Etched Gọi Vốn 300 Triệu USD Ở Định Giá 10,3 Tỷ USD Cho Một Con Chip Chỉ Chạy Được Transformer — Và Nó Đã Vượt Blackwell Của Nvidia Tới 10 Lần

Ngày 23/7/2026, Etched — một startup chip mới ba năm tuổi mà phần lớn năm 2023 còn không gọi nổi một nhà đầu tư nào nghe máy — đã đóng vòng gọi vốn Series C trị giá 300 triệu USD do Sequoia Capital dẫn dắt, cùng sự tham gia của Andreessen Horowitz, Jane Street, Diffusion và SK Hynix. Vòng gọi vốn này định giá công ty ở mức 10,3 tỷ USD, mức mà Sequoia cho biết là định giá cao nhất họ từng rót vốn ở giai đoạn Series C. Đằng sau con số đó là một canh bạc vừa hẹp vừa liều lĩnh: chip Sohu của Etched chỉ chạy đúng một loại mô hình AI — transformer — và theo benchmark của chính công ty, nó làm điều đó nhanh hơn đáng kể so với bất kỳ sản phẩm nào Nvidia đang bán.

Vòng Gọi Vốn Được Định Giá Cao Chưa Từng Có Của Sequoia

Etched chỉ vừa thoát khỏi chế độ ẩn danh (stealth) vào ngày 30/6/2026, khi công bố đã gọi vốn 800 triệu USD, có một con chip Sohu hoạt động thực tế, và hơn 1 tỷ USD hợp đồng khách hàng đã ký. Chưa đầy một tháng sau, khoản 300 triệu USD mới này đưa tổng vốn gọi được vượt mốc 1,1 tỷ USD và gần như nhân đôi định giá công ty so với con số được cho là đang được bàn tới đầu tháng 7. Với một công ty một năm trước còn chưa xuất xưởng con chip thương mại nào, quỹ đạo này nói lên khẩu vị của nhà đầu tư với một lựa chọn thay thế Nvidia không kém gì bản thân công nghệ của Etched.

Sohu Đạt 90% Hiệu Suất FLOP Bằng Cách Nào

Các GPU đa dụng chạy suy luận (inference) transformer dưới dạng phần mềm trên các đơn vị tính toán lập trình được — linh hoạt nhưng lãng phí phần lớn thông lượng lý thuyết của chip; Etched cho biết hiệu suất FLOP điển hình của GPU chỉ ở mức 30-40%. Sohu đi theo hướng ngược lại: nó mã hóa cứng (hard-code) cơ chế attention của transformer trực tiếp vào silicon dưới dạng logic chức năng cố định thay vì tính toán đa dụng, và công ty cho biết cách này giúp tận dụng khoảng 90% FLOPS của chip. Mỗi chip Sohu có 144GB bộ nhớ HBM3E — nhiều hơn dung lượng 80GB của H100 — với băng thông bộ nhớ gấp khoảng 1,8 lần H100 SXM5. Cái giá phải trả là sự khóa chặt vào một kiến trúc duy nhất: một con chip được xây để làm cực tốt một việc thì không thể chạy bất cứ thứ gì không phải transformer.

Bài Benchmark Mà Nvidia Phải Trả Lời

Theo các so sánh mà Etched công bố, một cụm 8 GPU Nvidia H100 phục vụ mô hình Llama-3 70B ở khoảng 25.000 token mỗi giây, còn một cụm 8 chip Blackwell B200 mới hơn của Nvidia đạt khoảng 43.000 token mỗi giây. Một cụm 8 chip Sohu, theo Etched, đạt 500.000 token mỗi giây trên cùng mô hình đó — gấp khoảng 20 lần cụm H100 và khoảng 10 lần Blackwell. Những con số này đến từ benchmark do chính Etched thực hiện chứ chưa qua kiểm chứng độc lập, một điểm cần lưu ý, nhưng khoảng cách đủ lớn để khiến giới phân tích hạ tầng AI trên toàn lĩnh vực chip suy luận lên tiếng, chứ không chỉ những người vốn đã hoài nghi Nvidia.

Hai Sinh Viên Bỏ Học Harvard Mà Năm 2023 Không Ai Chịu Rót Vốn

Etched được thành lập năm 2022 bởi Gavin Uberti, Chris Zhu và Robert Wachen — những người đã bỏ ngang chương trình cử nhân/thạc sĩ kép tại Harvard và được vinh danh Thiel Fellow năm 2024. Theo lời chính họ kể lại, năm 2023 gần như là ngõ cụt: không nhà đầu tư nào chịu nghe máy, còn startup thì cạn tiền trong lúc đặt cược rằng transformer — chứ không phải một kiến trúc nào khác trong tương lai — sẽ vẫn là cách chủ đạo để xây dựng mô hình AI. Canh bạc đó giờ là toàn bộ luận điểm đằng sau định giá 10,3 tỷ USD, và đó là một kiểu cược rất cụ thể: Sohu chỉ sinh lời chừng nào transformer còn tiếp tục thắng thế.

Cái Giá Phải Trả: Một Con Chip Đặt Cược Rằng Kiến Trúc Sẽ Không Bao Giờ Thay Đổi

Chính sự chuyên biệt hóa mang lại tốc độ cho Sohu cũng là rủi ro lớn nhất của nó. GPU của Nvidia chậm hơn trên mỗi chip khi xử lý tải transformer, nhưng chúng chạy được bất kỳ kiến trúc mô hình nào mà một đội nghiên cứu tung ra tiếp theo — đây chính là lý do GPU trở thành nền tảng AI mặc định ngay từ đầu. Nếu một phòng lab nào đó tung ra một kiến trúc chủ đạo thực sự khác biệt, phần silicon chức năng cố định của Sohu sẽ không có phương án dự phòng, trong khi một đội GPU vẫn có thể chạy tải mới đó, chỉ là kém hiệu quả hơn. Canh bạc ngược lại của Etched là transformer giờ đã ăn sâu vào AI production — và quá quan trọng về mặt kinh tế để bị thay thế theo chu kỳ nâng cấp phần cứng — đến mức rủi ro đó sẽ không đáng kể trong vòng đời của thế hệ chip này.

Ý Nghĩa Với Các Nhà Phát Triển Và Đội AI

Với các đội đang chạy suy luận LLM ở quy mô lớn, con số đáng quan tâm không phải là định giá của Etched — mà là số token trên mỗi đô la trên mỗi watt, và các tác vụ agent chạy dài hơi vốn sinh ra nhiều token hơn hẳn một lượt chat completion đơn lẻ khiến con số này ngày càng quan trọng hơn mỗi quý. Nếu hiệu năng thực tế của Sohu được xác nhận ngoài phạm vi benchmark của chính Etched, nó sẽ thay đổi bài toán chi phí cho bất kỳ ai đang phục vụ suy luận transformer khối lượng lớn, đặc biệt là các tải agent và coding-assistant vốn đã chiếm phần lớn lượng token tiêu thụ. Điểm mắc trước mắt là khả năng tiếp cận: tổng giá trị hợp đồng Etched công bố lên tới hàng tỷ USD nhưng danh sách khách hàng vẫn còn ngắn, nên phần lớn các đội đang đánh giá hạ tầng suy luận hôm nay vẫn đang chọn giữa các loại GPU với nhau, chứ chưa phải giữa GPU và một rack Sohu — điều này chỉ thay đổi khi khả năng tiếp cận mở rộng ra ngoài nhóm khách hàng lớn đầu tiên của Etched.

Kết Luận

Etched vừa biến một công ty năm 2023 còn không xin được cuộc hẹn với nhà đầu tư thành một canh bạc trị giá 10,3 tỷ USD rằng silicon chuyên biệt cho transformer sẽ đánh bại GPU đa dụng trên chính chỉ số quyết định chi phí suy luận ở quy mô lớn — hiệu suất FLOP. Các con số của Sohu, nếu được xác nhận qua kiểm thử độc lập, mô tả một sự dịch chuyển thực sự trong cách vận hành kinh tế học suy luận AI; rủi ro nằm bên dưới đó là Etched đã xây một con chip không có phương án B nếu kiến trúc chủ đạo của ngành một ngày nào đó vượt qua transformer. Còn hiện tại, đó là canh bạc mà Sequoia sẵn sàng định giá ở mức Series C cao nhất trong lịch sử của họ.