Etched enregistre 1 milliard de dollars de commandes, visant Nvidia sur l'inférence IA

Etched, une startup de puces âgée de quatre ans, affirme avoir reçu plus de 1 milliard de dollars de commandes de matériel conçu essentiellement pour exécuter des modèles d'IA une fois qu'ils ont été entraînés. Le processus d'exécution des modèles d'IA est connu sous le nom d'inférence et est devenu l'une des opérations les plus coûteuses pour les entreprises utilisant l'IA dans leurs opérations commerciales, et Etched estime que la technologie des puces peut effectuer ce travail plus rapidement, à moindre coût et avec moins de consommation d'énergie que les GPU polyvalents de Nvidia.

L'entreprise a divulgué ses commandes ainsi qu'une valorisation de 5 milliards de dollars. Elle a ajouté que son premier puce est déjà fabriqué par Taiwan Semiconductor Manufacturing Company (TSMC), selon un rapport de TechCrunch. Si la puce fonctionne comme prévu, une partie de l'argent qui coule actuellement vers Nvidia serait détournée, entraînant un changement dans l'économie du déploiement des modèles d'IA de pointe.

« Nous avons atteint un point dans l'évolution de l'IA où des puces spécialisées capables de mieux performer que les GPU polyvalents sont inévitables — et les décideurs techniques du monde entier le savent », a déclaré Gavin Uberti, cofondateur et PDG d'Etched, à TechCrunch en 2024.

Contrairement à l'entraînement où les modèles apprennent à partir de vastes ensembles de données, l'inférence a lieu chaque fois qu'un utilisateur soumet une invite. Actuellement, les grands modèles de langage passent du temps à rechercher des poids et à mettre à jour leur cache clé-valeur (KV), ce qui augmente l'importance de la capacité mémoire et de la bande passante à mesure que les fenêtres de contexte s'agrandissent. Par conséquent, il y a une demande pour des puces conçues uniquement pour l'inférence par opposition aux GPU capables de gérer des charges de travail plus lourdes.

Un article publié en juillet 2026 par Michael J. Yuan et Ju Long indique que les GPU grand public peuvent être caractérisés comme « compute-heavy and capacity-light », en raison de leur combinaison d'une puissance de traitement élevée avec une mémoire relativement faible. Selon les auteurs, lors de l'inférence, certains calculs sont souvent inutilisés en attendant les données, ce qui crée une possibilité d'utiliser du matériel conçu spécifiquement pour optimiser la consommation de mémoire plutôt que l'efficacité arithmétique.

Ce qu'Etched vend

Au lieu de commercialiser une puce autonome, Etched fournit des « frontier inference clusters » qui sont un assemblage de systèmes fonctionnant ensemble, composés de silicium personnalisé, d'unités de réseau et de logiciels. L'entreprise affirme qu'elle emploie plus de 400 ingénieurs recrutés chez Nvidia, l'équipe TPU de Google, Broadcom, SK Hynix et TSMC.

L'entreprise attribue l'amélioration de performance attendue à deux technologies propriétaires. La première est l'Inférence à Basse Tension (LVI), une technologie destinée à permettre aux blocs de calcul de fonctionner à des niveaux de tension plus faibles pour atteindre un fonctionnement continu avec une production de chaleur réduite. L'autre technologie est la Mémoire à l'Échelle du Cluster (CSM), qui libère les puces dans un système de stockage à faible latence, éliminant ainsi les problèmes liés à l'inférence à long contexte et à la croissance de la taille du cache KV.

Ces technologies sont toutefois encore considérées comme des affirmations de l'entreprise plutôt que comme des résultats confirmés indépendamment. Etched a affirmé qu'elle s'attendait à rendre publics certains de ses résultats de benchmark et informations techniques dès qu'elle commencera à expédier ses premiers racks de produits plus tard cet été.

De la faillite proche à un tableau de capitalisation encombré

Etched a levé environ 800 millions de dollars à ce jour, dont un financement de 500 millions de dollars achevé en décembre à une valorisation post-money de 5 milliards de dollars, selon TechCrunch. Stripes a mené le tour de table, avec la participation de Jane Street, Hudson River Trading, Two Sigma, Ribbit Capital et VentureTech Alliance.

Sa liste d'investisseurs comprend également des chercheurs en IA de renom tels qu'Andrej Karpathy, Geoffrey Hinton, Fei-Fei Li, Arthur Mensch et Scott Wu, ainsi que Stanley Druckenmiller et Peter Thiel.

Ce soutien représente un changement complet de direction pour la startup. Etched, fondée en 2022 par des étudiants décrochés de Harvard et boursiers Thiel, Robert Wachen et Gavin Uberti, a rencontré des difficultés pour attirer des investisseurs pendant la majeure partie de 2023. Les créateurs de l'entreprise ont déclaré que presque toutes les organisations qu'ils ont sollicitées ont rejeté leurs demandes avant qu'ils ne parviennent à obtenir plus de 125 millions de dollars de financement en 2024.

Une course qui s'élargit, que l'industrie observe

Etched entre sur un marché déjà encombré. Cerebras a réalisé l'une des IPO de puces IA les plus médiatisées cette année, Groq a levé 650 millions de dollars récemment, tandis qu'Amazon, Google et Microsoft créent leurs propres puces IA personnalisées pour leur infrastructure. OpenAI a également embauché Broadcom pour créer une puce personnalisée, ce qui indique que le marché de l'inférence a atteint un niveau capable de soutenir d'autres acteurs en dehors de Nvidia.

Le processus de fabrication continue d'être un défi. Comme rapporté précédemment par Cryptopolitan, la technologie d'emballage avancé, en particulier la méthode TSMC’s CoWoS de jonction des processeurs avec une mémoire à haute bande passante, est devenue l'un des plus grands obstacles de l'industrie.

La demande de plaquettes de silicium pour l'IA devrait augmenter de près de onze fois entre 2022 et 2026. Parallèlement, TSMC détient environ 72 % du marché des fonderies spécialisées. Comme Etched utilise le processus N4P de TSMC, elle se retrouve en concurrence avec des acteurs comme Nvidia, AMD et d'autres fabricants de puces IA pour les mêmes ressources de fabrication.

Pour le moment, l'accent est mis sur la mise en œuvre. Des rapports indiquent que la production a déjà commencé et que les premiers racks d'inférence seront expédiés dans les prochains mois pour générer environ 1 milliard de dollars de commandes. La mesure dans laquelle le matériel tiendra les promesses d'amélioration des fonctionnalités de l'entreprise ne pourra être vérifiée indépendamment qu'une fois qu'il sera livré aux clients.

Pour l'instant, les affirmations de l'entreprise concernant LVI et CSM doivent être considérées comme des promesses plutôt que comme des résultats confirmés. Si les résultats s'avèrent exacts, la startup est susceptible de devenir l'un des concurrents les plus féroces de Nvidia dans le secteur de l'inférence IA.