Libros grabados alcanzan los mil millones de dólares en pedidos, apuntando a Nvidia en inferencia de IA

Etched, una empresa emergente de chips con cuatro años de antigüedad, afirma haber recibido pedidos por valor de más de mil millones de dólares en hardware diseñado para ejecutar modelos de IA una vez entrenados. Este proceso, conocido como inferencia, se ha convertido en una de las operaciones más costosas para las empresas que utilizan IA en sus negocios. Etched cree que la tecnología de chips puede realizar esta tarea de forma más rápida, económica y con menor consumo energético que las GPU de propósito general de Nvidia.

La compañía reveló sus pedidos junto con una valoración de 5 mil millones de dólares. Añadió que su primer chip ya está siendo fabricado por Taiwan Semiconductor Manufacturing Company (TSMC), según un informe de TechCrunch. Si el chip funciona como se espera, una parte del dinero que actualmente recibe Nvidia se desviaría, lo que provocaría un cambio en la economía del desarrollo de modelos de IA de vanguardia.

“Hemos llegado a un punto en la evolución de la IA en el que los chips especializados que pueden rendir mejor que las GPU de propósito general son inevitables, y los responsables de la toma de decisiones técnicas en todo el mundo lo saben”, dijo Gavin Uberti, cofundador y director ejecutivo de Etched, a TechCrunch en 2024.

A diferencia del entrenamiento, donde los modelos aprenden de enormes conjuntos de datos, la inferencia se produce cada vez que un usuario introduce una solicitud. Actualmente, los modelos de lenguaje complejos emplean tiempo para buscar pesos y actualizar su caché de clave-valor (KV), lo que incrementa la importancia de la capacidad de memoria y el ancho de banda a medida que las ventanas de contexto se amplían. En consecuencia, existe una demanda de chips diseñados exclusivamente para la inferencia, en contraposición a las GPU capaces de gestionar cargas de trabajo más pesadas.

Un artículo publicado en julio de 2026 por Michael J. Yuan y Ju Long afirma que las GPU convencionales se caracterizan poralta capacidad de procesamiento y su escasa memoria, debido a la combinación de una gran potencia de procesamiento con una memoria relativamente baja. Según los autores, durante la inferencia, algunos cálculos suelen quedar sin utilizar mientras se esperan datos, lo que abre la posibilidad de usar hardware diseñado específicamente para optimizar el consumo de memoria en lugar de la eficiencia aritmética.

Lo que Etched está vendiendo

En lugar de comercializar un chip independiente, Etched ofrece "clusters de inferencia de vanguardia", que son un conjunto de sistemas que funcionan conjuntamente y que incluyen silicio personalizado, unidades de red y software. La empresa afirma que emplea a más de 400 ingenieros procedentes de Nvidia, el equipo de TPU de Google, Broadcom, SK Hynix y TSMC.

La empresa atribuye la mejora prevista en el rendimiento a dos tecnologías propias. La primera es la inferencia de bajo voltaje (LVI), una tecnología que permite que los bloques de computación operen a niveles de voltaje más bajos para lograr un funcionamiento continuo con menor generación de calor. La otra tecnología es la memoria a escala de clúster (CSM), que libera chips en un sistema de almacenamiento de baja latencia y, por lo tanto, elimina los problemas con la inferencia de contexto largo y el crecimiento del tamaño de la caché KV.

Sin embargo, estas tecnologías aún se consideran afirmaciones de la empresa, en lugar de confirmacionesdent. Etched ha declarado que espera hacer públicos algunos de sus resultados de referencia e información técnica tan pronto como comience a enviar sus primeros racks de productos a finales de este verano.

De estar al borde de la bancarrota a tener una tabla de capitalización saturada

Etched ha recaudado aproximadamente 800 millones de dólares hasta la fecha, incluyendo una ronda de financiación de 500 millones de dólares completada en diciembre con una valoración posterior a la inversión de 5 mil millones de dólares, según TechCrunch. Stripes lideró la ronda, con la participación de Jane Street, Hudson River Trading, Two Sigma, Ribbit Capital y VentureTech Alliance.

Entre sus inversores también figuran destacados investigadores de IA como Andrej Karpathy, Geoffrey Hinton, Fei-Fei Li, Arthur Mensch y Scott Wu, así como Stanley Druckenmiller y Peter Thiel.

Este respaldo representa un cambio radical para la startup. Etched, fundada en 2022 por Robert Wachen y Gavin Uberti, exalumnos de Harvard y becarios de la Fundación Thiel, tuvo dificultades paratracinversores durante gran parte de 2023. Los creadores de la empresa afirmaron que casi todas las organizaciones a las que acudieron rechazaron sus solicitudes antes de lograr obtener más de 125 millones de dólares en financiación en 2024.

Una carrera cada vez más amplia que la industria está observando

Etched se adentra en un mercado ya saturado. Cerebras protagonizó una de las salidas a bolsa de chips de IA más sonadas del año, Groq recaudó recientemente 650 millones de dólares, mientras que Amazon, Google y Microsoft están creando sus propios chips de IA personalizados para su infraestructura. OpenAI también ha contratado a Broadcom para desarrollar un chip a medida, lo que demuestra que el mercado de la inferencia ha alcanzado un nivel que permite la participación de otros actores además de Nvidia.

El proceso de fabricación sigue siendo un desafío. Como informó Cryptopolitan anteriormente, la tecnología de empaquetado avanzada, especialmente CoWoS de TSMC para unir procesadores con memoria de alto ancho de banda, se ha convertido en uno de los mayores obstáculos para la industria.

Se prevé que la demanda de obleas para IA se multiplique casi once veces entre 2022 y 2026. Mientras tanto, TSMC controla aproximadamente el 72 % del mercado de las fundiciones especializadas. Dado que Etched utiliza el proceso N4P de TSMC, termina compitiendo con empresas como Nvidia, AMD y otros fabricantes de chips de IA por los mismos recursos de fabricación.

Por el momento, la atención se centra en la implementación. Los informes indican que la producción ya ha comenzado y que los primeros racks de inferencia se enviarán en los próximos meses para alcanzar unos 1.000 millones de dólares en pedidos. El grado de cumplimiento de las promesas de la empresa sobre las mejoras en las funciones solo se comprobará de formadent una vez que llegue a manos de los clientes.

Por el momento, las afirmaciones de la compañía sobre LVI y CSM deben considerarse promesas más que resultados confirmados. Si los resultados se confirman, es probable que la startup se convierta en uno de los competidores más acérrimos de Nvidia en el sector de la inferencia de IA.