AI 芯片初创公司 Etched 估值达 103 亿美元 挑战 NVIDIA 统治地位

人工智能硬件领域正在经历一场深刻的变革。长期以来，NVIDIA 凭借其多功能的 GPU 以及成熟的 CUDA 生态系统，几乎垄断了 AI 训练和推理市场。然而，一家名为 Etched 的初创公司带着一个激进的命题杀入战场：如果 AI 的未来是建立在 Transformer 架构之上的，为什么不直接制造一种只运行 Transformer 的芯片呢？

这种专注让 Etched 获得了惊人的 103 亿美元估值，有力地回击了那些怀疑初创公司无法挑战 NVIDIA Blackwell 或 Hopper 架构的批评者。对于追求极致性能的开发者来说，通过 n1n.ai 这样的平台获取最前沿的算力支持已成为主流选择。

专用 AI 硅片的崛起：从通用到专用的逻辑

多年来，AI 计算的行业标准一直是通用 GPU（GPGPU）。NVIDIA 的成功在于其灵活性，开发者可以运行几乎任何数学运算。然而，灵活性是有代价的，那就是效率的损耗。Etched 认为，既然从 GPT-4 到 Llama 3，几乎所有最先进的大语言模型（LLM）都采用 Transformer 架构，那么我们就不再需要“通用”计算了。

他们的旗舰芯片 Sohu 是一种专用集成电路（ASIC）。与拥有数千个通用核心的 GPU 不同，Sohu 的电路是为 Transformer 的矩阵乘法和注意力机制（Attention Mechanism）“硬连线”的。这种架构选择使 Etched 能够宣称其性能指标远超现有硬件。随着企业寻求更具成本效益的部署方案，n1n.ai 在导航这种由硬件驱动的新经济中变得至关重要。

性能对比：Sohu vs. NVIDIA H100

衡量 LLM 部署的核心指标是“每美元每秒生成的 Token 数”。Etched 声称，在特定的推理任务中，单台 Sohu 服务器的性能可以超越数十台 NVIDIA H100。

通过剥离非 Transformer 运算所需的硬件模块，Etched 最大化了用于计算和内存带宽的晶圆面积。这对于使用 n1n.ai 扩展应用的开发者来说意义重大，因为更低的硬件成本最终会转化为更低的 API 调用价格。

技术深度解析：将 Transformer 刻入芯片

Sohu 芯片采用了独特的内存管理方法。在传统 GPU 中，瓶颈通常出现在计算单元与内存之间的数据传输上（即冯·诺依曼瓶颈）。Etched 通过专门针对“注意力”机制优化数据流，最大限度地减少了这种损耗。

对于开发者而言，这意味着实时应用——例如零延迟的语音助手或高速编程助手——变得触手可及。当你通过 n1n.ai 集成这些模型时，底层基础设施的速度直接决定了用户体验的质量。

开发者指南：如何评估推理延迟

如果你计划从标准的 GPU 集群迁移到专用硬件或高速 API 服务商，可以使用以下 Python 代码段通过 n1n.ai 这样的聚合器来测试当前的延迟：

import time
import requests

def benchmark_llm_api(api_url, api_key, prompt):
    # 设置请求头和负载
    headers = {"Authorization": f"Bearer {api_key}"}
    payload = {
        "model": "deepseek-v3",
        "messages": [{"role": "user", "content": prompt}]
    }

    start_time = time.time()
    try:
        response = requests.post(api_url, json=payload, headers=headers)
        end_time = time.time()

        if response.status_code == 200:
            latency = end_time - start_time
            print(f"推理延迟: {latency:.4f} 秒")
            return response.json()
        else:
            print(f"请求失败，状态码: {response.status_code}")
    except Exception as e:
        print(f"发生错误: {e}")

# 使用 n1n.ai 接口进行测试的示例
# benchmark_llm_api("https://api.n1n.ai/v1/chat/completions", "YOUR_API_KEY", "你好，请介绍一下 ASIC 芯片的优势。")

为什么投资者向 Etched 豪掷数十亿美金？

103 亿美元的估值得到了包括 Positive Sum 在内的多家顶级风投机构的支持。逻辑很简单：如果 Etched 能占领推理市场 10% 的份额，其市值将达到数千亿美元。

然而，风险在于“架构锁定”。如果未来出现了一种取代 Transformer 的新架构（例如 Mamba 等状态空间模型），Etched 的芯片可能会在一夜之间变得过时。相比之下，NVIDIA 的 GPU 只需要通过软件重新编程即可适配。Etched 赌的是：在可预见的未来，Transformer 就是 AI 架构的终点。

对 LLM API 市场的深远影响

随着 Etched 的规模化，我们预计 API 市场将出现分化：一类是“通用计算”提供商，另一类是“专用推理”提供商。对于开发者来说，选择合适硬件的复杂性会大幅增加。这正是 n1n.ai 的价值所在——它抽象了底层基础设施，让开发者无论底层运行在 NVIDIA、Groq 还是 Etched 芯片上，都能获得最快、最稳定的模型访问能力。

总结

Etched 的崛起标志着 AI 计算“万能钥匙”时代的终结。通过专注于 Transformer，他们解锁了此前被认为不可能实现的性能水平。对于开发者和企业而言，这意味着更快、更便宜、更强大的 AI 智能体即将到来。在大规模应用落地过程中，选择像 n1n.ai 这样能够整合多种算力优势的平台，将是保持竞争力的关键。

Get a free API key at n1n.ai