远见网一、我的同事张楠老师写文章讨论了一个现象
前不久，我的同事张楠老师写文章讨论了一个现象，说一些明星独角兽在融资的时候直接同时启动两轮甚至三轮，即在业务能力、商业模型、核心团队、财务状况不变的情况下，在同一时间以不同估值推进不同轮次的融资。
比如在同一时间分别以10亿、20亿、30亿元的估值，完成天使、Pre-A、A轮。
这看起来十分反商业逻辑，同一个东西，凭什么同一时间卖不同的价格？
但很多投资人告诉他，市场火的时候只能这么操作。
尤其是商业航天、具身智能这些热门赛道的热门公司融资窗口期都很短，这就要求机构要有极快的决策时间。
这背后对应着资金量在短时间内暴涨、共识过于集中等等，如果感兴趣可以读读《 同时融3轮，百亿估值就是“拍脑门”？
》，总之这种现象完全称得上是一种值得警惕的奇观。
而现在，这种“奇观感”还在被不断加强。近日，据多家媒体爆料，美国AI芯片独角兽Etched正在同时推进两轮融资。
其中一轮将以100亿美元（约合人民币676亿元）的估值完成，由美国红衫领投；
另一轮将以200亿美元（约合人民币1350亿元）的估值完成，由美国的另一家知名VC简街资本（Jane Street）领投。
根据最新消息显示，这轮由红杉领投的融资已经完成，其他投资方包括a16z、Diffusion、以及最近风口浪尖的SK海力士。
虽然“同时融资好几轮”的现象已经持续了相当长一段时间，虽然这一切都能得到理性解释，但100亿美元和200亿美元这两个数字同时出现还是太夸张了。
饶是见多识广的《华尔街邮报》也忍不住感叹：“随着人工智能经济的繁荣，这种‘同时多轮融资’现象正在越来越普遍，一些明星独角兽公司正展现出强大的议价能力。
1、”：2、模型能力成为门槛
所以最近几天，几乎所有的科技媒体都在头条追问Etched是谁？为什么能够完成这样的壮举？
要回答这个问题，最好的方式或许是从另一个问题入手：为什么AI的尽头是电力？
一个最常见的解释就是AI的使用体验取决于模型能力，而训练模型意味着需要消耗更多的算力，而制造算力的芯片本质上就是数十亿个晶体管，这些晶体管需要电力来激活。
于是算力越大、运算越快，被消耗的电力也就指数级的增加。
如今我们聊起模型训练的时候，所说的芯片基本默认指的就是GPU。
但实际上和GPU并不是什么新鲜产物，可以说自从人类进行PC时代，计算机厂商们就是用GPU来处理图形，渲染3D模型和图片纹理，确保那些被编译为数字的图片能够更完整更准确地出现在你的电脑屏幕上。
之所以GPU能够和人工智能模型训练联系在一起，很大程度上源于英伟达对GPU的优化。
在过去，GPU就是计算机中的流水线环节，接受数字信号之后GPU就按特定的程序将其转译，生成我们看到的图像。
而英伟达突破性地让GPU的管线不再固定，变得完全可编程，并开发出了革命性的计算平台CUDA。
在CUDA的帮助下，GPU的特点被不断放大——由于GPU本质上是成千上万个处理核心堆砌在一起，因此他很擅长并行处理大量简单、重复的计算任务——神经网络成为了可能，需要大量矩阵乘法和加法的人工智能模型训练也成为了可能。
可在优点被放大的同时，GPU的缺点也被同步放大。成千上万个处理核心同时工作，前提是足够且充足的电力。
二、要保证这么多处理核心能够协同作业
其次，要保证这么多处理核心能够协同作业，英伟达需要采用超高速的高带宽内存（HBM）堆栈，以确保海量的数据能够以最快地速度完成传输，这个过程又必然会消耗大量额电力。
1、机器运行一定会发热
与此同时，机器运行一定会发热，过热就会影响机器运行带来安全隐患，因此需要配置必要且高规格的冷却系统。
据国际能源署（IEA）的统计数据显示，冷却系统在算力中心的能耗占比最高能达到30%。
三、随着算力成为了基础资源
1、随着算力成为了基础资源
换句话说，随着人工智能开始普及，进入人类日常生活的方方面面，随着算力成为了基础资源，人们必然会寻求绕开GPU，找到一条能够兼顾超大规模计算和节能的技术路线。
而这就是Etched这家公司为什么如此值钱，如此被追捧。
Etched的主要产品SOHU是一款基于Transformer架构的ASIC芯片。
GPU的最强之敌TPU正是基于Transformer架构诞生的。
Etched笃信的也是这一点。
2、投资人们也非常看好这个判断
联合创始人加文·乌贝蒂（Gavin Uberti）说：“在2022年，我们打赌Transformer将统治世界，因为我们已经来到了AI发展的一个节点，即性能优于通用GPU的专用芯片的出现是不可避免的——世界上的技术决策者都知道这一点。
”
具体到SOHU这款芯片，相较于谷歌的TPU，SOHU最大的差异在于Etched团队想办法去除了与Transformer无关的硬件组件，并削减传统上用于部署和运行非Transformer模型的软件开销。
从融资节奏来看，投资人们也非常看好这个判断。
四、谷歌在思考有没有其他技术路线
1、只有Transformer才是未来
另外Etched的创业者画像也非常符合最新的时代审美。
Etched一共有三位联合创始人，分别是上面提到的加文·乌贝蒂，一位华裔克里斯·朱（Chris Zhu）、还有一位叫做罗伯特·沃肯（Robert Wachen）。
他们三个是哈佛大学校友，因为参加一个人工智能的高校项目结识。
在交流过程中，三位小伙子都相信通用GPU无法跟上人工智能的步伐，只有Transformer才是未来，因此决定从学校宿舍起步辍学创业。
他所设立的彼得蒂尔奖学金计划，参与者在两年内从大学辍学专注于创业。
据说，Etched的三位联合创始人也是也是彼得蒂尔奖学金计划创建以来，非常罕见地全员拿到全额奖学金的团队。
和谷歌的TPU一样，Etched已经不仅仅停留在概念阶段了。
但看到这里你应该也意识到了一个问题，相比于谷歌深厚的家底，Etched的抗打击能力明显太弱了。
比如，既然GPU在未来的人工智能发展中显得不太划算、TPU具有更高的性价比成为了行业显学，那么一定会有越来越多的竞争者紧跟而上扎堆Transformer，到那时候Etched的壁垒是什么？
芯片设计专家扎克（Zach）2024年发表过一篇博客文章，标题叫《Etched可能没办法击败英伟达》。
其次，在TPU之前也并不是没有其他产品试图与GPU展开竞争，只不过他们最终都倒在了黎明前夜，甚至走到最后发现根本没有黎明。
此前红杉所投资的Graphcore就是一个例子，Graphcore也旨在通过专门化设计实现50%的性能提升，但英伟达拥有内部团队来设计其硅片的每个关键部分，进行专门化比Graphcore进行优化要难度更小，成本更低。
那么既然资金更雄厚、起步更早的Graphcore都没有突破英伟达的包围，Etched又凭什么能做到呢？
2026年7月15，也就是Etched传出最新融资消息的那几天，扎克又发表了一篇《我之前对Etched的评价错了吗？
》继续补刀。
他认为Etched的核心理念是专注于大型语言模型的芯片将显著优于通用GPU，并用比特币ASIC举例论证了这一观点，而问题在于比特币ASIC基于的SHA-256是一种高度专业化的算法，包含大量比特移位、异或和模加运算，这的确是传统GPU缺乏优化的优化，可大型语言模型推理主要是大型矩阵乘法，GPU和TPU在这方面已经非常擅长了。
其次，英伟达正在积极专注于优化其数据中心GPU以运行大型语言模型。
