Etched levanta $300M em valorização de $10,3B; visa inferência de IA em escala de fronteira com menor potência, maior densidade
Etched, uma startup de chips de IA fundada por três dropouts de Harvard em 2022, levantou $300 milhões em financiamento de Série C em uma valorização de $10,3 bilhões, liderado pela Sequoia Capital. A rodada, que Sequoia diz ser a mais alta valorização nunca antes vista para uma Série C da firma, também incluiu Andreessen Horowitz, SK Hynix, Jane Street e Diffusion. Etched já registrou $1 bilhão em pedidos de clientes e emprega 400 pessoas, operando um data center de 2 megawatts e um posto de produção de 10 megawatts em Milpitas, Califórnia.
Etched construiu chips de inferência customizados com duas inovações fundamentais: um chip de prefill executando em baixa tensão (reduzindo dramaticamente calor e permitindo densidade maior de transistores) e uma interconexão 'Cluster-Scale Memory' que permite que todos os aceleradores em um rack compartilhem o mesmo pool de memória. Isso elimina duplicação de dados por acelerador e melhora eficiência de memória para grandes cargas de trabalho de IA. A tese da empresa é que inferência — a fase compute-cara após um modelo ver um prompt — pode ser dividida em prefill (entendendo contexto, compute-pesado) e decode (gerando tokens de saída, memória-pesado), cada um requerendo otimizações de hardware diferentes.
Demanda pelos sistemas da Etched supostamente excede oferta enquanto clientes se movem de avaliação para implantação de produção. Envios de primeiro rack estão agendados para verão de 2026. A empresa está competindo em um mercado cada vez mais concorrido focado em inferência (Cerebras, Groq, SambaNova, Fractile) conforme o mix de carga de trabalho de IA muda: inferência agora domina treinamento como fator-chave para IA em escala de nuvem. Arquitetos avaliando GPUs de segunda-fonte para grandes implantações devem rastrear a rampa de produção da Etched como alternativa a dependência exclusiva da NVIDIA, particularmente para cargas de trabalho de inferência sensível a latência.