一个月内再融资：估值跃升至210亿美元

AI硬件初创公司Etched宣布完成新一轮7亿美元融资，投后估值达到210亿美元，领投方是量化交易机构Jane Street；后者此前已测试并购买了Etched的AI硬件，并在自己的数据中心部署了该公司首套已交付集群系统。

这轮融资的速度和幅度在AI赛道中也相当罕见。Etched在去年12月估值为50亿美元，今年7月刚以103亿美元估值完成3亿美元C轮融资，如今仅一个月左右估值又翻倍至210亿美元，增加近110亿美元。参与其融资的机构还包括Kleiner Perkins、Sequoia Capital、Andreessen Horowitz、Peter Thiel、Tiger Global、Bain Capital Ventures、Neo、Stripes、Primary、Positive Sum、Diffusion、Argo和Blackstone等。

关键数据包括：

• 最新融资：7亿美元；
• 最新估值：210亿美元；
• 7月C轮：3亿美元，估值103亿美元；
• 去年12月估值：50亿美元；
• 首套已交付AI集群系统：已由Jane Street安装。

押注点从训练转向推理

Etched交付的不是单颗芯片，而是完整系统，公司称之为“frontier inference clusters”，可理解为面向前沿模型推理的集群。英伟达也会把完整AI系统称作“AI factories”，两者都指向同一个趋势：AI竞争正在从单芯片性能扩展到整机柜、整集群乃至数据中心级别的吞吐效率。

这里的“推理”是指用户提交提示词之后，模型计算并生成答案的过程。Etched联合创始人兼首席运营官Robert Wachen向TechCrunch解释，推理可分为两个阶段：第一是prefill，系统需要理解提示词及上下文，数学计算和算力需求较高；第二是decode，系统逐步生成用户看到的输出token，这一阶段更依赖内存能力。token可以简单理解为模型处理文本时的基本片段，可能是词、字或词的一部分。

Etched认为，当前推理瓶颈不能只靠堆通用GPU解决，因此从两个环节重新设计硬件组件。**在prefill阶段，公司设计了低电压运行的芯片，以便容纳更多晶体管，同时减少高端AI芯片常见的散热压力，从而更快处理更多token。**在decode阶段，Etched设计了新的内存类型和互连方案，称为“cluster-scale memory”，即让多颗芯片以低延迟方式连接，并共享一个高速内存池。

Jane Street的背书为何重要

Jane Street在公告中表示，已测试Etched芯片，并对早期结果满意；Etched的推理方案能够提供其最苛刻工作负载所需的精度，该机构也已经在自有数据中心运行一套机架。对一家硬件创业公司而言，这类来自实际高强度用户的采购和部署，比单纯的融资承诺更具说服力。

量化交易机构通常对系统延迟、稳定性、精度和成本高度敏感。虽然原文没有披露Jane Street具体使用场景或性能指标，但其“测试后领投”的动作，说明Etched至少已从概念验证走向早期交付。对于AI硬件公司来说，量产、交付、软件适配和客户运维往往比芯片设计本身更难，首套集群进入客户数据中心，是其商业化进程中的关键节点。

Etched也在努力修正外界对其早期路线的印象。公司最初曾设想把特定模型“蚀刻”进芯片，也就是让芯片为某一个前沿模型定制。如今公司强调这已不再是当前方案，其系统可以运行任何前沿模型。这个转向很关键：如果硬件只能绑定单一模型，商业风险会随模型迭代而放大；若能支持多种前沿模型，客户采购意愿和设备生命周期都会更有保障。

高估值背后的行业信号

Etched估值快速上升，反映出资本市场对AI推理基础设施的重新定价。过去两年，训练大模型消耗了大量GPU预算，但随着模型进入搜索、编程、办公、交易和客服等实际应用，持续发生的推理请求可能成为更长期、更高频的成本中心。谁能在推理阶段提高吞吐、降低延迟和成本，谁就有机会切入云厂商、金融机构和AI应用公司的核心支出。

不过，高估值也意味着更高交付压力。Etched需要证明其“低电压prefill芯片+集群级内存”的组合不仅能在早期测试中有效，还能在更多模型、更多客户和更大规模部署中保持性能、精度与成本优势。AI硬件市场仍由成熟GPU生态主导，创业公司即便技术路线突出，也必须面对供应链、软件栈、开发者工具和客户迁移成本等现实门槛。

总体看，Etched的新融资不是单纯的AI概念溢价，而是一次围绕推理经济性的集中押注。未来竞争将不只看单颗芯片峰值算力，而会看完整系统能否稳定服务真实业务负载。若Etched能把Jane Street的早期部署扩展为可复制的客户案例，它将成为AI推理硬件赛道中最受关注的挑战者之一。