Etched 成功籌集了 1.2 億美元，旨在挑戰 Nvidia 的 AI 芯片市場。該公司正在開發一款名為 Sohu 的新芯片，專為處理 AI 過程中關鍵的轉換器架構而設計。Etched 宣稱，通過將此架構直接整合到其芯片中，正在創建市場上最強大的轉換器推理伺服器，並宣稱 Sohu 是迄今為止最快的轉換器芯片。
這一聲明特別引人注目，因為 Nvidia 最近超越微軟，成為全球最具價值的公司，市值達到 3.3 兆美元。Etched 在彼得·泰爾等影響力投資者的支持下，相信其由 35 名團隊成員組成的實力足以與 Nvidia 競爭。
本輪融資由 Primary Venture Partners 和 Positive Sum Ventures 主導，吸引了不少機構投資者，包括 Hummingbird、Fundomo、Fontinalis、Lightscape、Earthshot、Two Sigma Ventures 和 Skybox Data Centers。著名的天使投資者包括彼得·泰爾、史丹利·德魯肯米勒、大衛·西格爾、巴拉吉·斯里尼瓦桑、阿姆賈德·馬薩德、凱爾·沃格特、凱文·哈茲、傑森·華納、湯瑪斯·多姆克、布萊恩·約翰遜、邁克·諾沃格拉茨、伊馬德·阿健德、贾韋德·卡里姆 和查理·契弗。
泰爾獎學金的主任亞歷克斯·漢迪表示：“投資 Etched 是對 AI 未來的重要布局。他們的芯片解決了競爭對手不敢面對的可擴展性問題，有助於抵消行業內的停滯。創始人代表了我們所支持的非傳統人才，他們中有許多人放棄哈佛，專心挑戰半導體領域。他們正在為矽谷的創新鋪平道路，而無需承擔傳統技術的負擔。”
對於強大 GPU 的需求持續增長。
Etched 由哈佛辍学生羅伯特·瓦肯、加文·烏伯提和朱克里斯創立，自 2022 年 6 月以來，他們在 AI 領域進行了重大投入，押注於轉換模型的變革潛力。歷史上，各種 AI 模型如 CNN、RNN 和 U-Net 在各自領域發揮了重要作用，但轉換器（即 ChatGPT 中的“T”）是首個可擴展的 AI 模型。
“我們相信，隨著計算能力的增強，智能將持續擴展。我們的預測是，企業將在專用芯片上投入數十億美元以運行 AI 模型，”CEO 加文·烏伯提在一篇博客中表示。“在過去兩年內，我們開發了 Sohu，這是全球首款專為轉換器設計的專用ASIC。這款芯片無法運行傳統的 AI 模型，如強化 Instagram 動態的 DLRM 或蛋白質折疊模型，也無法處理 CNN 或 RNN。然而，對於轉換器而言，Sohu 在速度和可負擔性方面無人能敵，顯著超越了 Nvidia 即將推出的 Blackwell GPU。”
烏伯提強調，AI 模型的格局已向轉換器大幅轉變，正如 ChatGPT、Sora、Gemini 和 Stable Diffusion 3 的發展所示。如果出現新的架構，如 SSM 或君主混合器，Etched 的芯片可能會變得不再相關。然而，如果預測成真，Sohu 可能會徹底改變遊戲規則。該公司正在與 TSMC 合作，在先進的 4nm 節點上進行生產。
為什麼會有這樣的賭注？
Etched 專注於轉換器技術。
根據 Etched 的說法，實現超智能的關鍵在於規模。在短短五年內，AI 模型從基本形式演變為在標準化測試中超越人類的能力，這主要是因為規模的增長。
通過擴大 AI 模型並提高訓練數據的質量，這些系統的智能顯著增強。從 GPT-2 到 Llama-3-400B，訓練領先模型所需的 FLOPS 數量在五年內驟增了 50,000 倍。
烏伯提解釋道，雖然 AI 架構過去演變迅速，涌現出眾多模型，但當前的最先進系統如 Llama 3 與其前代模型 GPT-2 十分相似，僅有少量調整。這一趨勢可能會繼續。
“所有主要參與者，包括 Google、OpenAI、Amazon 和微軟，都在 AI 數據中心的投資上超過了 1,000 億美元，”烏伯提指出。儘管學術界存在不同意見，但領先的 AI 實驗室普遍認同，擴大大型語言模型（LLM）將引導我們走向超智能。
烏伯提強調：“我們正在見證歷史上最大的基礎設施擴張。擴展法則在過去十個量級（從 $10^{16} 到 $10^{26} FLOPS）中顯示了一致的成功。如果預測在接下來的四個量級（最高可達 $10^{30} FLOPS）中保持不變，那麼超智能便在觸手可及之內，AI 芯片將主導市場需求。”
靈活芯片的發展進入平穩期。
Etched 對 GPU 的觀點。
近年來，模型架構頻繁更迭，包括 CNN、DLRM 和 LSTM，各自在 AI 界佔據了一席之地，每種都需承擔巨額成本。 AI 芯片市場的整體規模在 100 億到 200 億美元之間。
為了迎合這一庞大市場，許多公司開發了多用途 AI 芯片，以支持多種架構，包括 Nvidia 的 GPU、Google 的 TPU、Amazon 的 Trainium 等。然而，所有產品在性能上都無法與 Nvidia 的 H100 抗衡。
烏伯提指出：“許多競爭對手聲稱通過將多顆芯片結合成一整卡來提升性能，而實際上，性能與面積比仍然停滯不前——想要從 GPU 轉型的挑戰依然存在。”
Etched 強調，所有主要計算市場最終都會朝著專用芯片的方向發展，無論是網絡還是比特幣挖礦，專用芯片在性能上均遠勝於 GPU。烏伯提表示：“由於 AI 領域的巨大財務利益，專業化是不可避免的。”
Etched 預測，未來大部分投資將集中在超過 10 兆參數的模型，這些模型可能運行於少數幾個大型雲數據中心，類似於芯片製造領域的趨勢，高成本、高解析度的廠房逐漸取代小型設施。
“即使出現更優越的架構，轉型脫離轉換器也是極具挑戰性的，因為在各個技術方面的基礎工作必須重新進行，”他補充說。隨著 AI 模型的複雜性增加和訓練成本的上升，對專用芯片的需求將增長，使早期採用者在該領域成為領導者。
Etched 有望引領市場。
創始人瓦肯、烏伯提和朱聲稱，迄今為止尚未建造任何架構專用的 AI 芯片。此前，創建這類專用芯片需要大量需求和對其長期可行性的信心。
“我們選擇了正快速增長的轉換器技術進行投資，”烏伯提表示。
隨著轉換器推理的需求現已超過 50 億美元，OpenAI、Google、Amazon 和微軟等科技巨頭已將轉換器模型融入其運作中。
烏伯提強調，獨特的架構已經顯著整合。像 OpenAI 的 GPT 系列、Google 的 PaLM 和 Facebook 的 LLaMa 主要圍繞轉換器進行設計。
“我們正快速推進 Sohu 的潛力，”他堅定地說。“我們的開發周期正朝著最快的 4nm 晶片邁進。與 TSMC 合作，我們正在從頂級供應商那裡雙重採購 HBM3E，預訂數千萬美元的需求來自 AI 公司。”
該公司還指出，當前的 AI 模型往往過於昂貴且運行速度緩慢，無法有效交付產品，例如 AI 編碼代理的高運營成本和視頻模型的緩慢處理速度。
烏伯提總結道：“有了 Sohu，我們就能改變格局。實時視頻、音頻、代理和搜索能力最終將成為現實，顯著提升 AI 產品的經濟可行性。”
Etched 能否超越 Nvidia？
Etched 獨特的平行處理方式使其在市場上具備優勢。
在談到這家小型公司如何能夠超越 Nvidia 的問題時，COO 羅伯特·瓦肯解釋道：“過去，AI 計算市場十分支離破碎，使用著眾多模型。投資於轉換器模型的數十億美元顯示出對專業化的轉向。雖然我們的芯片不會在通用工作負載中超越 GPU，但它們將在轉換器推理方面佔據主導地位，這對生成式 AI 產品至關重要。”
這種專業化為 Etched 提供了競爭優勢，使其芯片在其他無法做到的地方表現優異。
排行榜
