Etched 完成 3 億美元 C 輪融資,估值達 103 億美元,獲紅杉資本與科技巨頭支持
重點速覽
- •Etched 在由紅杉資本領投的 C 輪融資中籌得 3 億美元,達到 103 億美元的估值,較 2024 年 12 月的 50 億美元估值翻倍以上。
- •該公司已透過台積電製造首批晶片,正與客戶積極測試系統,並已獲得 10 億美元的預訂訂單。
- •Etched 的硬體將 AI 推理分為 prefill 與 decode 兩個階段,採用低電壓晶片與專有的集群規模記憶體架構來降低成本並提升處理速度。
- •SK Hynix 參與本輪融資具有戰略意義,因為 Etched 的技術直接針對的記憶體頻寬瓶頸,正是 SK Hynix 高頻寬記憶體產品所解決的問題。
- •包括 Andrej Karpathy、Noam Brown 和 Geoffrey Hinton 在內的知名人士在投入資金前親自測試了 Etched 的硬體,展現了業界對專用晶片路線的強烈信心。

AI 晶片新創公司 Etched 於 2022 年由三位哈佛輟學生創立,已成功完成 3 億美元 C 輪融資,估值達到 103 億美元。該公司共同創辦人暨營運長 Robert Wachen 正式確認了這項里程碑交易。
本輪融資由紅杉資本領投,獲得 Andreessen Horowitz、SK Hynix、Jane Street 及 Diffusion Capital 等主要創投與科技機構的踴躍參與。其中 SK Hynix 的加入格外具有戰略意義——該公司是全球領先的高頻寬記憶體(HBM)製造商之一——因為記憶體頻寬正是 AI 推理過程中的主要瓶頸,而這恰好是 Etched 架構所瞄準解決的核心問題。C 輪融資同時獲得早期投資者的持續支持,包括 Peter Thiel、Andrej Karpathy、Dylan Field 及 Amjad Masad 等人。
此次大規模注資使 Etched 的估值較 2024 年 12 月的 50 億美元翻倍,當時該公司透過一輪 5 億美元的融資達到前述估值。Etched 宣稱,其新的 103 億美元估值是紅杉資本領投的 C 輪融資中有史以來最高的估值。
從車庫伺服器到 10 億美元訂單
Etched 發展成為市值數十億美元企業的軌跡絕非循規蹈矩。該新創公司專門設計專用晶片——以完整的機架系統形式銷售——明確針對 Transformer 架構 AI 模型進行優化。此一架構是 ChatGPT 與 Claude 等知名 AI 系統背後的基礎技術。
該公司的起源充滿極度節儉與堅持不懈的精神。Wachen 回憶新創公司起步時的簡陋條件,提到創辦人們從哈佛大學輟學後,曾在舊金山灣區睡在朋友家的地板上。在早期歲月中,團隊將晶片設計工具運行於放置在一位早期員工車庫中的伺服器上。設備簡陋到需要在系統出問題時,由該員工的妻子手動重新啟動伺服器。
如今,Etched 的營運規模已大幅擴張。該公司目前僱用 400 名員工,並營運一座大型 2 百萬瓦資料中心。從在車庫中運行簡陋設計操作,到如今監管先進矽晶片製造,這一轉變凸顯了該新創公司的快速擴張。就在上個月,Etched 宣布了幾項關鍵里程碑:已成功透過台灣積體電路製造公司(TSMC)製造出首批晶片,初步系統正由客戶公司積極測試中,且該公司已獲得 10 億美元的預訂訂單。該公司表示正與全球一些最大的 AI 公司合作,但具體客戶名稱尚未公開披露。
技術路線:Prefill 與 Decode 兩大階段
Etched 的核心技術專注於優化 AI 推理的兩個不同階段——即運行已訓練模型為使用者生成結果的過程,這部分在模型大規模部署時佔了實際 AI 運算成本的最大份額。透過將推理過程分為兩種不同的運算工作負載,Etched 有效地客製化硬體架構,以應對 AI 生成各階段所面臨的特定瓶頸。第一個是「prefill 階段」,涉及系統透過高度運算密集的數學過程來理解使用者的提示詞。第二個是「decode 階段」,負責生成使用者最終看到的輸出權杖。雖然 decode 階段所需的原始運算量較少,但需要龐大的記憶體頻寬。
為解決 prefill 階段的運算需求,Etched 設計了一款運作電壓顯著低於市場上競爭 AI 晶片的專用晶片。電壓的降低明顯減少了熱量的產生,進而允許在硬體中封裝更高密度的電晶體。該公司聲稱,相較於通用 AI 加速器,此一方法能以更低成本實現更快的推理速度。
在 decode 階段方面,Etched 創造了一項名為「cluster scale memory」的新記憶體與互連技術。此一架構使大量晶片能夠以極低延遲無縫共享一個統一的記憶體池。根據 Wachen 的說法,這些硬體創新的結合帶來了顯著更高的處理速度與更低的營運成本。
回應硬體專用化的質疑
Etched 最初推出時,專為 Transformer 架構 AI 模型打造晶片的概念被業界觀察家普遍認為是一項高風險的嘗試。該公司至今仍需面對其專用系統只能運行特定大型語言模型的主流看法。
Wachen 直接回應了這些質疑,澄清 Etched 的系統具備運行任何 AI 模型的多功能性。這包括與混合專家架構的相容性,例如 DeepSeek 和 Qwen,以及非 Transformer 設計如 Mamba,後者採用狀態空間模型架構。
更廣泛的科技產業似乎正在逐步驗證 Etched 的專用化路線。舉例而言,據報導 Google 正在開發專為其 Gemini AI 模身量身打造的 Frozen v2 晶片,建立在其既有的 TPU(張量處理器)計畫之上。Amazon 同樣透過其用於 AWS AI 工作負載的 Trainium 和 Inferentia 晶片系列投資客製化矽晶片,而 Meta 則開發了 MTIA 推理加速器。這一趨勢表明,將模型特定功能直接蝕刻到矽晶片中的概念正穩步獲得主流業界的接受。
透過實機演示贏得投資人信心
Etched 透過在其辦公室舉辦私密的實機硬體演示,成功吸引了眾多知名投資人。Wachen 強調,包括來自 Anthropic 的 Andrej Karpathy、來自 OpenAI 的 Noam Brown、AI 先驅 Geoffrey Hinton,以及參與本輪融資的所有出資方,都在投入資金前親自測試了硬體。
「這些都是真正試用過硬體並且對其非常興奮的人,」Wachen 在談及投資人與測試者時表示。業界老將及來自競爭 AI 實驗室的合作者願意公開支持該硬體,這一事實展現了對 Etched 底層架構的重大信心投票。
儘管取得了實質進展並擁有強大的支持,Wachen 承認該公司在擴大營運規模方面仍面臨重大挑戰。「我們當時完全不知道會有多困難,」他坦言。「我認為我們仍然需要對真正達到規模化所需的努力保持謙卑。」
對 AI 產業的影響
Etched 的快速成長軌跡及其獲得高層級投資人信心的能力,預示著 AI 硬體領域正在發生更廣泛的轉變。隨著 AI 模型持續變得日益複雜,對能夠同時降低功耗與營運成本的專用推理晶片的需求預計將大幅攀升。這些專用硬體元件極有可能成為下一代人工智慧部署的關鍵基礎設施。
如果 Etched 成功兌現其雄心勃勃的技術承諾並擴大製造能力,它可能對 Nvidia 目前在 AI 運算市場的主導地位構成直接挑戰。Nvidia 估計控制了 AI 晶片市場 80% 或以上的份額,而資金充裕、專注於專用推理硬體的競爭者的出現,標誌著半導體與 AI 基礎設施產業中最值得關注的重大競爭動態之一。