2026年8月18日，AI芯片初创公司Etched宣布完成7亿美元新一轮融资，估值210亿美元。

这个数字本身就足够令人印象深刻，但让这笔融资在AI硬件圈引发广泛讨论的，是领投方：Jane Street。

Jane Street不是普通的VC，它是全球最具声誉的量化交易机构之一，以极其严格的投资决策流程和对数学可验证性的近乎偏执的追求著称。Jane Street参与AI芯片投资本身就已经不寻常；更重要的是，根据Etched的官方博客，Jane Street是在亲自测试了Etched的硬件之后才决定领投的。

用Jane Street自己在官方声明中的话说：「我们测试了芯片，对早期结果感到满意。Etched对推理的独特方案，提供了支持我们最高要求工作负载所需的精度。我们很高兴现在有了自己的机架在我们的数据中心运行。」

这句话比任何VC的背书都更有份量。因为Jane Street是这套硬件的实际用户，而不只是财务投资者。

Etched的估值轨迹：三个月4.2倍

在拆解Etched技术之前，先看它的估值变化轨迹，因为这本身就说明了很多问题：

  • 2025年12月：估值约50亿美元
  • 2026年7月：完成3亿美元C轮，估值103亿美元
  • 2026年8月18日：完成7亿美元新一轮，估值210亿美元

从12月到8月，9个月时间，估值从50亿涨到210亿，增长了4.2倍。即便在AI行业泡沫时期，这种速度也属于最快的一档。

推动这个估值加速的，不只是市场情绪，而是一个具体事件：Jane Street买了Etched的设备，测试之后满意，然后领投了这一轮。量化机构的实际采购决策，比任何基于预测的VC估值更有说服力。这把其他投资者的信心拉上了一个完全不同的层次。

跟投方阵容同样豪华：Kleiner Perkins、Sequoia Capital、Andreessen Horowitz、Peter Thiel、Tiger Global、Bain Capital Ventures、Blackstone。这是AI硬件领域罕见的超豪华投资人组合。

Etched在做什么：推理加速的专用硬件

Etched的技术路线需要一些背景才能理解。

AI推理的两个阶段：现代大型语言模型在处理用户请求时，分为两个计算阶段：

第一阶段叫「预填充（Prefill）」：系统读取和理解用户的输入（包括长文本上下文）。这个阶段的特点是计算密集——需要大量矩阵运算，挑战在于计算速度和能效。

第二阶段叫「解码（Decode）」：系统逐token生成输出，直到回答完成。这个阶段的特点是内存密集——每生成一个token都需要访问大量缓存权重，挑战在于内存带宽和延迟。

传统的GPU（包括NVIDIA的H100/H200系列）是通用并行计算硬件，在两个阶段都能工作，但都不是专门为推理优化的。

Etched的方案：为两个阶段分别设计专用硬件。

对于Prefill阶段，Etched开发了一款运行在极低电压下的预填充芯片，通过低电压设计，可以在同样的散热约束下封装更多晶体管，从而处理更多token、速度更快。

对于Decode阶段，Etched开发了一种新型内存和互连技术（称为「集群规模内存，cluster-scale memory」）：允许多个芯片连接在一起并以极低延迟共享一个统一内存池，解决了传统GPU在Decode阶段内存带宽不足的瓶颈。

这两部分合在一起，Etched以「Frontier Inference Clusters（前沿推理集群）」为产品形式交付，是一套完整的推理加速系统。类比NVIDIA把完整的「AI工厂（AI Factories）」出售给数据中心，Etched卖的是「AI推理工厂（AI Inference Factories）」。

Jane Street为什么买单：量化机构的独特推理需求

要理解Jane Street的决策，需要先了解量化机构使用AI的方式与普通企业的本质区别。

普通企业用AI，主要是「中等精度 + 大量token + 可接受延迟」的组合：写报告、生成代码、回答问题。对推理精度的要求在一个相对宽松的范围内。

量化交易机构用AI，是完全不同的场景：「极高精度 + 极低延迟 + 大量并发」。在市场微秒级波动的环境中，AI需要以极低延迟做出判断，且精度直接关系到交易收益——一个微小的概率估算误差，在高频交易中可能意味着数百万美元的损失或收益。

这正是Etched方案的目标用户。Jane Street官方声明中提到的「最高要求工作负载（most demanding workloads）」，指的正是这类对精度和延迟都有极端要求的场景。

传统GPU在这类场景下面临两个问题：第一，GPU的架构设计优先级是「通用并行计算」而非「极低延迟推理」，在延迟敏感场景下不够优化；第二，GPU的内存设计（HBM）虽然带宽高，但在大规模Decode并发时仍然存在瓶颈。Etched的cluster-scale memory设计专门针对这个瓶颈。

Jane Street测试后购买，说明在他们最关心的技术指标（精度、延迟、高压workload稳定性）上，Etched的方案达到了他们的标准。这是量化交易机构能给出的最强意义上的技术认可。

NVIDIA的挑战者不是Etched，但Etched是NVIDIA不想正视的对手

Etched有一个早期的形象问题——市场对它的初始认知是「把特定模型蚀刻进芯片的固定用途硬件」，这暗示了严重的灵活性限制：每种模型需要专用的芯片，无法支持通用推理需求。

这个认知是错误的，Etched团队已经花了大量精力澄清：Etched的系统可以运行任何前沿模型。 联合创始人兼COO Robert Wachen在接受采访时明确表示，这是他们仍需打破的最顽固的市场误解。

Etched的实际定位是：作为NVIDIA GPU推理集群的互补方案，而非直接替代品。

在训练（Training）领域，NVIDIA GPU目前仍然是最优选择，没有人在这个领域挑战NVIDIA的主导地位。

在推理（Inference）领域，情况正在分化。对于通用、灵活性要求高、不同模型混合运行的推理场景，NVIDIA GPU仍然是最佳选择。但对于「单一类型大模型+高并发+低延迟要求+成本敏感」的专用推理场景，像Etched这样的专用推理硬件具有真实的优势——在特定条件下，更快、更高能效、更低成本。

这不是Etched在挑战NVIDIA的整个市场，而是在瓜分NVIDIA在推理领域一部分细分市场。随着AI推理的工作负载持续增长，这个细分市场的体量也在快速增长，足够支撑Etched这样的公司成为真正的商业体量。

「推理」经济学：为什么推理市场正在成为AI硬件的新主战场

从AI行业的宏观趋势看，Etched选择专注「推理」而非「训练」，是一个时机非常准确的战略判断。

在AI行业发展的早期阶段（2020-2023），大多数算力需求集中在训练：训练更大的模型需要大量GPU，这是NVIDIA最核心的市场。

但从2024年开始，随着越来越多的模型从「研究阶段」转入「大规模生产部署」，推理的算力需求开始超越训练。每一个使用ChatGPT的用户、每一个调用Claude API的企业、每一个运行AI代码审查的开发团队——他们产生的都是推理需求，不是训练需求。

NVIDIA自己的预测数据支持这个趋势：NVIDIA在2026年中预计，全球AI超大规模算力支出将在明年（2027年）超过1万亿美元，而其中增速最快的部分是推理基础设施。

当推理市场体量突破某个临界点，专用推理硬件的商业逻辑就变得非常清晰：如果你的整个AI工作负载都是推理，而不是训练，为什么要买训练优化的通用GPU来做推理？专用推理硬件在单位推理成本和延迟上都有优势——在这个规模上，性价比的差异可以换算成每年数亿美元的成本节省。

这是Etched正在押注的大趋势。Jane Street的购买决策，某种程度上也是对这个趋势的一次高可信度验证。

AI推理市场的规模预测：为什么这个赌注现在下正当时

要理解Etched为什么在2026年8月能吸引到这么多顶级资本，需要理解AI推理市场当前的增长速度。

NVIDIA CEO黄仁勋在2026年上半年多次提到，AI超大规模算力支出可能在2027年超过1万亿美元（编辑注：该数字为NVIDIA高管的行业展望预测，非官方财务预测文件，仅供参考），其中推理基础设施是增速最快的组成部分。这个数字有多大？相比之下，2025年全球云计算市场总规模约为8000亿美元。推理基础设施在短短几年内可能成长为可与整个云计算市场相比的体量。

推动推理需求暴增的因素是多方面的：

消费者AI应用的爆发：全球ChatGPT用户已经超过7亿，Claude月活用户超过4亿，Gemini月活9.5亿。这些用户的每一次对话都产生推理计算需求，24小时不间断。单纯靠ChatGPT的用户基础，每天产生的推理token数量就以数万亿计。

企业AI Agent的规模部署：2026年，企业开始大规模部署AI Agent（而不只是实验）。与消费者聊天机器人相比，企业AI Agent的推理需求更重——每个Agent任务可能涉及数十次LLM调用，而且许多任务是并发运行的，对推理集群的吞吐量要求极高。

模型上下文窗口的扩大：2025-2026年，主流LLM的上下文窗口从16K token扩展到了128K甚至1M token。更大的上下文窗口意味着每次推理需要处理的数据量指数级增加，对内存带宽的需求大幅提升。这正是Etched cluster-scale memory设计解决的核心问题。

在这个增长曲线下，推理硬件市场的扩张速度将是训练市场的数倍。那些现在在推理专用硬件上建立领先地位的公司，有机会在一个比训练市场更大的市场上占据关键位置。

为什么是Jane Street，而不是传统量化机构？

Jane Street在金融行业的地位是独特的：它是全球最大的期权做市商之一，同时也是最积极采用前沿技术的量化机构之一。2020年代初期，当大多数金融机构还在谨慎评估机器学习工具时，Jane Street就已经把深度学习深度集成进了核心交易系统。

Jane Street对AI芯片的需求有一个重要的独特性：他们不只是需要「AI推理」，他们需要「在毫秒或亚毫秒级别完成复杂概率计算的AI推理」。在高频交易和做市场景中，延迟直接影响成交率和收益——一个早到0.1毫秒的报价，在某些交易场景中可能意味着数百万美元的市场份额。

这种对延迟的极端敏感性，使Jane Street成为Etched方案的「完美早期客户」。一方面，他们能够识别Etched在低延迟推理上的真实价值；另一方面，他们能够在真实生产环境中给出有效的技术反馈，帮助Etched校准产品方向。

Etched官方博客中提到，公司的愿景是「运行世界的推理」——这是一个相当宏大的声明，但Jane Street的采购决策至少表明：在金融领域最高要求的推理场景中，Etched已经交出了一份及格的答卷。从这里扩展到更广泛的企业和云计算市场，是下一步的挑战。

竞争格局：Etched在推理专用硬件赛道中的定位

推理专用硬件不是只有Etched在做。让我们梳理一下这个赛道的主要玩家：

NVIDIA：仍然是推理市场的绝对主导者，通过H100/H200/Blackwell系列GPU加上CUDA生态，控制了大多数AI推理基础设施。但NVIDIA的产品是通用的，不是专门为推理优化的；而且NVIDIA面临持续的需求供给紧张（产能瓶颈），使客户有动机寻找补充方案。

Google TPU：Google的自研AI加速器，专为Google内部使用（训练+推理），通过Google Cloud向外部开放。TPU在训练效率上有优势，但对外部客户的开放程度有限。

Amazon Trainium/Inferentia：AWS自研的训练（Trainium）和推理（Inferentia）加速器，集成在AWS EC2实例中。主要面向AWS云的企业客户，不以独立硬件形式出售。

Cerebras、Groq、SambaNova等：各有不同技术路线的AI加速器创业公司，但大多专注于特定场景（超长上下文、超快推理等），没有形成对NVIDIA的全面替代。

Etched的独特位置：专注于「Frontier Inference Cluster（前沿推理集群）」这个细分定义，做完整系统销售（不只是芯片），目标客户是对推理性能要求最高的机构。与其他创业公司相比，Etched的资本实力（累计融资超过10亿美元）和背书质量（Jane Street实际使用）是有明显优势的。

风险与不确定性

必须指出的是，Etched目前仍然是一家相对早期的公司，面临着真实的风险。

规模化生产风险。设计一款芯片和大规模制造一款芯片是完全不同的挑战。Etched的芯片需要找到合适的代工厂（很可能是台积电），在产能、良率、交货期等方面都存在不确定性。在AI芯片热潮中，台积电的产能高度紧张，新入局者获得优先产能分配的难度很高。

生态系统建设。NVIDIA除了硬件之外，还有CUDA这个几十年积累的软件生态——数十万开发者熟悉CUDA编程模型，大量优化库和框架都针对CUDA优化。Etched的推理集群需要建立自己的软件栈（或者兼容CUDA接口），这需要时间和巨大的投入。

竞争加剧。AI芯片领域的竞争在2026年已经非常激烈：AMD在追赶NVIDIA、Intel在押注Gaudi系列、谷歌和亚马逊都有自研芯片（TPU/Trainium）、还有多家其他AI芯片创业公司在不同细分市场竞争。Etched需要在这个竞争格局中守住自己的推理专用硬件定位。

客户集中风险。目前公开已知的Etched客户是Jane Street，这代表了高度的客户集中度。虽然Jane Street是一个完美的「样板客户」，但商业化需要广泛的客户基础，而不是单一的明星客户。

结语：量化机构的信任，是AI硬件最硬的背书

在AI行业，大量的投资决策基于预测和愿景：这家公司有最好的技术团队，有最大的市场机会，有最清晰的差异化路线。这些都是真实的判断依据，但也都充满不确定性，市场上充斥着「技术突破」的声索，让投资者和采购者越来越难以分辨真实价值和过度宣传。

Jane Street的投资决策不是基于预测，而是基于验证。他们先拿到硬件，在自己最严苛的生产环境中进行测试，确认满足需求，然后买了一台机架装入自己的数据中心，之后才领投这一轮融资。这个决策流程与量化机构在所有投资和技术决策中的一贯风格完全一致：先验证，再下注，不靠故事，只靠数据。

这种背书方式，在AI行业是非常罕见的。当一个对数学精度和系统稳定性有极端要求的量化巨头，以实际购买和生产部署的方式背书一款AI芯片，这个信号对整个行业的参考价值，远超任何VC的估值分析或市场研究报告。它是目前AI推理硬件赛道上，含金量最高的一张背书。对那些关注AI基础设施投资和企业采购的读者来说，Etched+Jane Street的故事值得持续追踪——不只是因为它的估值增长速度，更是因为它可能代表了AI计算架构从「通用GPU主导」向「专用推理硬件补充」演化的早期信号。

这是一种完全不同的背书。Jane Street投资决策的基础是「我们用了，它好用」，而不是「我们相信它未来会好用」。在AI行业普遍存在的过度乐观和叙事夸大的环境中，这种基于实际使用的背书格外珍贵。

它告诉市场：有一个对延迟和精度要求极高、对技术风险的容忍度极低的专业机构，在最苛刻的真实工作负载下，验证了Etched的技术是有效的。

对CTO和基础设施决策者的实际含义

Etched的故事对正在规划AI基础设施的企业有几个直接相关的战略启示：

第一：「推理专用硬件」开始变成可选项，而不是理论。在Jane Street采购之前，推理专用硬件更多是一个技术方向。现在它是一个已经被全球最严苛用户之一实际验证的商业产品。对于有大规模推理需求的企业，值得在下次基础设施规划中正式纳入评估范围，而不是推迟到「成熟之后再看」。

第二：高concurrency推理场景是评估节点。如果你的工作负载是「高频、大量、低延迟推理」（比如实时推荐、金融风控、高并发客服Agent），推理专用硬件的ROI可能超过通用GPU。如果你的工作负载是「多样、小量、灵活性优先」，通用GPU仍然是更安全的选择。用工作负载特征来决定评估优先级，而不是跟随炒作。

第三：这类硬件的软件生态建设需要关注。Etched的硬件架构创新无论多好，如果没有成熟的软件栈，企业采购的实际使用成本会很高（集成成本、运维成本、人才成本）。在评估任何推理专用硬件时，生态系统的成熟度和软件支持的深度，应该与纯性能指标放在同等权重来评估。

7亿美元、210亿估值、Jane Street背书——这是Etched迄今最重要的一个时刻，也可能是AI推理专用硬件赛道从「概念验证」走向「规模化竞争」的转折信号。那些正在规划AI基础设施采购的企业，值得密切关注这个赛道的发展——不是因为现在就要做决策，而是因为在未来3-5年，你的推理基础设施选择可能不再只有NVIDIA一个选项，而那个时候提前了解这些替代方案的优劣，会对采购决策大有帮助。

参考资料:

  1. Etched官方博客: “From Zero to One” (2026-08-18) — https://www.etched.com/progress/from-zero-to-one
  2. TechCrunch: “Etched’s valuation doubles to $21B in a month” (2026-08-18) — https://techcrunch.com/2026/08/18/etcheds-valuation-doubles-to-21b-in-a-month/
  3. TechCrunch: “Etched AI chip startup hits $10.3B valuation from big-name investors” (2026-07-23) — https://techcrunch.com/2026/07/23/ai-chip-startup-etched-defies-skeptics-hits-10-3b-valuation-from-big-name-investors/
  4. Etched官网: https://www.etched.com
  5. Jane Street官方声明（引用自Etched官方博客）: “We tested the chip and are pleased with the early results…”