Etched registra ordini per 1 miliardo di dollari, puntando a Nvidia sull'inferenza AI

Etched, una startup di chip di quattro anni, afferma di aver ricevuto ordini per oltre 1 miliardo di dollari di hardware progettato essenzialmente per eseguire modelli di intelligenza artificiale dopo che sono stati già addestrati. Il processo di esecuzione dei modelli di intelligenza artificiale è noto come inferenza e questo è diventato una delle operazioni più costose per le aziende che utilizzano l'AI nelle loro operazioni aziendali, e Etched crede che la tecnologia dei chip possa svolgere il lavoro più rapidamente, a minor costo e con un minore consumo energetico rispetto alle GPU general-purpose di Nvidia.

L'azienda ha divulgato i suoi ordini insieme a una valutazione di 5 miliardi di dollari. Ha aggiunto che il suo primo chip è già stato prodotto da Taiwan Semiconductor Manufacturing Company (TSMC), come riportato da TechCrunch. Se il chip funzionerà come previsto, una parte dei fondi attualmente destinati a Nvidia verrà dirottata, portando a un cambiamento nelle economie relative al deployment di modelli di intelligenza artificiale all'avanguardia.

"Abbiamo raggiunto un punto nell'evoluzione dell'AI in cui i chip specializzati in grado di performare meglio delle GPU general-purpose sono inevitabili — e i decisori tecnici del mondo lo sanno", ha dichiarato Gavin Uberti, co-fondatore e CEO di Etched, a TechCrunch nel 2024.

A differenza dell'addestramento in cui i modelli apprendono da enormi set di dati, l'inferenza avviene ogni volta che un utente invia un prompt. Attualmente, i grandi modelli linguistici impiegano questo tempo per cercare i pesi e aggiornare la loro cache chiave-valore (KV), il che aumenta l'importanza della capacità di memoria e della larghezza di banda man mano che le finestre di contesto diventano più grandi. Di conseguenza, c'è una domanda di chip progettati esclusivamente per l'inferenza rispetto alle GPU in grado di gestire carichi di lavoro più pesanti.

Un articolo pubblicato nel luglio 2026 da Michael J. Yuan e Ju Long afferma che le GPU mainstream possono essere caratterizzate come "compute-heavy and capacity-light", a causa della loro combinazione di elevata potenza di elaborazione con memoria relativamente bassa. Secondo gli autori, durante l'inferenza, alcuni calcoli rimangono spesso inutilizzati in attesa dei dati, il che crea la possibilità di utilizzare hardware progettato specificamente per ottimizzare il consumo di memoria piuttosto che l'efficienza aritmetica.

Cosa vende Etched

Invece di commercializzare un chip standalone, Etched fornisce "frontier inference clusters" che sono un assemblaggio di sistemi funzionanti insieme, comprendenti siliconi personalizzati, unità di rete e software. L'azienda afferma di impiegare oltre 400 ingegneri reclutati da Nvidia, Google TPU team, Broadcom, SK Hynix e TSMC.

L'azienda ha attribuito il previsto miglioramento delle prestazioni a due tecnologie proprietarie. La prima è Low Voltage Inference (LVI), una tecnologia progettata per consentire ai blocchi di calcolo di operare a livelli di tensione più bassi per raggiungere un'operazione continua con una minore produzione di calore. L'altra tecnologia è la Cluster Scale Memory (CSM), che libera i chip in un sistema di archiviazione a bassa latenza eliminando così i problemi con l'inferenza a lungo contesto e la crescita delle dimensioni della cache KV.

Tuttavia, queste tecnologie sono ancora considerate affermazioni dell'azienda piuttosto che confermate indipendentemente. Etched ha affermato di prevedere di rendere pubblici alcuni dei suoi risultati di benchmark e informazioni tecniche non appena inizierà a spedire i primi rack di prodotti alla fine di questa estate.

Dal quasi fallimento a un cap table affollato

Etched ha raccolto circa 800 milioni di dollari finora, inclusa una finanziamentazione da 500 milioni di dollari completata a dicembre con una valutazione post-money di 5 miliardi di dollari, secondo TechCrunch. Stripes ha guidato il round, con la partecipazione di Jane Street, Hudson River Trading, Two Sigma, Ribbit Capital e VentureTech Alliance.

Il suo elenco di investitori include anche prominenti ricercatori di AI come Andrej Karpathy, Geoffrey Hinton, Fei-Fei Li, Arthur Mensch e Scott Wu, nonché Stanley Druckenmiller e Peter Thiel.

Questo sostegno rappresenta un cambiamento completo di direzione per la startup. Etched, fondata nel 2022 da due studenti di Harvard che hanno abbandonato gli studi e borsisti Thiel, Robert Wachen e Gavin Uberti, ha avuto difficoltà ad attrarre investitori per la maggior parte del 2023. I creatori dell'azienda hanno dichiarato che quasi ogni organizzazione a cui si sono rivolti ha respinto le loro richieste prima di riuscire a ottenere oltre 125 milioni di dollari di finanziamenti nel 2024.

Una gara in espansione che l'industria sta osservando

Etched sta entrando in un mercato già popolato. Cerebras ha avuto una delle IPO di chip AI più pubblicizzate di quest'anno, Groq ha raccolto recentemente 650 milioni di dollari, mentre Amazon, Google e Microsoft stanno creando i propri chip AI personalizzati per la propria infrastruttura. Anche OpenAI ha assunto Broadcom per creare un chip personalizzato, indicando il fatto che il mercato dell'inferenza ha raggiunto un livello tale da poter sostenere altri attori oltre a Nvidia.

Il processo di produzione continua a essere una sfida. Come riportato in precedenza da Cryptopolitan, la tecnologia di packaging avanzato, in particolare il metodo TSMC’s CoWoS di unione dei processori con memoria ad alta larghezza di banda, è diventata uno dei maggiori ostacoli per l'industria.

La domanda di wafer AI dovrebbe aumentare di quasi undici volte dal 2022 al 2026. Nel frattempo, TSMC detiene circa il settantadue percento del mercato dei foundry puri. Poiché Etched utilizza il processo N4P di TSMC, finisce per competere con Nvidia, AMD e altri produttori di chip AI per le stesse risorse di produzione.

Al momento, l'attenzione è sull'implementazione. I rapporti indicano che la produzione è già iniziata e che i primi rack di inferenza saranno spediti nei prossimi mesi per ottenere circa 1 miliardo di dollari in ordini di vendita. La misura in cui l'hardware ha mantenuto le promesse dell'azienda di funzionalità migliorate sarà soggetta solo a verifica indipendente una volta raggiunto i clienti.

Per il momento, le affermazioni dell'azienda su LVI e CSM dovrebbero essere considerate promesse piuttosto che risultati confermati. Se i risultati si rivelassero veri, la startup è probabile che diventi uno dei più accesi concorrenti di Nvidia nel settore dell'inferenza AI.