Etched一月估值翻倍至210亿美元：哈佛辍学生的推理芯片突围

2026年8月18日，美国AI芯片初创公司Etched宣布完成7亿美元融资，投后估值达210亿美元（约合1419亿元人民币）。本轮由华尔街量化交易巨头Jane Street领投，Kleiner Perkins、红杉资本、Andreessen Horowitz、Tiger Global、Bain Capital Ventures、Neo、Primary、Stripes、Positive Sum、Blackstone及Peter Thiel等跟投。

最刺眼的不是7亿美元，而是时间：不到一个月，估值从103亿美元翻倍到210亿美元。即便按AI行业的标准，这个速度也快得离谱。

一、估值曲线：一年四级跳

公司同时披露：已获得来自公共与私营AI企业以及云服务商的客户合同总额超过10亿美元。此外还披露了此前未公开的四轮融资共计8亿美元，并获得创业工厂联盟（VentureTech Alliance）战略支持，深化了与台积电的制造合作。

二、Jane Street既是领投方，也是第一个客户

这是本轮最有说服力的一点。Etched迈过的关键里程碑不是估值，而是签下首个客户，而这个客户就是领投方。Jane Street上个月已收到Etched交付的首套机架级系统，并开始在自身数据中心的真实工作负载上部署。

Jane Street的原话是：「我们对这款芯片进行了测试，并对早期测试结果感到满意。Etched独特的推理技术能够提供我们支持最高要求工作负载所需的精度。我们很高兴如今已经能够在自己的数据中心部署一套Etched服务器机架并投入运行。」

先测试、再采购、再领投——这个顺序本身就是最硬的背书。相比一堆PPT估值，一个把钱和机房同时押上的客户更能说明问题。

三、技术路线：把推理拆成两段分别做专用硬件

联合创始人兼总裁Robert Wachen的解释是，推理分为两个阶段：

• 预填充（prefill）：数学与算力密集，系统需要理解提示词及其上下文；
• 解码（decode）：内存密集，负责生成输出Token，也就是用户最终看到的答案。

Etched为这两段分别做了新东西：

低电压预填充芯片

其数学运算模块的工作电压不足大多数AI加速器的一半。低电压带来低温，低温意味着可以塞进更多晶体管而不触发当前AI芯片普遍面临的热节流问题，从而实现「比竞争对手高出数倍的FLOPs密度」。公司未透露低电压数学模块的具体实现方式。

集群级内存（Cluster Scale Memory, CSM）

一种新型存储与互连架构，允许多颗芯片相互连接、以极低延迟共享一个统一内存池，大幅提升解码阶段速度并降低延迟。

公开的对比数据：某些通信任务上，英伟达Blackwell处理器约需4000纳秒完成，而得益于Etched的芯片架构和定制互连技术，其芯片只需700纳秒。机架内还集成了多项自研组件，包括把芯片热量导入冷却液循环系统的定制冷板，以及优化机架供电的专有电压调节模块。

Etched以完整系统形式交付，称之为「前沿推理集群」（对应英伟达把自己的完整系统叫「AI工厂」）。

四、执行速度：44天跑通推理

从获得种子轮融资开始计算，公司在不到3年时间里实现流片成功。更极端的是：从拿到台积电生产的测试芯片，到让这些芯片真正运行AI推理工作负载，只用了44天——这个过程通常需要6个月甚至更长。

Robert Wachen的说法是：「我们可能是唯一一家由初创公司打造、并且第一次尝试就取得成功的AI芯片公司。」

另外要澄清一个市场误解：外界曾认为Etched的芯片是针对特定模型定制烧录的，即每款芯片只能跑某一个前沿模型。这确实是公司最初的设计思路（首款ASIC名为Sohu，面向Transformer架构），但现在已不再如此——其推理集群已能运行大规模混合专家（MoE）模型以及非Transformer架构模型。

五、团队：三个24岁哈佛辍学生，400人里15%来自英伟达

Etched由Robert Wachen、Gavin Uberti（CEO）和Chris Zhu三名24岁的哈佛辍学生于2022年创办（部分资料记为2021年成立），总部位于加州圣何塞。Gavin Uberti以Thiel Fellow身份创业。

Gavin Uberti曾提到，公司在2023年初期一度难以募资，当时靠一份30页的备忘录说服投资人相信：AI规模化服务终将需要专用芯片，而不能只依赖通用GPU。

目前团队超过400人，其中约15%曾任职于英伟达。在英伟达工作近23年的资深系统工程师Brian Loiler于2024年加入后，又挖来约十多名英伟达工程师，部分人甚至拒绝了英伟达提出的优渥留才条件。公司在圣何塞总部内建了一座2兆瓦AI集群用于产品开发与客户测试，并在总部附近建设8万平方英尺的原型开发中心，同时在中国台湾设立团队与服务器零部件生产设施。

六、这轮资本为什么疯抢推理

Kleiner Perkins管理合伙人Mamoon Hamid的判断很凝练：推理正成为AI领域最关键的基础设施市场之一，胜负关键在于每美元和每瓦特能处理多少Token。

底层逻辑是算力需求的重心迁移。过去数年大模型竞争主要围绕参数规模、训练集群和训练周期；随着基础模型逐步进入搜索、办公、编程、广告和金融等场景，调用模型生成结果的推理环节开始消耗越来越多算力。响应时延、能效和每Token成本成为新的竞争焦点，这直接催生了对专用推理硬件的需求，也让投资者愿意加大对英伟达之外替代方案的押注。

七、风险提示：估值必须靠交付来兑现

话要说到底。Etched估值在不足一个月内增长约104%，一方面反映资本市场对AI推理基础设施的增长预期，另一方面也意味着其量产交付和商业化表现必须匹配这个高估值。

半导体本身是高投入、长周期、供应链复杂的行业。初创企业不仅要完成芯片设计和流片，还要建立服务器、互连、软件工具链及客户验证体系。目前Etched的确定性来自一个真实客户和超10亿美元合同，但从「一个机架在跑」到「吉瓦级规模交付」之间，还有很长的路。

FAQ

Q1：Etched这轮融资的具体数字是什么？

2026年8月18日宣布完成7亿美元融资，投后估值210亿美元，由Jane Street领投，Kleiner Perkins、红杉资本、Andreessen Horowitz、Tiger Global、Bain Capital Ventures、Blackstone、Peter Thiel等跟投。累计融资约19亿美元，已签客户合同总额超过10亿美元。上一轮为2026年7月23日的3亿美元C轮，当时估值103亿美元。

Q2：Etched的芯片相比英伟达GPU优势在哪？

公开口径集中在两点：一是低电压预填充芯片，数学运算模块工作电压不足大多数AI加速器的一半，因此可在不触发热节流的前提下集成更多晶体管，获得更高FLOPs密度；二是集群级内存（CSM）互连架构，多芯片以极低延迟共享统一内存池。公开对比数据是某些通信任务上英伟达Blackwell约需4000纳秒，Etched只需700纳秒。这些均为公司披露与媒体报道口径。

Q3：Etched的芯片只能跑Transformer模型吗？

不是了。公司最初的设计思路是为特定模型架构定制（首款ASIC名为Sohu，面向Transformer），这也造成了外界的认知误区。目前其推理集群已能运行大规模混合专家（MoE）模型以及非Transformer架构模型。

Q4：AI芯片创业公司现在还有机会吗？

从Etched的路径看，机会存在但门槛极高。它的差异化在于三点：切推理而非训练（需求正在从训练向规模化推理扩散）、做完整机架系统而非单颗芯片（自研互连、冷板、电压调节模块）、以及极致的工程执行速度（拿到台积电测试芯片后44天跑通推理，行业通常需6个月以上）。同时要看到风险：半导体投入大、周期长，210亿美元估值需要量产交付来兑现。