📌 一句话摘要 Etched 成功流片 Transformer 专用芯片，获 8 亿美元融资与 10 亿美元客户订单，采用低电压推理与集群内存技术，旨在提升万亿参数模型推理效率。 📝 详细摘要 本文报道了 AI 芯片初创公司 Etched 的最新进展：其 Transformer 专用芯片已从台积电 N4P 工艺流片回片，并获 8 亿美元融资及 10 亿美元客户订单。公司从芯片、机柜、软件到制造方法全栈设计，推出低电压推理技术，使芯片在低于典型 AI 芯片一半的电压下运行，实现 80% 以上峰值 FLOPs 而不热降频。同时推出集群规模内存，结合 HBM 与 SRAM 解决延迟与吞吐量权衡，
📌 一句话摘要
Etched 成功流片 Transformer 专用芯片，获 8 亿美元融资与 10 亿美元客户订单，采用低电压推理与集群内存技术，旨在提升万亿参数模型推理效率。
📝 详细摘要
本文报道了 AI 芯片初创公司 Etched 的最新进展：其 Transformer 专用芯片已从台积电 N4P 工艺流片回片，并获 8 亿美元融资及 10 亿美元客户订单。公司从芯片、机柜、软件到制造方法全栈设计，推出低电压推理技术，使芯片在低于典型 AI 芯片一半的电压下运行，实现 80% 以上峰值 FLOPs 而不热降频。同时推出集群规模内存，结合 HBM 与 SRAM 解决延迟与吞吐量权衡，适用于万亿参数级 MoE 和长上下文模型。文章还回顾了创始团队（均为哈佛辍学生，入选 Thiel Fellowship）的背景与公司历史，包括此前与 Decart 合作的 Oasis 项目。
💡 主要观点
-
Etched 成功流片 Transformer 专用芯片，获大额融资与订单。
公司宣布 A0 版芯片从台积电 N4P 流片回片，获得 8 亿美元融资及 10 亿美元客户订单，首款机柜计划今年夏天发货，标志着从概念到商业化的关键转折。
低电压推理技术显著提升浮点运算密度。
Etched 设计新架构使芯片数学模块在低于典型 AI 芯片一半的电压下运行，实现万亿参数稀疏 MoE 在 80% 以上峰值 FLOPs 下持续推理而不热降频。
集群规模内存解决延迟与吞吐量权衡。
通过专有超低延迟互连构建共享内存池，混合 HBM 与 SRAM，使大型模型推理同时获得高吞吐与低延迟，避免了纯 SRAM 或光互连方案的取舍。
创始团队为哈佛辍学生，体现硅谷创业文化。
三位创始人（Gavin Uberti、Chris Zhu、Robert Wachen）均为哈佛辍学，共同入选 2024 届 Thiel Fellowship，分别负责战略、工程与系统落地。
📊 文章信息
AI 初评：81
来源：量子位
作者：衡宇
分类：人工智能
语言：中文
阅读时间：13 分钟
字数：3098
标签：
AI硬件与芯片, 创业公司, 融资, 芯片设计, AI推理
阅读完整文章