近日，AI芯片初创公司Etched宣布，已筹集 1.2 亿美元，向 Nvidia 发起 AI 芯片设计挑战。
Etched 正在设计一款名为 Sohu 的新芯片，用于处理 AI 处理的一个关键部分：Transformation。该公司表示，通过将 Transformer 架构刻录到芯片中，它正在打造世界上最强大的 Transformer 推理服务器。Etched 表示，这是有史以来最快的 Transformer 芯片。
Primary Venture Partners 和 Positive Sum Ventures 领投了此轮融资，并获得了 Hummingbird、Fundomo、Fontinalis、Lightscape、Earthshot、Two Sigma Ventures（战略）和 Skybox Data Centers（战略）等机构投资者的支持。
值得一提的是，该公司的天使投资人包括 Peter Thiel、Stanley Druckenmiller、 David Siegel、Balaji Srinivasan、Amjad Masad、Kyle Vogt、Kevin Hartz、Jason Warner、Thomas Dohmke、Bryan Johnson、Mike Novogratz、Immad Akhund、Jawed Karim 和 Charlie Cheeve。
泰尔奖学金主任亚历克斯·汉迪 (Alex Handy) 在一份声明中表示：“投资 Etched 是对人工智能价值的战略押注。他们的芯片解决了竞争对手不敢解决的可扩展性问题，挑战了同行普遍存在的停滞不前现象。Etched 的创始人体现了我们支持的非传统人才——从哈佛辍学，进军半导体行业。他们付出了艰苦的努力，以便硅谷的其他人可以继续安心地编程，而不必担心他们正在研究的任何底层技术。”
Etched创始人：Robert Wachen、Gavin Uberti、Chris Zhu
Transformer一统江湖， GPU撞墙
正如大家所所看到的，过去解决AI问题，都是考GPU。不过Etched在博客中表示，圣克拉拉的秘密是，GPU 并没有变得更好，而是变得更大了。四年来，芯片单位面积的计算能力 (TFLOPS) 几乎保持不变。
他们表示，NVIDIA 的 B200、AMD 的 MI300、英特尔的 Gaudi 3 和亚马逊的 Trainium2 都将两块芯片算作一张卡，以实现“双倍”性能。从 2022 年到 2025 年，AI 芯片并没有真正变得更好，而是变得更大了。2022 年到 2025 年，所有 GPU 性能提升都使用了这个技巧，但Etched 除外。
在 transformer 统治世界之前，许多公司都构建了灵活的 AI 芯片和 GPU 来处理数百种不同的架构。以下列举一些：
NVIDIA的GPUs、Google的TPUs、Amazon的Trainium、AMD的加速器、Graphcore的IPUs、SambaNova SN Series、Cerebras的CS-2、Groq的GroqNode、Tenstorrent的Grayskull、D-Matrix的Corsair、Cambricon的Siyuan和Intel的Gaudi.
从来没有人制造过专门针对算法的 AI 芯片 (ASIC)。芯片项目的成本为 5000 万至 1 亿美元，需要数年时间才能投入生产。我们刚开始时，没有市场。
突然间，情况发生了变化：
前所未有的需求：在 ChatGPT 之前，Transformer 推理的市场约为 5000 万美元，现在则达到数十亿美元。所有大型科技公司都使用 Transformer 模型（OpenAI、谷歌、亚马逊、微软、Facebook 等）。
架构上的融合：AI 模型过去变化很大。但自 GPT-2 以来，最先进的模型架构几乎保持不变！OpenAI 的 GPT 系列、谷歌的 PaLM、Facebook 的 LLaMa，甚至 Tesla FSD 都是 Transformer。
当模型的训练成本超过 10 亿美元，推理成本超过 100 亿美元时，专用芯片是不可避免的。在这个规模下，1% 的改进将证明 5000 万至 1 亿美元的定制芯片项目是合理的。
事实上，ASIC 的速度比 GPU 快几个数量级。当比特币矿机于 2014 年进入市场时，丢弃 GPU 比使用它们来挖掘比特币更便宜。
由于涉及数十亿美元的资金，人工智能也将发生同样的情况。
Transformer 惊人地相似：诸如 SwiGLU 激活和 RoPE 编码之类的调整随处可见：LLM、嵌入模型、图像修复和视频生成。
虽然 GPT-2 和 Llama-3 是相隔五年的最先进的 (SoTA) 模型，但它们的架构几乎相同。唯一的主要区别是规模。
Etched相信硬件彩票（hardware lottery）：获胜的模型是那些可以在硬件上运行速度最快、成本最低的模型。Transformer 功能强大、实用且利润丰厚，足以在替代品出现之前主宰每个主要的 AI 计算市场：
Transformer 为每一种大型 AI 产品提供动力：从代理到搜索再到聊天。AI 实验室已花费数亿美元进行研发，以优化 GPU 以适应 Transformer。当前和下一代最先进的模型都是 Transformer。
随着模型在未来几年从 10 亿美元扩展到 100 亿美元再到 1000 亿美元的训练运行，测试新架构的风险飙升。与其重新测试缩放定律和性能，不如花时间在 Transformer 之上构建功能，例如多token预测。
当今的软件堆栈针对 Transformer 进行了优化。每个流行的库（TensorRT-LLM、vLLM、Huggingface TGI 等）都有用于在 GPU 上运行 Transformer 模型的特殊内核。许多基于 transformer 构建的功能在替代方案中都不容易获得支持（例如推测解码、树搜索）。
未来的硬件堆栈将针对 transformer 进行优化。NVIDIA 的 GB200 特别支持 transformer（TransformerEngine）。像 Sohu 这样的 ASIC 进入市场标志着不归路。Transformer 杀手在 GPU 上的运行速度需要比 transformer 在 Sohu 上运行的速度更快。如果发生这种情况，我们也会为此构建一个 ASIC！
两个哈佛辍学生创立芯片公司
随着生成式人工智能触及越来越多的行业，生产运行这些模型的芯片的公司受益匪浅。尤其是英伟达，其影响力巨大，占据了人工智能芯片市场约70% 至 95% 的份额。从Meta到微软，云提供商都在英伟达 GPU 上投入了数十亿美元，担心在生成式人工智能竞赛中落后。
因此，生成式人工智能供应商对现状不满也是可以理解的。他们的成功很大程度上取决于主流芯片制造商的意愿。因此，他们与机会主义风险投资公司一起，正在寻找有前途的新兴企业来挑战人工智能芯片巨头。
Etched是众多争夺一席之地的另类芯片公司之一，但它也是最有趣的公司之一。Etched 成立仅两年，由两位哈佛辍学生 Gavin Uberti（前OctoML和前Xnor.ai员工）和 Chris Zhu 创立，他们与 Robert Wachen 和前赛普拉斯半导体公司首席技术官 Mark Ross 一起，试图创造一种可以做一件事的芯片：运行 AI 模型。
这并不罕见，许多初创公司和科技巨头都在开发专门运行人工智能模型的芯片，也称为推理芯片。Meta 有MTIA，亚马逊有Graviton和Inferentia等等。但 Etched 的芯片的独特之处在于它们只运行一种类型的模型：Transformers。
Transformer 由谷歌研究团队于 2017 年提出，目前已成为主流的生成式 AI 模型架构。
Transformer 是 OpenAI 视频生成模型Sora的基础。它们是 Anthropic 的Claude和谷歌的Gemini等文本生成模型的核心。它们还为最新版本的 Stable Diffusion等艺术生成器提供动力。
在一篇新博客文章中，Etched创始人表示，该公司在 2022 年 6 月对人工智能进行了最大的押注，当时它押注一种新的人工智能模型将接管世界：Transformer。
在Etched看来，五年内，AI 模型在大多数标准化测试中都比人类更聪明。
怎么会这样？因为 Meta 训练 Llama 400B（2024 SoTA，比大多数人类更聪明）所用的计算量是 OpenAI 在 GPT-2（2019 SoTA）上所用的 50,000 倍。
通过为 AI 模型提供更多计算和更好的数据，它们会变得更聪明。规模是几十年来唯一持续有效的秘诀，每家大型 AI 公司（谷歌、OpenAI / 微软、Anthropic / 亚马逊等）都将在未来几年投入超过 1000 亿美元来保持规模。我们正处于有史以来最大的基础设施建设中。
但再扩大 1,000 倍将非常昂贵。下一代数据中心的成本将超过一个小国的 GDP。按照目前的速度，我们的硬件、电网和钱包都跟不上。
我们并不担心数据耗尽。无论是通过合成数据、注释管道还是新的 AI 标记数据源，我们都认为数据问题实际上是推理计算问题。Mark Zuckerberg4、Dario Amodei5 和 Demis Hassabis6似乎同意这一观点。
“2022 年，我们打赌Transformer将统治世界，”Etched 首席执行官 Uberti 在接受 TechCrunch 采访时表示。“在人工智能的发展中，我们已经达到了一个节点，性能优于通用 GPU 的专用芯片是不可避免的——全世界的技术决策者都知道这一点。”
当时，AI 模型种类繁多，有用于自动驾驶汽车的 CNN、用于语言的 RNN 以及用于生成图像和视频的 U-Net。然而，Transformer（ChatGPT 中的“T”）是第一个可以扩展的模型。
首席执行官 Gavin Uberti 在博文中表示：“我们打赌，如果智能随着计算不断扩展，几年之内，公司将在 AI 模型上投入数十亿美元，所有模型都在专用芯片上运行。”“我们花了两年时间打造了世界上第一款Transformer专用芯片 (ASIC) Sohu。我们将Transformer架构刻录到我们的芯片中，我们无法运行传统的 AI 模型：为您的 Instagram 提要提供支持的 DLRM、来自生物实验室的蛋白质折叠模型或数据科学中的线性回归。”
一颗名为“sohu”的4nm芯片
Etched 的芯片名为 Sohu，是一款 ASIC（专用集成电路）。Uberti 声称，Sohu 采用台积电的 4nm 工艺制造，可以提供比 GPU 和其他通用 AI 芯片更好的推理性能，同时消耗更少的能源。
Uberti 表示：“在运行文本、图像和视频转换器时，Sohu 的速度甚至比 Nvidia 的下一代 Blackwell GB200 GPU 快一个数量级，而且成本更低。一台 Sohu 服务器可取代 160 个 H100 GPU。……对于需要专用芯片的企业领导者来说，Sohu 将是一个更经济、更高效、更环保的选择。”
Uberti 补充道：“我们也无法运行 CNN、RNN 或 LSTM。但对于 transformer 来说，Sohu 是有史以来最快的芯片。它甚至没有竞争对手。Sohu 的速度甚至比 Nvidia 的下一代 Blackwell (GB200) GPU 快一个数量级，而且更便宜，适用于文本、音频、图像和视频 transformer。”
Uberti表示，自他们成立以来，每个主要的 AI 模型（ChatGPT、Sora、Gemini、Stable Diffusion 3、Tesla FSD 等）都变成了 transformer。不过，如果 transformer 突然被 SSM、monarch 混合器或任何其他类型的架构取代，Etched 的芯片将毫无用处。
“但如果我们是对的，Sohu将改变世界，”Uber信心满满地说。
通过专业化，Sohu获得了前所未有的性能。一台 8xSohu 服务器每秒可以处理超过 500,000 个 Llama 70B token。
据介绍，Sohu 仅支持转换器推理，无论是 Llama 还是 Stable Diffusion 3。Sohu 支持当今的所有模型（Google、Meta、Microsoft、OpenAI、Anthropic 等），并且可以处理对未来模型的调整。
由于 Sohu 只能运行一种算法，因此可以删除绝大多数控制流逻辑，从而允许它拥有更多的数学块。因此，Sohu 拥有超过 90% 的 FLOPS 利用率（而使用 TRT-LLM 的 GPU7 上约为 30%）。
强悍性能，如何做到？
Sohu是如何实现这一切的？有几种方法，但最明显（也是最直观）的方法是简化推理硬件和软件管道。由于Sohu不运行非transformer模型，因此 Etched 团队可以取消与transformer无关的硬件组件，并削减传统上用于部署和运行非transformer的软件开销。
Etched在一篇博客文章中表示，NVIDIA H200 拥有 989 TFLOPS 没有稀疏性的 FP16/BF16 计算能力。这是最先进的（甚至比谷歌的新 Trillium 芯片还要好），而 2025 年推出的 GB200 的计算能力仅增加了 25%（每个die 1250 TFLOPS）。
由于 GPU 的绝大部分区域都用于可编程性，因此专注于transformer可以让您进行更多的计算。您可以从第一原理向自己证明这一点：
构建单个 FP16/BF16/FP8 乘加电路需要 10,000 个晶体管，这是所有矩阵数学的基石。H100 SXM 有 528 个张量核心，每个都有 4 × 8 × 16 FMA 电路。乘法告诉我们 H100 有 27 亿个专用于张量核心的晶体管。
但 H100 有 800 亿个晶体管12！这意味着 H100 GPU 上只有 3.3% 的晶体管用于矩阵乘法！
这是 NVIDIA 和其他灵活 AI 芯片经过深思熟虑的设计决定。如果您想支持各种模型（CNN、LSTM、SSM 等），没有比这更好的了。
通过仅运行 Transformer，Etched可以在芯片上安装更多的 FLOPS，而无需降低精度或稀疏性。
有观点认为，推理的瓶颈是内存带宽，而不是计算？事实上，对于像 Llama-3 这样的现代模型来说，答案是显而易见的！
让我们使用 NVIDIA 和 AMD 的标准基准 ：2048 个输入tokens和 128 个输出tokens。大多数 AI 产品的prompts 比completions时间长得多（即使是新的 Claude 聊天在系统提示中也有 1,000 多个tokens）。
在 GPU 和Sohu上，推理是分批（batches）运行的。每个批次都会加载所有模型权重一次，并在批次中的每个标记中重复使用它们。通常，LLM 输入是计算密集型的，而 LLM 输出是内存密集型的。当我们将输入和输出token与连续批处理相结合时，工作负载会变得非常受计算密集型。
下面是 LLM 连续批处理的一个例子。在这里，我们正在运行具有四个输入标记和四个输出标记的序列；每种颜色都是不同的序列。
我们可以扩展相同的技巧来运行具有 2048 个输入token和 128 个输出token的 Llama-3-70B。让每个批次包含一个序列的 2048 个输入token和 127 个不同序列的 127 个输出tome。
如果我们这样做，每个批次将需要大约 (2048 + 127) × 70B 参数 × 每个参数 2 字节 = 304 TFLOP，而只需加载 70B 参数 × 每个参数 2 字节 = 140 GB 的模型权重和大约 127 × 64 × 8 × 128 × (2048 + 127) × 2 × 2 = 72GB 的 KV 缓存权重。这比内存带宽要多得多：H200 需要 6.8 PFLOPS 的计算才能最大限度地利用其内存带宽。这是利用率为 100% 的情况 - 如果利用率为 30%，则需要 3 倍以上的内存。
由于Sohu拥有如此多的计算能力和极高的利用率，我们可以运行巨大的吞吐量，而不会出现内存带宽瓶颈。
而在现实世界中，批次要大得多，输入长度各不相同，请求以泊松分布（Poisson distribution）到达。这种技术在这些情况下效果更好，但我们在此示例中使用 2048/128 基准，因为 NVIDIA 和 AMD 使用它。
众所周知，在 GPU 和 TPU 上，软件是一场噩梦。处理任意 CUDA 和 PyTorch 代码需要非常复杂的编译器。第三方 AI 芯片（AMD、Intel、AWS 等）在软件上花费了数十亿美元，但收效甚微。
但由于Sohu只运行 transformer，我们只需要为 transformer 编写软件！
大多数运行开源或内部模型的公司都使用特定于 transformer 的推理库，如 TensorRT-LLM、vLLM 或 HuggingFace 的 TGI。这些框架非常僵化 - 虽然你可以调整模型超参数，但实际上不支持更改底层模型代码。但这没关系 - 因为所有 transformer 模型都非常相似（甚至是文本/图像/视频模型），调整超参数就是你真正需要的。
虽然这支持 95% 的 AI 公司，但最大的 AI 实验室采用定制。他们有工程师团队手动调整 GPU 内核以挤出稍微更多的利用率，逆向工程哪些寄存器对每个张量核心的延迟最低。
有了 Etched，您无需再进行逆向工程 - 因为Etched的软件（从驱动程序到内核再到服务堆栈）都将是开源的。如果您想实现自定义转换层，您的内核向导可以自由地这样做。
Etched将成为全球第一
Uberti说，每一个大型同质计算市场最终都会以专用芯片结束：网络、比特币挖掘、高频交易算法都被硬编码到硅片中。
这些芯片的速度比 GPU 快几个数量级。没有一家公司使用 GPU 来挖掘比特币——他们根本无法与专业的比特币矿工竞争。人工智能也会发生这种情况。Uberti 说，由于涉及数万亿美元，专用是不可避免的。
“我们认为，绝大部分支出（和价值）将用于具有超过 10 万亿个参数的模型。由于连续批处理的经济性，这些模型将在数十个 MegaClusters 之一的云端运行，”Uberti 说。“这种趋势将反映芯片工厂：过去有数百个廉价的低分辨率工厂，而现在，高分辨率工厂的建设成本约为 200 亿至 400 亿美元。世界上只有少数几个 MegaFab，它们都使用非常相似的底层架构（EUV、858 平方毫米掩模版、300 毫米晶圆等）。”
Etched 表示，Transformer 的转换成本非常高。即使发明了一种比 Transformer 更好的新架构，重写内核、重建推测解码等功能、构建新的专用硬件、重新测试缩放定律以及重新培训团队的阻力也是巨大的。Uberti 表示，这种情况十年内只会发生一两次，就像芯片领域发生的情况一样：光刻技术、掩模版/晶圆尺寸和光刻胶成分的变化确实会继续发生，但变化速度非常缓慢。
“我们扩展 AI 模型的程度越高，我们就越会集中于模型架构。创新将发生在其他地方：推测解码、树搜索和新的采样算法，”Uberti 说。“在一个模型训练成本为 100 亿美元、芯片制造成本为 5000 万美元的世界里，专用芯片是不可避免的。最先制造它们的公司将获胜。”
Etched 断言，从来没有人制造过特定架构的 AI 芯片。即使在去年，这也毫无意义。特定架构的芯片需要巨大的需求和对其持久力的坚定信念。
Uberti表示：“我们把赌注押在了Transformer 上，这两个要求都正在成为现实。”
该公司指出，市场需求已达到前所未有的水平。Transformer 推理市场刚开始时不到 5000 万美元，而现在已超过 50 亿美元。所有大型科技公司都在使用 Transformer 模型（OpenAI、谷歌、亚马逊、微软、Facebook 等）。
Uberti 表示，他们正在看到架构融合：过去，AI 模型会发生很大变化。但自 GPT-2 以来，最先进的模型架构几乎保持不变。OpenAI 的 GPT 系列、Google 的 PaLM、Facebook 的 LLaMa，甚至 Tesla FSD 都是Transformer 。
Uberti 表示，公司正以极快的速度努力将Sohu变成现实。
Uberti 强调：“公司正朝着有史以来最快的速度推进，从架构到验证硅片，以用于 4nm 光罩大小的芯片。”“我们直接与台积电合作，并从两家顶级供应商处双源采购 HBM3E。我们从 AI 和基础模型公司获得了数千万美元的预订，并且拥有充足的供应链能力来扩展。如果我们的赌注正确并且我们执行，Etched 将成为世界上最大的公司之一。”
该公司重申，如果这一预测正确，Sohu将改变世界。
如今，AI 编码代理的计算成本为 60 美元/小时，并且需要数小时才能完成任务，Gemini 需要 60 多秒才能回答有关视频的问题16。编码代理的成本高于软件工程师，并且需要数小时才能完成任务。视频模型每秒生成一帧，甚至当 ChatGPT 注册用户达到 1000 万时（仅占全球的 0.15%），OpenAI 也耗尽了 GPU 容量。
我们无法解决这个问题 - 即使我们继续以每两年 2.5 倍的速度制造更大的 GPU，也需要十年才能实现实时视频生成。
你设想一下，如果人工智能模型一夜之间速度提高 20 倍且成本降低，会发生什么？有了Sohu，实时视频、音频、代理和搜索终于成为可能。Uberti 表示，每款 AI 产品的单位经济效益将在一夜之间发生逆转。
据透露，该公司的早期客户已经预订了数千万美元的硬件。
在被问到 Etched 这样的小公司如何能击败 Nvidia。Etched 首席运营官联合创始人 Robert Wachen 在给 VentureBeat 的电子邮件中说：
“过去，AI 计算市场是分散的：人们使用不同类型的模型，例如 CNN、DLRM、LSTM、RNN 以及跨领域的数十种其他模型。每种架构的支出都在数千万到数亿美元之间，而这些工作负载的市场足够大，通用芯片 (GPU) 可以胜出，”Wachen 说道。
他指出，市场正在迅速整合为一种架构：Transformer。在人们花费数十亿美元购买变压器模型、定制芯片花费 5000 万至 1 亿美元的世界里，专用芯片是不可避免的。
“我们的芯片在大多数工作负载下都无法击败 GPU——我们无法支持它们。但是，对于变压器推理（为每种主要的“生成式 AI”产品提供支持），我们将清除市场。通过如此专业化，我们的芯片比下一代 Blackwell GPU 快一个数量级，”Wachen 说道。
