把 Transformer 燒進晶片：Etched 帶會跑的 Sohu 出關，10 億美元訂單賭專用推論

重點一：2026 年 6 月 30 日，AI 晶片新創 Etched 結束隱身，宣布推論晶片 Sohu 已由 台積電 於今年稍早量產，目前進入客戶測試階段。 重點二：Etched 賣的不是裸晶片，而是叫 frontier inference clusters 的整套系統；公司宣稱手上已有 逾 10 億美元 訂單，累計募資 8 億美元、最近一輪 5 億美元、估值 50 億美元。 重點三：Sohu 是 transformer-only 的 ASIC——把 Transformer 一種模型架構固化進矽，換速度、成本與功耗，代價是放棄通用性。

2026 年 6 月 30 日，成立於 2022 年的 AI 晶片新創 Etched 結束隱身（stealth），宣布其推論晶片 Sohu 已由 台積電 於今年稍早成功量產、進入客戶測試階段，並公司宣稱手上握有 逾 10 億美元 訂單，累計募資約 8 億美元、估值 50 億美元。Etched 賭的是把一種模型架構直接燒進矽，換來的速度同時也是它最大的限制。

這家公司賣的，是一顆「只認得一種模型」的晶片。把鏡頭拉開，它要回答的問題很具體：當推論（inference）成為 AI 每天最大一筆運算開銷，有沒有可能不靠什麼都能算的通用 GPU，而用一顆專門為某種模型而生的晶片，把這筆帳算得更便宜？

過去這類主張多半停在投影片與實驗室。Etched 這次出關真正的新增量，是把它推進到 有可量產的矽、有公司宣稱的訂單 這一步。

發生了什麼：一顆會跑的晶片，帶著訂單出關

先把可以確定的事實擺上桌。

Etched 揭露：累計募得約 8 億美元，其中最近一輪 5 億美元、投後估值 50 億美元（該輪於去年 12 月完成）；晶片 Sohu 已由台積電量產，目前在客戶端測試。公司同時宣稱手上已有 逾 10 億美元 的訂單——這一筆，TechCrunch 在報導中明確標為 公司宣稱（company says），不是已入帳的營收。

更要看清楚的是「賣什麼」。這 10 億美元賣的不是一顆顆裸晶片，而是叫 frontier inference clusters 的整套系統——以 Sohu 為核心、搭配自製機櫃與軟體的推論叢集，主打讓前沿模型的推論更快、更便宜、功耗更低。換句話說，Etched 對外是以「整套推論基礎設施」的形態交付，而不是只賣加速卡。

這條路 Etched 走了三年。創辦人是 Gavin Uberti（執行長）與 Robert Wachen（總裁），兩人皆為哈佛輟學、Thiel Fellow。投資人名單包含 Jane Street、Hudson River Trading、Two Sigma、Ribbit Capital，天使則有 Andrej Karpathy、Geoffrey Hinton、Fei-Fei Li、Mistral 共同創辦人 Arthur Mensch，以及 Stanley Druckenmiller、Peter Thiel。名單很亮眼，但本次出關的關鍵字是另一個：「晶片已經由台積電量產」。

Sohu 跟 GPU 差在哪？把一種架構燒進矽

差別在 彈性 vs 專一。

一般的 GPU——例如 Nvidia 的 H100——什麼神經網路都能算，彈性是它的賣點；Sohu 反過來，把 Transformer 這一種架構直接 固化進矽，放棄通用性，只為自迴歸語言模型的推論做最佳化。GPU 像一台什麼料理都能做的廚房，代價是每道菜都不是最省工的做法；transformer-only 的 專用積體電路（ASIC） 則像一條只做一種產品的自動化產線，前提是這種產品要一直有人要。

Etched 在 2024 年發表時自報過一組數字：8 顆 Sohu 伺服器在 Llama-70B 上每秒可產出逾 50 萬 token，對照 8 顆 Nvidia H100 的系統約 2.3 萬 token。這組數字是 Etched 自己給的、2024 年的測試宣稱，非獨立查證，讀的時候要記得它的來源與年份。

對照項	Sohu（transformer-only ASIC）	通用 GPU（如 Nvidia H100）
能跑什麼	以 Transformer 架構為主的模型推論	各類神經網路、訓練與推論皆可
設計取捨	放棄通用性，換速度／成本／功耗	保留彈性，單位工作未必最省
交付形式	整套系統（晶片＋機櫃＋軟體）	晶片／加速卡，生態成熟
架構演進風險	綁定 Transformer，架構若大改有風險	軟體可重編譯，跟得上新架構
製造	台積電（本次未揭露節點）	台積電先進製程

表中「能跑什麼」這一欄，是 Etched 賭注的核心，也是它的風險所在：架構綁定。有分析性報導指出，與 Transformer 結構差異較大的模型（例如某些採 MoE（混合專家） 設計的 DeepSeek V4、Qwen3-235B-A22B）難以在 Sohu 上跑——這點來自二手分析、非 Etched 官方逐字確認，僅供參考。

哪些是公司宣稱、哪些已查證？

這篇最該分清楚的，是 數字的來源層級。把同一則新聞裡的數字拆成三層，能少掉很多誤讀：

• 已由一手報導查證：累計募資 8 億美元、最近一輪 5 億美元、估值 50 億美元、台積電今年稍早量產該晶片、目前客戶測試階段。
• 公司宣稱（未獨立查證）：逾 10 億美元訂單（TechCrunch 標 company says）、且賣的是「系統」而非晶片，交付與認列時程未揭露。
• 公司自報效能、2024 年：50 萬 vs 2.3 萬 token/s 的 Llama-70B 對比，是 Etched 發表時的測試宣稱。

把這三層疊在一起看，出關當天可以確定的，是「有矽、有資金、有公司宣稱的訂單」；尚不能確定的，是這些訂單最後跑出多少實際出貨與營收。製程節點也是一例：TechCrunch 本篇沒有揭露 Sohu 用的是台積電哪一個節點，過往報導提過先進製程，但既然這次沒講，行文就不替它寫死。

為什麼是現在？推論成本與專用化這條路

因為推論的帳，越算越大。

當模型訓練好之後，真正每天燒錢的是 推論——每一次回答、每一個 token 都要算，而且隨使用者規模線性放大。這讓「用更便宜、更省電的方式做推論」成為一門生意，也讓 Etched 不是這條路上唯一的人：Groq 的 LPU、Cerebras 的晶圓級晶片，以及雲端業者自研的推論 ASIC，都在用不同方式繞開「什麼都靠通用 GPU」的局面。Etched 的差異，是把專用化推到最極端——只押 Transformer 一種架構。

這條供給線的另一端，連著台灣。Sohu 由 台積電（其 Emerging Businesses Group）代工；目前台積電先進製程與 CoWoS 封裝最大的客戶是 Nvidia 的 GPU，推論若逐步往專用 ASIC 移，接單的多半仍是台廠，但 客戶結構與封裝需求會跟著變。對讀者而言，這是推論晶片版圖上多一個觀察點，不是今天能換掉誰的決定。

還沒有答案的是什麼？

出關當天，Etched 把「推論不靠通用 GPU」這條路，推到了 有可量產的矽、有公司宣稱的訂單 這個節點。

但它賭的是一個前提：Transformer 會一直是主流架構。模型這兩年正往 MoE、混合架構、以及各種非標準注意力機制演進；一顆把 Transformer 燒死在矽裡的晶片，速度的來源和最大的風險是同一件事。Sohu 那逾 10 億美元的訂單會跑出多少實際出貨、架構演進會不會追上這個賭注——是接下來值得自己盯的兩個數字。

---

資料來源：TechCrunch、Yahoo Finance、DataCenterDynamics；Etched 2024 年發表時自報效能與架構說明。

矽基前沿 · 前沿基建線（編輯：廖玄同），《把 Transformer 燒進晶片：Etched 帶會跑的 Sohu 出關，10 億美元訂單賭專用推論》，矽基前沿 [Si]gnals，2026-06-30。https://signals.tw/articles/etched-sohu-transformer-asic/