Чипы без GPU: стартап Etched достиг оценки $10,3 млрд после раунда на $300 млн
Стартап Etched, основанный тремя бросившими Гарвард студентами, закрыл раунд Series C на $300 млн при оценке $10,3 млрд. Инвесторы - Sequoia, a16z, SK Hynix. Компания разработала специализированные чипы для ускорения инференса AI-моделей без GPU и уже привлекла заказов на $1 млрд.
Стартап Etched, которому три года, только что удвоил свою оценку - с $5 млрд до $10,3 млрд - за семь месяцев. Это не просто очередной раунд венчурных денег: за ним стоят реальные железо, заказы и список инвесторов, который говорит сам за себя.
Детали раунда
Etched закрыл Series C на $300 млн. Раунд возглавила Sequoia. Также участвовали Andreessen Horowitz, SK Hynix, Jane Street и Diffusion Capital, а также ранние инвесторы. Среди частных вкладчиков - Питер Тиль, Андрей Карпатий, Дилан Филд и Амджад Масад.
По словам самой компании, это крупнейшая оценка среди всех Series C под руководством Sequoia.
Предыдущий раунд - $500 млн в декабре 2024 года при оценке $5 млрд. То есть за семь месяцев оценка выросла вдвое.
Что за чипы
Etched основали в 2022 году трое бросивших Гарвард студентов: CEO Гэвин Уберти, COO Роберт Вахен и Крис Чжу. Изначальная идея - строить чипы специально под трансформерную архитектуру (ту самую, на которой работают ChatGPT и Claude) - казалась рынку странной.
Сегодня компания настаивает: её системы работают с любыми AI-моделями. В том числе с Mixture of Experts - такими как DeepSeek и Qwen, где задачи распределяются между специализированными субмоделями. И с нетрансформерными архитектурами - например, с Mamba, построенной на state-space model.
Для справки: Google, по имеющимся данным, сейчас движется в ту же сторону с чипом Frozen v2 для Gemini.
Как именно ускоряется инференс
Вахен объясняет: инференс состоит из двух фаз - prefill и decode.
Prefill - это когда система «читает» промпт и контекст. Математически тяжёлая часть, требует много вычислений. Etched сделала под неё отдельный чип, который работает на пониженном напряжении - генерирует меньше тепла, за счёт чего можно упаковать больше транзисторов и существенно увеличить скорость.
Decode - генерация ответа токен за токеном. Вычислений меньше, но нужна огромная память с минимальной задержкой. Под эту задачу Etched разработала собственный тип памяти и технологию соединения чипов, которую называет «cluster-scale memory». Несколько чипов объединяются в пул с общей памятью и очень низкой латентностью.
Оба компонента разработаны с нуля. Системы продаются не как отдельные чипы, а как полные стойки.
Заказы и клиенты
В прошлом месяце Etched объявила, что её первые чипы успешно изготовлены на TSMC. Первые полные системы уже проходят тестирование у клиентов. На счету компании - $1 млрд предварительных заказов.
Доступ к железу пока ограничен: только инвесторы и ранние клиенты. Именно через закрытые демо в офисе Etched и убеждала скептиков. Вахен говорит, что Андрей Карпатий, Ноам Браун из OpenAI, Джеффри Хинтон и все участники раунда лично попробовали железо - и остались довольны.
Как выглядит компания сейчас
Старт у основателей был, мягко говоря, скромным. Вахен прилетел в Кремниевую долину после разговора с родителями о том, что бросает Гарвард, - без офиса и без квартиры. Спал на полу у друга, используя полотенце вместо одеяла. Серверы для проектирования чипов стояли в гараже раннего сотрудника, а его жена перезагружала их вручную по звонку.
Сейчас в компании 400 сотрудников, работает дата-центр мощностью 2 МВт. В Милпитасе, в нескольких минутах от главного офиса в Сан-Хосе, только что открылся новый объект площадью 80 000 кв. футов на 10 МВт.
Что это значит
Если ты работаешь с AI-инструментами и думаешь про инфраструктуру - за Etched стоит следить. Компания делает ставку на то, что GPU-монополии на AI-вычисления нет места в мире, где инференс становится самой дорогой частью пайплайна. Пока доступ к системам закрытый, но $1 млрд заказов и список покупателей уровня крупнейших AI-компаний говорит о том, что кто-то уже голосует деньгами.
Когда системы выйдут в широкий доступ - пока неизвестно. Сам Вахен признаёт: «Нам ещё предстоит многому научиться, чтобы выйти на настоящий масштаб».
Источник: TechCrunch, 23 июля 2026 года - ссылка