梦晨 发自 凹非寺量子位 | 公众号 QbitAI
首款大模型推理专用ASIC芯片问世，一上来就要挑战英伟达——
一张顶20张H100
700亿参数Llama 3吞吐量达到每秒500000（五十万）tokens
比英伟达下一代芯片GB200快一个数量级，还更便宜
Sohu芯片，来自初创公司Etched，一经推出就引起业界墙裂关注。
![]()
作为专用集成电路ASIC，与通用计算的GPU不同，它只支持Transformer一种算法，无法运行同为神经网络的CNN、LSTM、以及Mamba等状态空间模型。
Etched公司也刚刚完成1.2亿美元A轮融资（约8.7亿元人民币），Peter Thiel、GitHub现任CEO Thomas Dohmke等重量级天使投资人参与。公司还透露，已有某客户预定了价值数千万美元的硬件产品。
今天的每个SOTA模型都基于Transformer，ChatGPT、Sora、Gemini、Stable Diffusion 3等。
假如有一天Transformer被SSM、RWKV或任何新架构取代，我们的芯片将毫无价值。
但如果我们是对的，Sohu将改变世界。
对此，Mamba作者Tri Dao也感叹：
这是一场豪赌，不过大模型推理需求正盛，所以可能是正确的入场时机。
![]()
有网友一算，人平均每天说1.8万个单词，那Sohu芯片一秒内就能生成21个人一天说的所有话，感觉太虚幻了。
（但实际上每秒500000tokens吞吐量包含输入和输出，不是纯生成这么多）
![]()
那么Sohu能威胁到英伟达的地位么？
![]()
考虑到Sohu更适合推理而不是训练，对于其他注重AI推理的芯片如Groq和SambaNova更是一种挑战，而不是威胁英伟达。
实在不行，老黄也可以使用钞能力把整个Etched买下来嘛（手动狗头）。
![]()
把Transformer烧录到芯片里
ASIC全称是应用专用集成电路（Application-Specific Integrated Circuit），相当于把某种特定的程序“硬件化”。并且只为一种任务优化，去掉不必要的功能，以达到比通用芯片更快并且功耗更低的目的。
如比特币后期，矿工们就抛弃了GPU，使用挖矿专用ASIC芯片能带来更多的利润。又或者手机里的视频解码芯片，通常也是一种ASIC。
具体到Sohu，就相当于把Transformer网络架构“烧录”到芯片里，公司名称Etched也是取自“蚀刻”的意思。
Sohu由台积电4nm工艺制造，只有1个核心，每张芯片配有144GB HBM3E高带宽内存。
一张芯片最高能支持100万亿参数大模型（现在根本还没有这么大的），支持MoE架构和各种Transformer变体，支持束搜索和蒙特卡洛树搜索解码。
基本上今天主流大模型需要的支持都考虑到了。
![]()
在Etched自己给出的测试结果中，Sohu比推理Llama-3 70B比H100快20倍以上，
具体设置如下：
FP8精度的Llama-3 70B，无稀疏性，8倍模型并行，2048输入长度/128输出长度
使用TensorRT-LLM 0.10.08（最新版本）评估H100性能，B200的数字是估计的![]()
Etched团队表示，H100有800亿个晶体管，却只有3.3%用于矩阵乘法，这种大模型推理时最常见的运算。
只支持Tranformer的Sohu芯片FLOPS有效利用率超过90%（GPU大约是30%），无需用低精度量化或稀疏性等降低推理成本，同时也在一定程度上削弱模型能力的方法了。
让AI模型快了20倍、同时更便宜，能带来哪些改变？
Etched团队列举了今天SOTA模型的几个痛点：
Gemini需要60秒才能回答与视频有关的问题
编程智能体的成本还高于人类软件工程师
视频生成模型每秒约生成一帧
同时它们也给出了3个应用场景参考：
实时语音客服，几毫秒理解几千字并给出回复。
具体场景是饭店顾客问还需要等多长时间才有座位，AI查询系统中每桌预定情况数据后，计算出还要等45分钟，并引导用户预定位置。
![]()
代码场景，使用树搜索算法并行比较几百个方案，选择最好的。
![]()
文本生成，也能更好地利用投机解码提高生成的质量和速度。
![]()
目前Sohu开发者云已开启抢先体验申请，在实际场景中能取得什么样的效果，量子位将持续关注。
两哈佛辍学生创办
Etched公司成立仅两年，由两位哈佛辍学生Gavin Uberti和Chris Zhu创办。
![]()
两人声称在2022年就赌Transformer将改变世界。领英资料也显示公司创立时间在2022年10月，比ChatGPT问世还早一个月。
![]()
Etched刚刚完成1.2亿美元的A轮融资，由Primary Venture Partners和Positive Sum Ventures共同领投，主要投资人还包括Peter Thiel、GitHub首席执行官Thomas Dohmke、Cruise联合创始人Kyle Vogt和Quora联合创始人Charlie Cheever。
除了这些大咖之外，我们发现也有不少AI初创公司创始人投资了Etched后激情“晒单”。
![]()
![]()
投资者中的不少人都认同Transformer专用芯片是不可避免的新趋势。
四年间，GPU并没有变得更好
Etched提出，GPU在过去四年间效率并没有变得更好，只是变得更大了：芯片每平方毫米的的TFLOPS几乎持平。
事实上老黄本人也在今年GTC大会上提出：“我们需要更大的GPU，如果不能更大，就把更多GPU组合在一起，变成更大的虚拟GPU。”
在Etched看来，随着摩尔定律放缓，同时在性能和效率上取得突破的方法只剩下专用化。
![]()
不过对Etched和Sohu芯片，业界也有人提出质疑。
曾撰写爆火教程“2023年性价比GPU选购指南”的华盛顿大学博士生Tim Dettmers指出，Etched官方的测试数据中GPU的性能可能并不是当前SOTA方法。
![]()
创始人Uberti解释H100的数据取自英伟达官方测试。
![]()
也有人不看好的原因是，Transformer之后还是会有下一个重大架构突破。
![]()
曾有投资人透露，至少有6家公司正在秘密开发Transformer专用ASIC芯片，现在看来Etched只是浮出水面的第一家。
![]()
你看好Transformer专用芯片吗？欢迎在评论区留下你的看法。
参考链接：[1]https://www.etched.com/announcing-etched[2]https://x.com/Etched/status/1805625693113663834[3]https://x.com/Object_Zero_/status/1769673722057662821
— 完 —
量子位年度AI主题策划正在征集中！
欢迎投稿专题 一千零一个AI应用，365行AI落地方案
或与我们分享你在寻找的AI产品，或发现的AI新动向
![]()
点这里👇关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~
![]()
首款大模型推理专用ASIC芯片问世，一上来就要挑战英伟达——
一张顶20张H100
700亿参数Llama 3吞吐量达到每秒500000（五十万）tokens
比英伟达下一代芯片GB200快一个数量级，还更便宜
Sohu芯片，来自初创公司Etched，一经推出就引起业界墙裂关注。
作为专用集成电路ASIC，与通用计算的GPU不同，它只支持Transformer一种算法，无法运行同为神经网络的CNN、LSTM、以及Mamba等状态空间模型。
Etched公司也刚刚完成1.2亿美元A轮融资（约8.7亿元人民币），Peter Thiel、GitHub现任CEO Thomas Dohmke等重量级天使投资人参与。公司还透露，已有某客户预定了价值数千万美元的硬件产品。
今天的每个SOTA模型都基于Transformer，ChatGPT、Sora、Gemini、Stable Diffusion 3等。
假如有一天Transformer被SSM、RWKV或任何新架构取代，我们的芯片将毫无价值。
但如果我们是对的，Sohu将改变世界。
对此，Mamba作者Tri Dao也感叹：
这是一场豪赌，不过大模型推理需求正盛，所以可能是正确的入场时机。
有网友一算，人平均每天说1.8万个单词，那Sohu芯片一秒内就能生成21个人一天说的所有话，感觉太虚幻了。
（但实际上每秒500000tokens吞吐量包含输入和输出，不是纯生成这么多）
那么Sohu能威胁到英伟达的地位么？
考虑到Sohu更适合推理而不是训练，对于其他注重AI推理的芯片如Groq和SambaNova更是一种挑战，而不是威胁英伟达。
实在不行，老黄也可以使用钞能力把整个Etched买下来嘛（手动狗头）。
把Transformer烧录到芯片里
ASIC全称是应用专用集成电路（Application-Specific Integrated Circuit），相当于把某种特定的程序“硬件化”。并且只为一种任务优化，去掉不必要的功能，以达到比通用芯片更快并且功耗更低的目的。
如比特币后期，矿工们就抛弃了GPU，使用挖矿专用ASIC芯片能带来更多的利润。又或者手机里的视频解码芯片，通常也是一种ASIC。
具体到Sohu，就相当于把Transformer网络架构“烧录”到芯片里，公司名称Etched也是取自“蚀刻”的意思。
Sohu由台积电4nm工艺制造，只有1个核心，每张芯片配有144GB HBM3E高带宽内存。
一张芯片最高能支持100万亿参数大模型（现在根本还没有这么大的），支持MoE架构和各种Transformer变体，支持束搜索和蒙特卡洛树搜索解码。
基本上今天主流大模型需要的支持都考虑到了。
在Etched自己给出的测试结果中，Sohu比推理Llama-3 70B比H100快20倍以上，
具体设置如下：
FP8精度的Llama-3 70B，无稀疏性，8倍模型并行，2048输入长度/128输出长度
使用TensorRT-LLM 0.10.08（最新版本）评估H100性能，B200的数字是估计的
Etched团队表示，H100有800亿个晶体管，却只有3.3%用于矩阵乘法，这种大模型推理时最常见的运算。
只支持Tranformer的Sohu芯片FLOPS有效利用率超过90%（GPU大约是30%），无需用低精度量化或稀疏性等降低推理成本，同时也在一定程度上削弱模型能力的方法了。
让AI模型快了20倍、同时更便宜，能带来哪些改变？
Etched团队列举了今天SOTA模型的几个痛点：
Gemini需要60秒才能回答与视频有关的问题
编程智能体的成本还高于人类软件工程师
视频生成模型每秒约生成一帧
同时它们也给出了3个应用场景参考：
实时语音客服，几毫秒理解几千字并给出回复。
具体场景是饭店顾客问还需要等多长时间才有座位，AI查询系统中每桌预定情况数据后，计算出还要等45分钟，并引导用户预定位置。
代码场景，使用树搜索算法并行比较几百个方案，选择最好的。
文本生成，也能更好地利用投机解码提高生成的质量和速度。
目前Sohu开发者云已开启抢先体验申请，在实际场景中能取得什么样的效果，量子位将持续关注。
两哈佛辍学生创办
Etched公司成立仅两年，由两位哈佛辍学生Gavin Uberti和Chris Zhu创办。
两人声称在2022年就赌Transformer将改变世界。领英资料也显示公司创立时间在2022年10月，比ChatGPT问世还早一个月。
Etched刚刚完成1.2亿美元的A轮融资，由Primary Venture Partners和Positive Sum Ventures共同领投，主要投资人还包括Peter Thiel、GitHub首席执行官Thomas Dohmke、Cruise联合创始人Kyle Vogt和Quora联合创始人Charlie Cheever。
除了这些大咖之外，我们发现也有不少AI初创公司创始人投资了Etched后激情“晒单”。
投资者中的不少人都认同Transformer专用芯片是不可避免的新趋势。
四年间，GPU并没有变得更好
Etched提出，GPU在过去四年间效率并没有变得更好，只是变得更大了：芯片每平方毫米的的TFLOPS几乎持平。
事实上老黄本人也在今年GTC大会上提出：“我们需要更大的GPU，如果不能更大，就把更多GPU组合在一起，变成更大的虚拟GPU。”
在Etched看来，随着摩尔定律放缓，同时在性能和效率上取得突破的方法只剩下专用化。
不过对Etched和Sohu芯片，业界也有人提出质疑。
曾撰写爆火教程“2023年性价比GPU选购指南”的华盛顿大学博士生Tim Dettmers指出，Etched官方的测试数据中GPU的性能可能并不是当前SOTA方法。
创始人Uberti解释H100的数据取自英伟达官方测试。
也有人不看好的原因是，Transformer之后还是会有下一个重大架构突破。
曾有投资人透露，至少有6家公司正在秘密开发Transformer专用ASIC芯片，现在看来Etched只是浮出水面的第一家。
你看好Transformer专用芯片吗？欢迎在评论区留下你的看法。
参考链接：[1]https://www.etched.com/announcing-etched[2]https://x.com/Etched/status/1805625693113663834[3]https://x.com/Object_Zero_/status/1769673722057662821
— 完 —
量子位年度AI主题策划正在征集中！
欢迎投稿专题 一千零一个AI应用，365行AI落地方案
或与我们分享你在寻找的AI产品，或发现的AI新动向
点这里👇关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~