重點摘要

Etched 由三位休學的哈佛學生於 2022 年創立，在紅杉資本領投、Andreessen Horowitz、SK Hynix、Jane Street、Diffusion Capital 及多位知名天使投資人參與下，完成了一輪 3 億美元的 C 輪募資，估值達 103 億美元。該公司表示已成功量產首批晶片，並與客戶進行早期系統測試，已收到約 10 億美元訂單。Etched 建構了兩項自訂元件以加速推論：一種低電壓 prefill 晶片與用於解碼的叢集級記憶體互連。這些硬體設計是為了運行任何 AI 模型，而不僅僅是某一特定大型語言模型（LLM）， 回應了外界對其系統的一項常見誤解。

情緒分析

• 本文整體語氣多為正面且樂觀，強調里程碑式的成就、重量級投資人的信心和技術創新。支持此情緒的證據包括龐大的募資規模、自去年十二月以來估值翻倍，以及聲稱已製造出矽晶片並進行客戶測試。下方進度條反映出強烈的正面情緒與動能：

文章內容

Etched 是一家由三名前哈佛學生於 2022 年創立的 AI 晶片新創公司，據共同創辦人兼營運長 Robert Wachen 表示，該公司取得了 3 億美元的 C 輪資金，估值為 103 億美元。此輪由紅杉資本領投，並有既有創投公司及策略性投資者參與。該公司的支持者還包括據稱親自試用過硬體的業界知名人士。這次融資緊接著去年十二月的一次 5 億美元募資，當時公司估值為 50 億美元，約在七個月內估值迅速翻倍。

公司表示已自行製造晶片並正與早期客戶測試完整系統，同時已接獲約 10 億美元的訂單。Etched 的創辦人是在一個對自訂 AI 晶片普遍抱持懷疑的時刻出現。他們提供的是整合式解決方案而非單一晶片，有些觀察者因此誤以為這些硬體僅能運行少數大型語言模型。Etched 對此說法表示異議，強調其平台能執行多樣化的模型家族，包括專家混合（Mixture of Experts）架構以及像狀態空間模型等非 transformer 設計。

Etched 技術主張的核心是為加速推論——也就是回應使用者提示後的運算——所設計的兩項新元素。據 Wachen 所述，推論分為兩個階段：一個是處理提示與上下文的運算密集型「prefill」階段，另一個是產生標記的記憶體密集型「decode」階段。為了加速 prefill 階段，Etched 開發了一種運作電壓顯著低於典型 AI 處理器的晶片，該公司稱之為低電壓推論。降低電壓可減少發熱，允許更密集的電晶體排列，並可能提高能源效率。

在 decode 階段，Etched 建構了一種新的記憶體設計與互連，稱為叢集級記憶體，使多顆晶片能共享高速且低延遲的記憶體池。此做法旨在在維持吞吐量的同時，降低大記憶體推論的成本。這些硬體選擇合力旨在較傳統系統下提供更快的推論速度與更低的運營成本。

儘管有上述主張，公司在早期階段仍面臨質疑。多數懷疑來自外界難以接觸到硬體：公開展示罕見，實際操作通常只提供給投資人和少數早期客戶。然而這種模式也吸引了數位知名投資者觀看私下展示。據 Wachen 表示，測試過系統的專家與業界人士表現出熱情，這亦增強了投資人對最新一輪資金的信心。

該創業公司的發展軌跡既快速又充滿挑戰。創辦人——執行長 Gavin Uberti、Wachen 與技術長 Chris Zhu——離開哈佛後，面臨募資、招募人才與打造量產級硬體等陡峭學習曲線。早期工作據稱在簡陋環境進行：伺服器在車庫運行、員工配偶手動重啟系統的故事是創業起源的一部分。如今，Etched 僱用數百名員工，營運一個數百萬瓦等級的資料中心，並在實驗室中與大型 AI 公司合作執行測試。

要達到規模化仍是一項重大任務。Etched 必須從有限系統原型轉向量產機櫃系統，管理製造與供應鏈複雜性，並擴展客戶部署以驗證在更廣泛工作負載下的效能。公司創辦人承認前路漫長，需穩健執行才能實現其設計的承諾。儘管如此，技術新穎性、早期訂單與知名投資人的結合，已使 Etched 成為 AI 專用運算市場中的高調新進者。

更廣泛來看，業界似乎愈來愈接受針對 AI 工作負載量身打造的專用矽與記憶體架構。將模型特定元素嵌入矽中的概念已從推測轉為可行，多家大型玩家據報也在研究類似想法。在此脈絡下，Etched 同時強調低電壓 prefill 晶片與叢集級記憶體網路，凸顯了一條專注於推論效率與成本降低的路徑。

雖然尚待大規模技術驗證，Etched 的募資與早期客戶拉力仍顯示投資人與部分使用者對其抱有實質信心。 該公司接下來的里程碑——擴大產量、提高出貨量與公開基準測試——將是檢驗其架構選擇是否在真實部署中持續帶來優勢的重要試煉。

關鍵洞見表