卡帕西李飞飞辛顿投资Transformer芯片拿下10亿美元订单

在AI芯片领域，通用性芯片一直是市场主流，兼容性、生态完善性成为英伟达等巨头引以为傲的技术护城河。

然而，这一共识正在被悄然打破。

一家专注于Transformer专用芯片的初创企业，不仅成功完成流片，还接连宣布重大进展：融资8亿美元，并拿下高达10亿美元的客户订单。更令人瞩目的是，AI学术界的顶级人物——卡帕西、李飞飞、辛顿——均成为这家公司的投资人。

这家公司名叫Etched。

Etched成立于2024年。当其他AI芯片公司拼命强调兼容性、通用性与生态建设时，Etched从一开始便心无旁骛地深耕Transformer专用芯片。很长一段时间里，公司几乎毫无公开声量，如同隐身一般。但在六月最后一天，它突然高调亮相，宣布走出隐身模式：芯片流片成功，资金到位，客户订单数额惊人。

公司官方账号透露，基于现有进展，他们已造出首批机柜。“早期客户测试显示，我们实现了推理工作负载领域最先进的吞吐量、延迟与能效表现。”古人云“不鸣则已，一鸣惊人”，Etched此刻正印证了这句话。

作为投资方之一的卡帕西显得格外激动：

Etched突然“现身”，放了一连串大招

在官方推特忽然“复出”之前，Etched留给外界的印象几乎仅限于那句“一家只做Transformer AI芯片的初创公司”。而这一次，一连串重磅消息让业界意识到，它所做的远不止Transformer专用芯片。

综合现有信息，Etched从芯片、机柜、软件到制造方法，均在进行系统性设计，瞄准的是一整套面向前沿模型推理的集群系统。

先说芯片与机柜。官方信息显示，今年早些时候，Etched的A0版芯片已通过台积电N4P工艺成功流片并回片。此次推出的首款机柜产品，主要为了满足那笔10亿美元的大额订单需求。他们直言不讳地表示，首批机柜计划在今年夏天出货。至此，Etched的商业化节奏已然清晰可见。

至于软件与制造方法层面——按照最新说法，其推理系统专为前沿模型设计，覆盖万亿参数级MoE、长上下文以及Agent工作负载。为运行这些任务，Etched协同设计了全新的芯片、封装、PCB、冷板、互连等组件。

此外，Etched引入了低电压推理（LVI）技术，适用于高吞吐量工作负载。先交代一下背景：当前AI芯片如果不进行热节流，就无法扩展浮点运算能力；而随着浮点运算能力提升，芯片功耗增加、时钟频率下降。这通常导致实际推理吞吐量不足峰值浮点运算能力的一半。

针对这一行业痛点，Etched设计了一种全新架构，使芯片的数学模块能够在低于大多数AI芯片一半电压的条件下稳定运行。这使得芯片的浮点运算密度比现有AI芯片高出数倍。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，且不发生热降频。要实现这一目标，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与调度算法、供电网络、VRM架构、高级封装以及冷板设计。

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）。当前采用HBM的AI芯片，受限于内存子系统和互连瓶颈，难以达到接近SRAM的解码速度；而纯SRAM架构的芯片虽然延迟更低，却通常受限于浮点运算密度和内存容量，难以兼顾高吞吐量。业界往往不得不在两者之间做出取舍：要么以较慢速度提供服务，要么压低批量规模运行，从而承受更高成本。

在运行巨型MoE模型时，token需要在不同专家之间路由，数据必须穿越多层内存体系和网络交换网络才能抵达目标专家。每增加一层内存，延迟就会显著上升。因此，从延迟角度考量，最优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，大幅提升跨芯片内存访问速度。基于HBM/SRAM的混合设计，在解决容量和mem2mem延迟问题的同时，让高吞吐与强交互性得以兼得。据称，CSM不仅改善了延迟表现，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、散热以及算力方面的种种取舍。

这家公司有什么背景？

公司还透露，目前团队已超过400名工程师，分别来自英伟达、谷歌TPU、博通、SK海力士、台积电等知名企业。

说到团队，我们来详细介绍一下创始三剑客。这个团队的标签非常符合人们对“硅谷范儿”的刻板印象——毕竟“哈佛辍学生创业团队”是他们最醒目的身份标识。

CEO名为Gavin Uberti（简称G哥），是“为Transformer打造专用AI芯片”这一理念的最早推动者。本科期间他考入哈佛，一边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问题。2020年至2024年，他先后在几家初创公司实习，涉及端侧AI与低功耗计算、高等教育学术运营管理软件，以及机器学习模型部署和推理基础设施。他既做过编译器的开发，也干过算法和后端工作。

2024年，Etched初见雏形。在研究Transformer推理过程中，G哥逐渐意识到：推理瓶颈的核心在于底层计算架构与Transformer工作负载的不适配。他的思路便从“优化模型”转向了“重构计算系统”。G哥后来在多次对外访谈中回忆，正是对Transformer未来走向的判断，促使他和团队全力押注专用芯片。

另外两位联合创始人Chris Zhu和Robert Wachen同样是哈佛校友（辍学版）。想创业的G哥迅速拉上在校期间合作过的Chris一起退学。媒体普遍评价Chris“更偏向工程实现与系统落地”。2024年，两人确定要走芯片路线后，拿到了约550万美元的种子轮投资，随后一鼓作气拉上Wachen入伙。Wachen的背景是计算机相关方向，在学校阶段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。

创业第二年，三位合伙人一起入选了2024届Thiel Fellowship。这是一个由彼得·蒂尔创办的奖学金/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学业直接创业或从事研究。像这样创始团队所有成员同时入选同一届Thiel Fellowship的情况，确实极为罕见。00后、哈佛、辍学创业、AI、Transformer专用芯片——这些标签让这个团队的硅谷范儿烙印更深。

公开融资记录显示，Etched在2024年完成了种子轮，融资金额约在536万至540万美元之间。同年6月，公司对外宣布完成1.2亿美元A轮融资，并同步推出首款芯片，强调这是首款专为Transformer模型设计的ASIC，主打高吞吐推理。当时给出的数据显示：一台8芯片服务器在Llama 70B场景下，可实现远高于8卡H100的token吞吐量。但当时这些数据只是纸上谈兵，直到今天才正式宣布流片成功。

同年10月，Etched与Decart合作，公开发布了被称为“the first playable AI-generated game”的Oasis项目——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。合作中，Decart负责世界模型本身的训练、架构设计以及“用Transformer做实时视频生成”的核心算法；Etched则负责推理侧与系统优化，重点在于让扩散Transformer在H100级别GPU上运行到接近实时的帧率，并将这种能力进一步映射到他们未来的专用芯片上。这大概是Etched迄今为止最具故事性的产品演示。

此后，Etched进入了相对低调的潜伏期，仅在去年年末、今年年初之际，曝出新一轮融资达5亿美元，投后估值50亿美元。既然最新消息称首批机柜今年夏天就将对外发售，那么Etched的故事已不能再仅仅依靠“天才休学生创业”的噱头撑下去。客户机房、真实负载、稳定运行以及真金白银的验收，才是Etched接下来必须打赢的硬仗。

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Transformer芯片拿下10亿美元订单要求：
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