看到Etched拿到10亿美元订单，我第一反应不是兴奋，而是想起去年部署BERT时被通用GPU的算力浪费折磨的日日夜夜。Etched号称Transformer专用芯片，核心思路是固定Transformer计算图、去掉冗余可编程性，理论上能效比可提升几个数量级。但作为一线工程师，我关心的是：这芯片真能在生产环境中跑通GPT-4级别模型吗？

个人经验告诉我，专用芯片的坑往往不在峰值算力，而在配套生态。当年TPU初代落地时，TensorFlow的兼容性问题就让人头疼。Etched如果只优化了矩阵乘法而忽略了Attention变体（比如MQA、GQA）的适配，实际部署中可能处处碰壁。更关键的是，Transformer架构本身还在快速演进，专用芯片一旦流片，就失去了灵活性。

我提出两个问题：1）Etched如何应对Transformer架构的非标准算子（如FlashAttention中的分块计算）？2）如果未来出现替代Transformer的架构（比如Mamba），这块芯片是否直接变砖？

从行业格局看，Etched背后有卡帕西、李飞飞、辛顿背书，说明学术界对算力专精化的认可。但这对NVIDIA是警示还是机遇？如果专用芯片能覆盖80%的推理场景，GPU可能退化为训练和探索的阵地。可别忘了，AI芯片的落地从来不只看硬件，CUDA生态的护城河比硅片深得多。