根據 TechCrunch 報導，打造 AI 推論客製化硬體的新創 Etched 已以 103 億美元估值完成 3 億美元的 C 輪融資，該報導引用了共同創辦人兼營運長 Robert Wachen。這輪融資由 Sequoia 領投，Andreessen Horowitz、SK Hynix、Jane Street、Diffusion Capital 與先前投資人也參與其中。

這筆融資的重要性不只在於金額本身。它再次顯示，只要這些新創能證明有可運作的晶片、早期客戶測試，以及一條合理可行的降本路徑，投資人就願意為 Nvidia 中心化的 AI 基礎設施以外的替代方案買單。就 Etched 而言，公司表示已經製造出晶片，正在與客戶測試完整系統，並已接獲 10 億美元訂單。不過，這些營運上的說法都來自公司本身，且在來源資料中並未經獨立驗證。

自 2022 年成立以來，Etched 便備受關注，原因在於它採取了相當鮮明的路線：圍繞主導現代模型服務的工作負載來設計硬體，並販售完整系統，而不是單獨晶片。這個想法在市場逐漸向 GPU 收斂時，起初很容易被視為不切實際。但隨著 AI 支出從訓練轉向生產環境中的推論，對於想降低成本與延遲的投資人和企業買家來說，這家新創的主張變得更容易理解。

為何 Etched 這一輪募資現在特別突出

根據 TechCrunch，Etched 的新估值約為 120 月時達到的 50 億美元估值的兩倍；當時它募得了 5 億美元。TechCrunch 也報導，公司表示這是 Sequoia 領投的 C 輪中史上最高估值。這個特定的最高紀錄說法，是媒體轉述的公司主張，並非獨立建立的市場資料。

時機相當值得注意。AI 基礎設施的資金流向，越來越分成兩大陣營：一邊是主打彈性的廣泛運算平台，另一邊則是鎖定較窄、但潛力可能極大的需求區塊的專用系統。Etched 明確站在第二陣營。它的論點是，大規模模型服務的經濟性不同於訓練的經濟性，而專用推論硬體在生產環境最重要的工作負載上，能勝過更通用的加速器。

這套說法之所以能獲得關注，是因為 AI 部署的瓶頸已不再只是取得原始算力。開發者與企業也在意延遲、功耗、記憶體頻寬，以及每個生成 token 的成本。如果新創能在不要求客戶重寫整個技術堆疊的前提下，大幅改善這些指標，即使在 Nvidia 主導的市場中，也有機會找到需求。

公司的投資人名單也有助於解釋外界的關注。除了 Sequoia 和 Andreessen Horowitz 外，TechCrunch 指出 Etched 還獲得 SK Hynix 與 Peter Thiel、Andrej Karpathy、Dylan Field、Amjad Masad 等知名人士的支持。對晶片新創而言，SK Hynix 的支持尤其重要，因為記憶體與互連設計不只是原始運算，對推論效能同樣關鍵。

產品主張：不靠 GPU 的推論客製化晶片

Wachen 向 TechCrunch 形容 Etched 的核心訊息是：其系統能在不依賴 GPU 的情況下加速 AI 模型推論。這家新創表示，其硬體可執行「任何 AI 模型」，包括 transformer 系統、DeepSeek 與 Qwen 這類 Mixture of Experts 設計，甚至像 Mamba 這樣的非 transformer 架構。

這種涵蓋範圍很重要，因為針對特定應用的 AI 晶片常見批評之一，就是可能因模型變動而被淘汰。若系統過度針對單一架構最佳化，雖然能做出令人驚豔的展示，但一旦開發者轉向其他模型家族，可能很快失去價值。Etched 顯然試圖以「自己的架構比許多懷疑者想像得更廣泛」來反駁這種疑慮。

TechCrunch 報導，Etched 將推論分成兩個階段：prefill 與 decode。依公司說法，prefill 是處理 prompt 及其上下文的高運算工作；decode 則是逐 token 生成的階段，運算需求較低，但高度仰賴記憶體。Etched 表示，它從零開始設計了兩個新元件來對應這些階段。

針對 prefill，Wachen 告訴 TechCrunch，Etched 打造了一顆以較低電壓運作的晶片，公司聲稱這可降低熱量並允許更密集的電晶體封裝。針對 decode，公司則表示它建立了所謂的 cluster-scale memory，以及一套互連技術，讓多顆晶片能以低延遲共享一個記憶體池。承諾的結果是以更低成本實現更快的推論。

這些都是重要主張，但仍然出自公司本身。來源資料並未包含第三方基準測試、客戶案例研究、獨立拆解分析，或與 Nvidia 系統的標準化比較。這並不表示這些主張是錯的；它的意思是，在更廣泛的證據出現之前，買家與開發者應把它們視為有前景但仍屬初步。

製造進展與早期部署訊號

Etched 能拿到高估值的其中一個原因，是它看起來已經不只是停留在簡報階段。TechCrunch 報導，這家新創先前曾宣布由 TSMC 成功製造出第一批矽晶，且其首批完整系統已在客戶手中進行測試。

在半導體產業，這個差異非常重要。許多 AI 晶片新創能靠架構概念吸金，但能走到製造與系統驗證階段的少得多。Etched 也不再只是小型研究團隊。根據 TechCrunch，該公司目前有 400 名員工，在主要辦公室營運一座 2MW 資料中心，並在 Milpitas 開設了一座 8 萬平方英尺、10MW 的新設施。

這些基礎設施細節顯示，公司準備的不只是設計晶片，而是要驗證、運行，並可能以有意義的規模部署完整機櫃。對 企業級 AI 買家而言，這點很重要，因為硬體採購決策越來越取決於整體系統是否準備就緒、軟體整合程度與營運支援，而不只是晶片規格表。

儘管如此，從早期系統測試到大規模交付之間仍有巨大落差。根據 TechCrunch，Wachen 也承認製造與部署的擴張仍然困難。這種謹慎很重要。硬體新創往往在尚未證明供應鏈韌性、現場可靠性、可維護性，以及在客戶工作負載下的軟體成熟度之前，就已顯得相當可信。

證據、基準測試，以及仍待驗證的部分

這則報導中最具事實基礎的部分，是 TechCrunch 所報導的融資條件、列名投資人（包括 Sequoia、Andreessen Horowitz、Jane Street、Diffusion Capital 與 SK Hynix），以及 Etched 對外宣稱已有可運作矽晶並正在進行客戶系統測試。

更激進的營運訊號則需要更多檢驗。所謂 10 億美元訂單是公司說法，由 TechCrunch 轉述。所提供的來源並未說明這些訂單究竟是具約束力的採購單、預留、意向書，還是其他形式的需求訊號。這點很重要，因為 AI 基礎設施公司常在營收尚未認列或交付尚未開始前，就引用 backlog 或已簽訂需求。

同樣地，Etched 宣稱其系統可運行任何 AI 模型，並以更低成本達到高速度，這些說法在提供的材料中都沒有獨立基準測試。文章指出，目前外界接觸到的多半是投資人與早期客戶的展示。Wachen 也提到與 Anthropic 與 OpenAI 相關人物的興趣，但這些應被視為高層評論，而非 Anthropic 或 OpenAI 的正式產品背書。

不過，更廣泛的市場背景確實讓 Etched 的論點更容易理解。TechCrunch 指出，Google 據報也在推進一個相關概念，為 Gemini 開發名為「Frozen v2」的晶片。即使實作不同，底層邏輯仍相似：如果推論成為主要成本中心，針對特定服務模式量身打造的客製化矽晶就會更具吸引力。

這對 AI 開發者與企業買家的意義

對開發者而言，實際問題不在於客製化推論晶片聽起來是否優雅，而在於它能否真正融入 LLM、DeepSeek、Qwen 或以 Mamba 為基礎的系統之部署流程，而不會引入足以抵消硬體優勢的摩擦。模型架構間的相容性、對現代 serving 框架的支援，以及混合工作負載下的可靠性，會比頭條式估值更重要。

對企業級 AI 團隊來說，Etched 的崛起再次提醒人們：基礎設施堆疊正在應用層之下重新開放。Nvidia 依然是預設選項，但處理高量推論的公司，最終可能在專用系統、記憶體最佳化機櫃與垂直整合平台之間擁有更多選擇。如果 Etched 能在生產環境中驗證其低電壓推論與 cluster-scale memory 的說法，就可能在每 token 成本與回應時間經濟性上對既有業者形成壓力。

挑戰在於採購風險。企業購買的不只是效能，還包括供應保證、軟體工具、支援範圍、安全審查與路線圖可信度。新創可以靠一個有說服力的機櫃展示贏得試點興趣，但廣泛採用通常要等到可重複部署的證據累積後才會發生。

對 AI 晶片市場而言，這輪募資強化了一個轉變：從「有沒有人能挑戰 GPU？」轉向「哪些 AI 工作負載現在已大到值得使用客製化矽晶？」推論是最明確的候選者，尤其在模型使用量持續成長、買家尋找昂貴通用加速器替代方案之際。

接下來要觀察什麼

接下來要追蹤的訊號很直接。第一，Etched 是否會在清楚說明條件下，發布與 Nvidia 基礎推論系統的獨立基準測試。第二，是否會出現實名客戶，並提供生產部署細節，而不只是私人測試的提及。第三，公司是否會釐清其所稱 10 億美元訂單簿的性質。

同樣值得關注的是，Etched 未來如何支援模型多樣性。其對 transformer 系統、DeepSeek 與 Qwen 這類 Mixture of Experts 模型，以及 Mamba 這類 state-space 方法的廣泛支援主張，具有戰略重要性。隨著 serving 軟體與模型架構演進，這些主張必須經得起考驗。

最後，公司的製造與交付節奏可能比任何募資里程碑都更重要。10MW 設施與可運作系統都很有意義，但真正的考驗在於，Etched 能否從早期存取走向可重複、可支援的部署，同時不失去支撐其設計的成本優勢。

Creati.ai 觀點

Etched 的最新一輪募資，與其說是對單一新創的裁決，不如說是 AI 基礎設施中最火熱戰場已轉向推論的信號。訓練仍能帶來聲望，但真正決定預算的是生產環境經濟性。任何能降低熱門模型服務延遲與成本的公司，即使在 Nvidia 形塑的市場中，也都有真實機會。

需要保持謹慎的是，硬體故事常常跑在現場證據前面。Etched 看起來已跨過多個艱難門檻，包括製造與系統測試，這使它比許多 AI 晶片潛力股更具可信度。但在獨立基準測試與客戶部署公開之前，這個估值最好被解讀為投資人對一個論點的信心：如果面向 AI 代理 與模型 serving 的專門化企業級 AI 基礎設施，比懷疑者預期更容易採用，它就可能成為一門大生意。