Etched Sohu 挑战 Nvidia：ASIC 对决 GPU
Etched Sohu vs. Nvidia: Transformer ASIC vs. GPU (2026) – Spheron Blog
Etched AI 推出的 Sohu 芯片宣称在 Llama 70B 推理上单卡性能碾压 H100，其核心在于将 Transformer 注意力机制硬编码为固定功能逻辑，彻底抛弃了可编程性。虽然这种架构在单请求延迟上极具优势，但代价是彻底丧失了对 MoE、多模态及扩散模型的支持。随着 Etched 正式结束隐身模式并签下超 10 亿美元合同，团队面临的关键抉择不再是速度，而是这种赌注未来的架构是否适配自身工作流。在 B200 和 Groq 3 LPU 的夹击下，Sohu 的专用化之路能否成为主流，取决于未来几年 AI 架构的稳定性。
Sohu 的架构本质是一场赌注：它押注 Transformer 注意力机制将是未来几年的主导架构，且工作负载足够稳定，足以让开发者放弃所有的可编程性。
- tonis2
就算 Sohu 的 ASIC 芯片能超快处理 attention 部分，当数据进入下一阶段时，瓶颈会不会就来了？
我只是在想，我们实际开始用 ASIC 芯片来处理 AI 推理的某些部分，这种可能性有多大。
- pyrolistical
坐等单芯片 ASIC 版 qwen3.8 27b。
它体积小，所以单片成本应该很低。而且它的智能程度远超其体量应有的水平。
问题是 ASIC 流片耗时太久，而且总是比最新的开源权重 SOTA 落后好几个月。
- rvz
两小时了还没评论，我不禁怀疑 Etched 的芯片到底存不存在。
> Sohu 的数据是按单片计算的，源自 Etched 公布的 8 芯片服务器在 Llama 70B 上达到 500,000 tok/s 的说法；未经独立验证。（Etched 声称）
所以这些都不是经过验证的基准测试，全是宣称。再说一遍，这芯片是真的吗？