AI 晶片競賽白熱化，Etched 迎戰 Nvidia 募資 1.2 億美元

人工智慧的軍備競賽：晶片成為下一個戰場？

親愛的讀者，當我們談論人工智慧 (AI) 時，你首先想到的是什麼？可能是那些能寫文章、畫圖的厲eschat 大模型，或是越來越聰明的聊天機器人？沒錯，這些都是 AI 進步的顯著成果。但你知道嗎？在這些強大功能的背後，有一場同樣關鍵、甚至更激烈的「軍備競賽」正在進行，那就是在硬體晶片的戰場上。

• AI 硬體競爭白熱化，主要集中於晶片設計與效能提升。
• 許多新創公司投入晶片技術的創新與開發。
• 投資人對於 AI 硬體市場未來充滿信心。

最近，我們觀察到多家 AI 領域的新創公司成功募得了大筆資金，這不僅顯示了市場對 AI 前景的持續看好，更透露出一個重要的趨勢：AI 硬體的創新與競爭正進入白熱化階段。特別是，有一家新創公司以驚人的募資金額和直接挑戰市場龍頭 Nvidia 的姿態，引發了廣泛討論。

這篇文章將帶你一起深入了解這場 AI 硬體的新戰役。我們會聚焦於募資金額最亮眼的 Etched 這家公司，看看他們憑什麼挑戰 Nvidia 的霸主地位？他們的技術有何特別之處？同時，我們也會快速瀏覽其他值得關注的 AI 相關募資案，一起來看看 AI 生態系統正如何多元發展。

震撼市場的 $1.2 億美元：AI 晶片新星 Etched 募資詳解

人工智慧 (AI) 領域的競爭早已白熱化，不只在軟體演算法上拚高下，硬體更是決定最終效能與成本的關鍵。最近，一家名為 Etched 的 AI 晶片新創公司引發市場高度關注，因為他們宣佈完成了規模驚人的 Series A 輪募資，總金額高達 1.2 億美元。

對於一家才剛進入 A 輪募資階段的公司來說，能籌集到如此龐大的資金可說是非比尋常，這強烈顯示出投資人對於 Etched 的技術方向和未來潛力抱持著極高的信心。這家由 Gavin Uberti 和 Chris Zhu 等人共同創立的公司，其野心非常明確：他們希望在特定的 AI 硬體領域，提供比現有通用型硬體（特別是 Nvidia 的 GPU）更具優勢的解決方案。

這筆鉅額資金的注入，將成為 Etched 加速產品開發和市場佈局的強大後盾。據了解，這筆錢主要將用於幾個關鍵面向：首先是推動其核心晶片的量產工作；其次是擴大工程團隊，延攬更多頂尖人才；最後，他們也計劃建構一個開發者雲端平台，讓更多潛在客戶能更容易地接觸與測試他們的技術。

不走 GPU 老路：Etched 的秘密武器 – 變形器專用 ASIC

那 Etched 究竟有什麼特別之處，能讓投資人願意投入這麼多錢呢？關鍵在於他們的技術路線。Etched 的核心產品是一款叫做 Sohu 晶片。這款晶片並非市面上常見的通用型 GPU (圖形處理器)，而是一種專門為特定任務設計的 ASIC (Application-Specific Integrated Circuit，應用專用積體電路)。

你可能會問，GPU 和 ASIC 有什麼不同？想像一下，GPU 就像是一個功能齊全的瑞士刀，能處理圖像渲染、科學計算、以及現在最熱門的 AI 運算等等，應用範圍非常廣泛。但 ASIC 則像是一把專門用來開某種螺絲的電動起子，它只專精於一種任務，但因為專精，所以能做得比瑞士刀更快、更省力。

Etched 的 Sohu 晶片，就是專門為目前主流的 變形器模型 (Transformer Models) 所打造的「專用電動起子」。為什麼是變形器模型呢？因為當前最先進、應用最廣泛的 AI 模型，特別是像 ChatGPT、Google Gemini、Meta LLaMa 這樣的大型語言模型 (LLMs)，絕大多數都是基於變形器架構。 Etched 認為，與其用通用的 GPU 來跑這些模型，不如打造一個專門為變形器優化的晶片，效率會高得多。

他們聲稱 Sohu 晶片在處理變形器模型相關運算時，相比於市場上高效能的 GPU，例如 Nvidia 的 H100 或新一代的 Blackwell 系列，可以達到驚人的效能提升。具體數字方面，Etched 宣稱速度最快可達 20 倍。他們也提到一個關鍵指標：FLOPS (每秒浮點運算次數) 的使用率。Sohu 晶片能將高達 90% 以上 的 FLOPS 用於實際有意義的計算，而通用的 GPU 可能因為架構限制，在處理變形器模型時，FLOPS 使用率可能只有 30-40%。這種效率上的巨大差異，是 Etched 的主要賣點。

這款晶片預計將採用由全球頂尖的晶圓代工廠 台積電 (TSMC) 提供的 **4 奈米 (nm)** 先進製程進行製造，這也顯示了 Etched 在技術實現上的雄心與投入。

直球對決 Nvidia？Etched 的市場策略與潛在優勢

Etched 選擇專注於變形器模型而非打造通用型 AI 晶片 的策略，可說是一步險棋，但也可能帶來巨大回報。在當前 生成式人工智慧 (Generative AI) 熱潮下，大型語言模型 (LLMs) 已成為主流應用，而這些模型的核心架構正是變形器。這意味著，如果 Etched 的 Sohu 晶片能如其所宣稱的提供高達 20 倍的速度提升和顯著的能源效率優勢，它就可能在龐大的 LLMs 運算市場中切下一塊大餅。

對於那些需要進行大量變形器模型推理 (Inferencing) 或訓練 (Training) 的公司，例如大型雲端服務提供商或是 AI 模型開發者，使用更高效的專用硬體不僅能降低運算成本，也能減少能源消耗，這在營運成本和永續發展方面都具有吸引力。想像一下，如果原本需要 20 片 Nvidia H100 才能完成的工作，現在只需要 1 片 Sohu 就能做到，這對成本和機櫃空間的節省會是巨大的。

與 台積電 合作先進製程製造，也增加了 Etched 技術實現的可能性。台積電在先進製程上的經驗和能力是業界公認的頂尖，這有助於 Etched 將設計藍圖變為實際可用的晶片。

總體來說，Etched 的市場策略是精準打擊：瞄準目前最熱門的 AI 模型架構，用極致優化的硬體來爭取對效率和成本最敏感的大客戶。這無疑是對在 AI 硬體市場佔據主導地位的 Nvidia GPU 生態系統發起了正面挑戰。

高報酬伴隨高風險：Etched 面臨的挑戰

然而，通往成功的道路上總是充滿挑戰。Etched 的專用晶片策略雖然帶來潛在的高回報，但也伴隨著顯著的風險，是你我作為觀察者必須了解的。

• 架構鎖定風險：專用硬體如 ASIC 缺乏彈性，若 AI 演算法出現變革，可能面臨過時風險。
• 製造與量產挑戰：先進製程技術的複雜性可能影響量產。
• 性能驗證：晶片在實際應用中的性能需充分驗證。

首先是所謂的「架構鎖定 (Architecture Lock-in)」風險。ASIC 雖然效率極高，但其缺點在於缺乏彈性。Sohu 晶片 專為變形器模型 優化，如果未來 AI 演算法出現顛覆性變革，不再以變形器為主，那麼 Etched 的硬體可能就會面臨過時的風險。不像通用型的 GPU 可以在軟體層面透過驅動程式更新來支援新的模型或計算類型。

其次是製造與量產的挑戰。雖然 Etched 選擇了頂尖的 台積電 合作，但在 **4 奈米 (nm)** 這樣先進的製程節點進行複雜的 AI 晶片大規模量產，仍然是技術上的巨大考驗。從設計到流片 (Tape-out)，再到最終的晶片良率和穩定性，每一步都需要克服許多工程難關。延遲量產或良率不佳，都可能嚴重影響 Etched 的市場推出計畫和成本結構。

最後，Etched 所宣稱的驚人效能提升，需要在實際的客戶應用場景中得到充分的驗證。從實驗室數據到真實世界的效能，中間可能存在很多變數。潛在客戶在導入 Etched 的晶片前，必然會進行嚴謹的測試與評估，Etched 能否兌現承諾將是贏得客戶的關鍵。同時，Nvidia 作為市場領導者，也在不斷改進其 GPU 架構，並可能推出更具競爭力的產品或生態系統整合方案來應對挑戰。

AI 領域多元發展：其他值得關注的募資案

除了 Etched 這個最受矚目的案例，近期還有其他 AI 相關的新創公司也成功完成了募資，這顯示了 AI 技術的發展是多面向的，不只侷限於主流的硬體或模型。

• Literal Labs： 這家來自英國的新創公司完成了 £4.6M 英鎊 的 Pre-Seed 輪募資。他們的技術路線與主流的神經網路不同，而是基於一種稱為 **Tsetlin machine** 的邏輯式 AI 模型。Literal Labs 的技術強調 **高能源效率** 和 **可解釋性 (Explainability)**，聲稱在某些推理任務上比傳統神經網路快 54 倍且節能 52 倍。這類技術在需要低功耗和決策透明度的領域（例如邊緣 AI 或關鍵安全系統）具有潛力。他們計畫用這筆資金擴大團隊，並在 2025 年底推出第一個針對 **Edge AI** 的產品。
• GridFree AI： 專注於資料中心基礎設施的新創公司 GridFree AI 也募得了 **$5M 美元**。他們的特色技術是 **Power Foundry**，旨在減少資料中心對傳統電網的依賴，並提供更靈活、快速的部署能力。在 AI 運算對電力需求不斷攀升的今天，能夠提供更高效或不受傳統電網限制的資料中心解決方案，對於支持 AI 規模化應用至關重要。他們的技術目標是讓企業能在原先因為電力或基礎設施限制而不可行的地點建立高效能運算中心。

這些案例告訴我們，雖然 AI 晶片是當前的熱門焦點，但在模型的創新、AI 基礎設施的優化等各個環節，都有公司在努力突破，整個 AI 生態系是豐富且多元的。

總結：AI 硬體的未來在哪？

經過今天的介紹，相信你對 AI 硬體領域的最新戰況有了更清楚的認識。Etched 憑藉對變形器模型專用硬體的極度專注和高達 1.2 億美元的鉅額募資，無疑在 AI 晶片市場投下了一顆震撼彈。他們對比 Nvidia GPU 的效能與效率主張，展現了專用型 ASIC 在特定應用場景下的潛力。

這場 Etched 與 Nvidia 的競爭，或許預示著 AI 硬體的發展正從過去追求「萬能」通用算力，轉向更注重針對特定模型或應用場景的「專精」優化。同時，Literal Labs 和 GridFree AI 的募資案也提醒我們，AI 的發展是全面的，包含了模型演算法的創新以及支撐這些運算的基礎設施進步。

Etched 能否成功克服量產和市場驗證的挑戰，真正威脅到 Nvidia 在 AI 硬體的領導地位？變形器模型是否會長期維持其主流地位？這些問題的答案，將深刻影響未來幾年 AI 產業的發展格局。讓我們拭目以待，這場精彩的 AI 硬體大戰將如何演變。

【投資免責聲明】本文僅為產業趨勢與技術分析，所有內容不構成任何投資建議。投資涉及風險，讀者應自行判斷並謹慎決策。

常見問題（FAQ）

Q：Etched 公司有什麼特色？

A：Etched 專注於變形器專用的 ASIC 晶片技術，聲稱性能優於傳統 GPU。

Q：目前 AI 硬體競爭的市場環境如何？

A：競爭相當激烈，許多新創公司積極投入 AI 硬體的開發與創新。

Q：Etched 有何募資計劃？

A：Etched 最近完成了 1.2 億美元的 Series A 輪募資，將用於推動產品開發和市場擴展。