一句话看懂：Etched AI 发布了一款只跑 Transformer 架构的专用芯片 Sohu，声称单芯片推理速度远超英伟达 GPU，但代价是彻底放弃可编程性。这标志着 AI 推理硬件开始从“通用计算”走向“架构专用”的分岔路口。
事件核心：发生了什么
Etched AI 于 2026 年 6 月 30 日正式结束隐身模式，公布了旗下首款芯片 Sohu 的进展：A0 芯片已点亮，8 芯片服务器将在 2026 年夏季出货。公司累计融资约 8 亿美元，估值达 50 亿美元，并已签下超过 10 亿美元的客户合同。
Sohu 是一款只支持 Transformer 架构的 ASIC（专用集成电路）。Etched 官方称，一台 8 芯片 Sohu 服务器在 Llama 70B 模型上每秒可生成 50 万 token，单芯片约 6.25 万 token/秒。作为对比，单张 H100 SXM5 在 batch 1 条件下、配合 vLLM 框架，每秒约生成 700 token。
这一性能差距来自架构本质不同：Sohu 把 Transformer 的注意力机制直接硬化成物理电路，而非像 GPU 那样通过 CUDA 内核在软件层面执行。FlashAttention、PagedAttention 等软件优化在 Sohu 上完全不需要——计算已经在硅片层面完成。
为什么重要
Sohu 的意义不在于“比 H100 快多少”，而在于它把 AI 芯片路线之争推到了极端位置。英伟达 GPU 的价值在于可编程性：无论模型是 Transformer、卷积网络还是未来的新架构，都能通过更新软件来适配。Groq 的 LPU 虽然也是定制硬件，但仍保留编译器层，理论上可扩展。
Sohu 没有软件抽象层。它不能跑卷积、不能跑 SSM 扫描、不能跑扩散模型——任何不映射到 Transformer 注意力的计算都无从执行。这是一场豪赌：押注 Transformer 在未来数年仍是主导架构，并且模型结构足够稳定，值得用全部可编程性换取推理吞吐量。
从行业格局看，这不再只是 Etched 与英伟达的对比，而是“通用 GPU + 软件优化”与“专用 ASIC + 硬件固定”两种技术路线的正面碰撞。类似 Trainium 3、Maia 200 等超大规模厂商自研芯片也在走专用化路线，但 Sohu 的“纯 Transformer”策略更为激进。
对用户/开发者/创作者的影响
到目前为止，Sohu 尚未开放任何租用渠道，也没有第三方独立基准测试。开发者无法在云上按需调用，工具链迁移成本也完全未知——由于没有可编程层，现有推理框架、调度器、量化工具都需重新适配，甚至可能无法直接使用。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业采购方而言，Sohu 的吸引力在于 token 成本可能大幅下降。但风险同样明显：供应链依赖单一初创公司、合同交付时间不确定、架构锁定后无法迁移到新模型类型。目前公开信息只展示了单点性能数字，尚未公布端到端延迟、批处理效率、功耗等关键指标。
对普通 AI 应用用户来说，短期内无直接影响。若 Sohu 能按计划出货并兑现性能承诺，长期可能降低大模型推理的边际成本，进而影响 API 定价——但这至少还需要一年以上的时间和市场验证。
值得关注的后续
第一，Sohu 夏季首批机架能否按期交付，交付后是否会有独立第三方（如 MLPerf）跑出可验证的基准数据。
第二，英伟达的回应。B200 及后续产品在推理吞吐上的优化幅度，以及是否会出现针对长时间推理场景的硬件级优化，将直接影响 Sohu 的差异化空间。
第三，开发者生态是否跟进。一个没有软件抽象层的芯片，需要配套的模型编译工具和算子库才能投入使用。如果 Etched 不能提供足够易用的工具链，即使性能领先，也难获规模采用。
