侧重于工程实现与系统落地”。到了2023年，当两人明确要走芯片路线后，他们成功获得了约550万美元的种子轮投资，并顺势拉拢了Wachen入伙。Wachen的背景同样聚焦于计算机方向，在校期间，他重点关注计算机系统基础、软件与硬件之间的抽象关系理解，以及工程实现思维这三个维度。

创业的第二年，兄弟三人共同入选了2024届Thiel Fellowship（蒂尔奖学金）。Thiel Fellowship是由彼得·蒂尔（Peter Thiel）创办的一个奖学金/创业扶持项目，面向22岁以下的年轻人，鼓励他们暂停或放弃大学学业，直接投身创业、研究或项目实践。怪不得能成为Etched创业核心“三剑客”，一个创始团队所有成员同时入选同一届Thiel Fellowship的情况，确实相当罕见。

00后、哈佛、哈佛辍学创业、AI、Transformer专用芯片……听下来，是不是觉得这个团队身上的硅谷范儿标签烙印得更深了？

公开的融资记录显示，Etched在2023年完成了种子轮融资，金额大约在536万到540万美元之间。2024年6月，Etched对外宣布完成了1.2亿美元的A轮融资，并同步推出了首款芯片，强调这是首款专为Transformer模型设计的ASIC（专用集成电路），主打高吞吐量推理。当时给出的宣传语是：

一台搭载8颗芯片的服务器，在运行Llama 70B模型时，其token吞吐量可以远超8卡H100的配置。

不过，当时这些都还停留在理论阶段，直到今天才正式宣布流片成功。

同年10月，他们又与Decart合作，公开发布了名为“Oasis”的项目，号称是“首个可玩的AI生成游戏”。这是一个“可以用键盘操控，但整个世界由模型逐帧生成”的交互式生成系统。在合作中，Decart负责世界模型本身的训练、架构设计以及“利用Transformer实现实时视频生成”的核心算法。而Etched则负责推理侧优化和系统层面，重点在于如何让扩散Transformer在H100级别的GPU上达到接近实时的帧率，并将这种能力无缝映射到他们未来的专用芯片上。这可以说是Etched迄今为止最会“讲故事”的一次产品演示了。

之后，Etched进入了一段相对低调的潜伏期，只在去年年末、今年年初时，有消息曝出他们又完成了一轮5亿美元的融资，投后估值达到50亿美元。既然官方已经宣布第一批机柜将于今年夏天对外发售，走到这一步，故事显然已经不能仅靠“天才休学生创业”这种标签来支撑了。客户的机房部署、实际负载的稳定运行、以及真金白银的验收，才是Etched接下来要打的硬仗。

[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

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：卡帕西李飞飞辛顿投资的Transformer芯片签10亿美元大单要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题