在人工智能算力基础设施的博弈中，一个新的搅局者正在浮出水面。AI 芯片初创公司 Etched 近日宣布，在经历多轮融资后，公司估值已达到惊人的 103 亿美元。这一估值不仅打破了行业对初创芯片公司的常规预期，更标志着资本市场对“专用 AI 硬件”这一细分赛道的强烈信心。Etched 由三名哈佛大学辍学生创立，其宣称的技术方案——即不依赖传统 GPU 也能加速 AI 模型推理——正试图颠覆当前由英伟达等巨头主导的硬件生态。
Etched 的成功并非偶然，它精准地捕捉到了 AI 产业从“模型训练”向“模型推理”转型的关键节点。在当前的 AI 技术栈中，推理阶段的算力消耗占据了绝大部分。然而，传统的通用 GPU 虽然灵活，但在处理特定神经网络结构时，往往存在计算单元利用率低、内存带宽受限等问题。Etched 的技术核心在于其自研的专用集成电路（ASIC）和新型内存组件。据公开资料描述，该架构通过消除通用 GPU 中不必要的计算单元，专注于加速特定模型结构的矩阵运算，从而实现了无需 GPU 也能在特定任务上超越传统 GPU 的性能表现。
这一突破对于 AI 行业具有深远的意义。首先，它可能大幅降低 AI 应用的部署成本。对于超大规模企业和中小企业而言，如果 Etched 的芯片能以更低的功耗提供更高的推理吞吐量，那么其替代传统 GPU 的进程将大大加速。其次，Etched 的崛起也反映了开源模型与闭源模型在硬件层面的竞争。随着开源大模型（如 Llama 系列）的普及，开发者对于灵活、低成本推理硬件的需求日益迫切。Etched 的方案似乎为这种需求提供了一个极具吸引力的替代方案。
当然，Etched 也面临着严峻的挑战。专用芯片的生命周期往往比通用芯片短，当 AI 模型架构发生重大变革时，专用芯片可能面临“过时”的风险。相比之下，GPU 的通用性使其能够通过软件更新来适应新的模型。此外，如何说服现有的云服务提供商放弃成熟的 GPU 供应链，转而采用全新的架构，也是 Etched 需要克服的巨大阻力。不过，拥有 103 亿美元估值的 Etched 拥有足够的资金进行长期的研发投入和生态建设。
此次融资的参与者包括多家知名投资机构，这表明硅谷的风险投资逻辑正在发生变化。过去几年，资本大量涌入大语言模型的训练侧，而现在，随着技术红利的逐步兑现，资本开始回流到算力的底层硬件。Etched 的故事不仅是一个关于成功的融资案例，更是 AI 时代技术演进的缩影——它预示着未来的 AI 硬件将更加细分、更加垂直，以换取更高的性能与效率。随着 Etched 的技术产品逐步走向市场，科技界将密切关注其能否兑现“无需 GPU”的诺言，以及它能否真正改变 AI 算力的游戏规则。
信息来源：AI News & Artificial Intelligence | TechCrunch，原文链接：https://techcrunch.com/2026/07/23/ai-chip-startup-etched-defies-skeptics-hits-10-3b-valuation-from-big-name-investors/
