Etched 能够获得资本市场高度认可，核心依托其面向Transformer大模型推理的全套软硬件协同创新。其自研Sohu芯片采用N4P制程，核心打造两大突破性技术：一是自研低电压推理架构，通过电路、封装、调度算法全栈协同优化，将计算单元运行电压降至主流 AI芯片一半以下，有效规避高负载下的热节流问题，运行万亿参数稀疏 MoE模型时算力利用率可稳定维持 80% 以上。二是片上SRAM+HBM混合内存搭配集群级共享内存互联方案，兼顾低延迟解码与大容量权重存储，适配长上下文、多智能体等复杂推理场景。同时专门针对Transformer工作负载做硬件硬编码适配，舍弃通用计算能力换取推理场景下的Token产出效率优化，这套差异化技术方案也让其收获了超 10 亿美元客户订单。

    这类专用推理硬件的落地，也让行业清晰看到算力赛道分化发展的可能性。

    过去几年，大模型产业的核心命题是 “如何训练出更强的模型”。因此，峰值算力、显存容量、GPU互联和集群规模成为AI芯片竞争的核心指标。

    但模型训练完成并不意味着算力需求结束。当模型真正进入应用阶段，用户每一次对话、Agent 每一次调用、代码生成、搜索、视频生成，都意味着持续的推理计算。随着 AI 从 “聊天机器人” 走向Agent、Coding和多模态应用，推理正在成为高频、持续且规模巨大的计算过程。训练决定模型能走多远，推理决定模型能够被多少人使用。

   未来 AI 算力市场的增量，推理侧会迎来显著增长，这也将推动 AI 芯片的设计目标形成差异化路线。

   训练与推理虽然运行的是同一个模型，但硬件需求并不完全相同。训练更强调大规模并行计算，而大模型推理尤其是Decode阶段，则越来越受到内存容量、带宽、数据搬运、延迟和能耗等因素影响。因此，单纯追求更高的FLOPS，并不意味着推理效率一定同比提升。

    这也正是Etched等公司的切入点：与其做一块 “什么都能算” 的通用芯片，不如针对确定的模型架构和推理工作负载进行深度优化。Etched甚至进一步将芯片、封装、PCB、散热、互联和软件共同设计，试图打造面向前沿模型的完整推理系统。

    如果说训练时代最容易理解的指标是 “多少PFLOPS”，那么推理时代评价AI芯片的指标体系可能进一步向Token/s、Token/W、Token/¥、延迟以及整体TCO倾斜。

    这也解释了为什么ASIC、TPU以及各种专用AI加速器正在获得越来越多关注。它们并不一定要全面取代GPU，而是通过针对特定模型、特定工作负载进行优化，在特定场景获得更高的能效和成本优势。

    需要强调的是，推理需求增长并不意味着GPU时代结束，英伟达此前推出的LPU+GPU异构协同方案，正是原厂围绕推理场景、依托GPU生态延伸出的全新算力组合路线，通过GPU承载推理里计算密集的上下文填充、注意力运算，搭配LPU负责低延迟解码环节，进一步夯实GPU在推理体系里的核心底座地位。

   模型架构仍在快速迭代，AI 应用场景高度复杂，GPU成熟的软件生态和通用计算能力依然具有明显优势。

   未来更可能出现的并不是 “GPU被ASIC取代”，而是GPU、ASIC、TPU 等不同类型加速器围绕不同工作负载形成异构算力体系。

    未来模型可能继续变大，但模型应用规模很可能增长得更快。算力产业真正需要解决的问题，也将从 “如何训练更大的模型”，逐步转向 “如何让更多人以更低成本使用模型”。

    芯桥认为，下一阶段 AI 芯片的竞争核心，最终可能不只是峰值算力，而是有效算力密度、Token成本、能效比、软件适配能力以及整体TCO。训练与推理双线并行发展，也不只是AI工作负载结构的变化，更将推动AI算力产业形成多元共存的全新竞争格局。