红杉领投AI推理芯片3亿美金融资|上下文|人工智能|新模型|红杉

AING硬迹

专门为基于 Transformer 技术的 AI 模型打造芯片。

AI 芯片初创企业 Etched 近日宣布已完成 3 亿美元 C 轮融资，投后估值达 103 亿美元。本轮融资由红杉资本领投，安德里森・霍洛维茨、SK 海力士、简街资本、扩散资本以及其他早期投资方参与投资。该公司的其他投资方还包括彼得・蒂尔、安德烈・卡尔帕西、迪伦・菲尔德、阿姆贾德・马萨德等知名人士。

Etched由三名哈佛大学辍学生于 2022 年创立。去年12 月，Etched 完成 5 亿美元融资，当时估值为 50 亿美元，七个月公司估值实现翻倍。上个月Etched 宣布自研芯片已成功完成制造，首批完整整机系统正交由客户测试，并且已经敲定价值 10 亿美元的订单。

Etched 专门为基于 Transformer 技术的 AI 模型打造芯片能够运行任意 AI 模型，包括 DeepSeek、通义千问这类混合专家模型 —— 该架构将任务分配给多个专用子模型处理，而非依赖单一超大模型；同时也支持 Mamba 等非 Transformer 架构模型，Mamba 依托一种名为状态空间模型的底层架构构建。Etched 从零设计两款全新组件，用以加速推理过程 —— 也就是用户输入提示词之后发生的运算流程。

公司联合创始人兼首席运营官罗伯特・瓦亨表示：“推理分为两个阶段：预填充阶段和解码阶段。预填充阶段需要理解提示词及其上下文，具备极高的数学运算量，属于计算密集型任务。解码阶段生成输出词元，也就是用户最终看到的回答。这一阶段运算需求更低，但需要海量内存资源。

团队独创两大核心技术：

低压推理 Low-Voltage Inference（Prefill 阶段优化）

芯片可远低于常规 AI 芯片电压运行，降低发热、缓解热节流，高密度集成晶体管，大幅提升 Prompt 预填充算力持续性。

集群规模内存 Cluster-Scale Memory（Decode 阶段优化）

自研低延迟互联，多片 Sohu 可构建全局共享内存池，解决大模型解码阶段频繁访存瓶颈，适合超长上下文、MoE 稀疏模型。

参考资料：https://techcrunch.com/2026/07/23/ai-chip-startup-etched-defies-skeptics-hits-10-3b-valuation-from-big-name-investors/

AING硬迹正在打造AI硬件社区，对加入社群感兴趣的读者，欢迎扫码下方二维码加入【AING硬迹产业交流群】

AING硬迹

AING，取自“AI+ING”的缩写，中文谐音“硬迹”，寓意着“人工智能正当其时”，致力于追寻硬科技发展的足迹，不断探索人工智能与智能硬件的深度融合。

未来，AING硬迹将不断发布AI大模型技术、AI产业生态、AI硬件产品等行业资讯、发展趋势与市场动态，我们相信大多数硬件都值得用AI重做一遍，AING硬迹期望与AI大模型厂商、与AI硬件厂商共同成长，迎接AI时代的来临。