Etched, la startup que construye hardware personalizado para la inferencia de IA, ha recaudado una Serie C de 300 millones de dólares con una valoración de 10.300 millones de dólares, según TechCrunch, que citó al cofundador y director de operaciones Robert Wachen. La ronda estuvo liderada por Sequoia, con la participación de Andreessen Horowitz, SK Hynix, Jane Street, Diffusion Capital e inversores previos.

La financiación importa más allá del tamaño del cheque. Es otra señal de que los inversores están dispuestos a financiar alternativas a la infraestructura de IA centrada en Nvidia si esas startups pueden mostrar silicio funcional, pruebas tempranas con clientes y un camino plausible hacia menores costes de inferencia. En el caso de Etched, la empresa afirma que ya ha fabricado sus chips, está probando sistemas completos con clientes y ha reservado 1.000 millones de dólares en pedidos. Sin embargo, esas afirmaciones operativas provienen de la compañía y no han sido verificadas de forma independiente en el material de origen.

Etched ha atraído atención desde su fundación en 2022 porque adoptó un enfoque inusualmente definido: diseñar hardware en torno a las cargas de trabajo que dominan el servicio de modelos moderno y luego vender sistemas completos en lugar de chips aislados. Esa idea era fácil de descartar al principio, cuando el mercado convergía en torno a las GPU. Pero a medida que el gasto en IA se desplaza del entrenamiento hacia la inferencia en producción, la propuesta de la startup se ha vuelto más comprensible tanto para inversores como para compradores empresariales que buscan mejoras en coste y latencia.

Por qué la ronda de Etched destaca ahora

Según TechCrunch, la nueva valoración de Etched es aproximadamente el doble de la valoración de 5.000 millones de dólares que alcanzó en diciembre, cuando recaudó 500 millones de dólares. TechCrunch también informó que la empresa afirma que esta es la valoración más alta jamás alcanzada para una Serie C liderada por Sequoia. Ese superlativo concreto es una afirmación de la empresa transmitida por la publicación, no un dato de mercado establecido de forma independiente.

El momento es notable. La financiación de infraestructura de IA se ha dividido cada vez más en dos bandos: plataformas de cómputo amplias que compiten por flexibilidad, y sistemas especializados que apuntan a una porción más estrecha, pero potencialmente enorme, de la demanda. Etched está firmemente en el segundo bando. Su argumento es que la economía de servir modelos a gran escala es diferente de la economía de entrenarlos, y que el hardware de inferencia dedicado puede superar a aceleradores de propósito más general en las cargas de trabajo que más importan en producción.

Ese mensaje está encontrando audiencia porque el cuello de botella en el despliegue de IA ya no es solo el acceso al cómputo bruto. Los desarrolladores y las empresas también se centran en la latencia, la energía, el ancho de banda de memoria y el coste por token generado. Si una startup puede mejorar materialmente esas métricas sin obligar a los clientes a reescribir todo su stack, puede encontrar demanda incluso en un mercado dominado por Nvidia.

La lista de inversores de la empresa también ayuda a explicar la atención. Además de Sequoia y Andreessen Horowitz, TechCrunch dice que Etched cuenta con respaldo de SK Hynix e individuos de alto perfil como Peter Thiel, Andrej Karpathy, Dylan Field y Amjad Masad. Para una startup de chips, el apoyo de SK Hynix es especialmente relevante porque el diseño de memoria e interconexión es central para el rendimiento de la inferencia, no solo el cómputo bruto.

La afirmación del producto: chips personalizados para inferencia sin GPUs

El mensaje central de Etched, tal como lo describió Wachen a TechCrunch, es que sus sistemas pueden acelerar la inferencia en modelos de IA sin depender de GPUs. La startup dice que su hardware puede ejecutar “cualquier modelo de IA”, incluidos sistemas basados en transformers, diseños de Mixture of Experts como DeepSeek y Qwen, e incluso arquitecturas no transformer como Mamba.

Esa amplitud importa porque una de las críticas habituales a los chips de IA específicos para aplicaciones es que pueden quedar obsoletos por los cambios de modelo. Un sistema optimizado demasiado estrechamente para una arquitectura puede ofrecer demos impresionantes, pero envejecer mal si los desarrolladores se pasan a otra familia de modelos. Etched está claramente intentando contrarrestar esa preocupación argumentando que su arquitectura es más amplia de lo que muchos escépticos suponen.

TechCrunch informa que Etched divide la inferencia en dos etapas: prefill y decode. En la descripción de la empresa, prefill es el trabajo intensivo en cómputo de procesar la instrucción y su contexto, mientras que decode es la fase de generación token por token, que requiere menos cómputo pero depende en gran medida de la memoria. Etched dice que diseñó desde cero dos nuevos componentes para abordar esas etapas.

Para prefill, Wachen dijo a TechCrunch que Etched construyó un chip que funciona a menor voltaje, lo que la empresa afirma que reduce el calor y permite un empaquetado más denso de transistores. Para decode, la empresa dice que creó lo que llama memoria a escala de clúster, junto con tecnología de interconexión que permite que muchos chips compartan una piscina de memoria con baja latencia. El resultado prometido es una inferencia más rápida a menor coste.

Esas son afirmaciones importantes, pero siguen siendo reportadas por la empresa. El material de origen no incluye benchmarks de terceros, casos de clientes, análisis independiente de desmontaje ni comparaciones estandarizadas frente a sistemas de Nvidia. Eso no significa que las afirmaciones sean falsas; significa que compradores y desarrolladores deben tratarlas como prometedoras pero aún preliminares hasta que aparezca más evidencia.

Progreso en fabricación y señales tempranas de despliegue

Una de las razones por las que Etched está obteniendo una valoración premium es que parece haber avanzado más allá de las diapositivas. TechCrunch informa que la startup anunció previamente la fabricación exitosa de su primera tanda de silicio por parte de TSMC, y que sus primeros sistemas completos están siendo probados por clientes.

Esa distinción importa en semiconductores. Muchas startups de chips de IA atraen capital por ideas de arquitectura, pero muchas menos superan la fabricación y llegan a la validación de sistemas. Etched tampoco es ya un pequeño esfuerzo de investigación. Según TechCrunch, la empresa cuenta ahora con 400 empleados, opera un centro de datos de 2 megavatios en su oficina principal y ha abierto una nueva instalación de 80.000 pies cuadrados y 10 MW en Milpitas.

Esos detalles de infraestructura sugieren que la empresa se está preparando no solo para diseñar chips, sino también para validar, ejecutar y potencialmente desplegar racks completos a una escala significativa. Para los compradores de IA empresarial, eso es relevante porque las decisiones de adquisición de hardware dependen cada vez más de la preparación del sistema completo, la integración de software y el soporte operativo, no solo de la hoja de especificaciones del chip.

Aun así, hay una gran brecha entre tener sistemas tempranos en pruebas y entregar a escala. El propio Wachen reconoció que escalar la fabricación y el despliegue sigue siendo difícil, según TechCrunch. Esa cautela es importante. Las startups de hardware pueden parecer creíbles mucho antes de demostrar resiliencia de la cadena de suministro, fiabilidad en campo, facilidad de servicio y madurez del software bajo cargas de trabajo de clientes.

Evidencia, benchmarks y lo que sigue sin verificar

Los puntos factuales más sólidos de esta historia son los términos de financiación informados por TechCrunch, los inversores mencionados, incluidos Sequoia, Andreessen Horowitz, Jane Street, Diffusion Capital y SK Hynix, y la narrativa pública de Etched de que tiene silicio en funcionamiento y pruebas de sistemas con clientes en marcha.

Las señales operativas más ambiciosas necesitan más escrutinio. Los 1.000 millones de dólares en pedidos informados son una afirmación de la empresa transmitida por TechCrunch. Las fuentes proporcionadas no definen si esos pedidos son órdenes de compra vinculantes, reservas, cartas de intención u otra forma de señal de demanda. Esa distinción importa porque las empresas de infraestructura de IA a menudo citan cartera de pedidos o demanda reservada antes de que se reconozcan ingresos o comiencen las entregas.

Del mismo modo, las afirmaciones de Etched de que sus sistemas pueden ejecutar cualquier modelo de IA y ofrecer altas velocidades a menor coste no han sido benchmarkeadas de forma independiente en los materiales proporcionados. El artículo señala que el acceso ha sido limitado hasta ahora, principalmente mediante demostraciones para inversores y primeros clientes. Wachen también citó interés de figuras asociadas con Anthropic y OpenAI, pero esas observaciones deben leerse como comentarios ejecutivos, no como respaldos formales del producto por parte de Anthropic o OpenAI.

El contexto de mercado más amplio, sin embargo, hace más fácil entender la tesis de Etched. TechCrunch señala que Google, según los informes, persigue un concepto relacionado con un chip “Frozen v2” para Gemini. Aunque las implementaciones difieran, la lógica subyacente es similar: si la inferencia se convierte en el principal centro de costes, el silicio personalizado orientado a patrones de servicio específicos se vuelve más atractivo.

Lo que esto significa para los creadores de IA y los compradores empresariales

Para los desarrolladores, la pregunta práctica no es si un chip de inferencia personalizado suena elegante. Es si puede encajar en canalizaciones reales de despliegue para LLMs, DeepSeek, Qwen o sistemas basados en Mamba sin introducir suficiente fricción como para compensar las ventajas del hardware. La compatibilidad entre arquitecturas de modelos, el soporte para marcos modernos de serving y la fiabilidad bajo cargas de trabajo mixtas importarán más que las valoraciones de titulares.

Para los equipos de IA empresarial, el ascenso de Etched es otro recordatorio de que la pila de infraestructura se está abriendo por debajo de la capa de aplicaciones. Nvidia sigue siendo la opción predeterminada, pero las empresas que sirven inferencia de gran volumen podrían eventualmente tener más opciones entre sistemas diseñados específicamente, racks optimizados para memoria y plataformas verticalmente integradas. Si Etched puede validar en producción sus afirmaciones sobre inferencia a bajo voltaje y memoria a escala de clúster, podría presionar a los actores establecidos en la economía de coste por token y tiempo de respuesta.

El desafío es el riesgo de adquisición. Las empresas no solo compran rendimiento. Compran garantías de suministro, herramientas de software, cobertura de soporte, revisión de seguridad y credibilidad de la hoja de ruta. Una startup puede ganar interés piloto con una demo convincente de rack, pero la adopción amplia suele llegar solo después de acumular evidencia de despliegue repetible.

Para el mercado de chips de IA, la ronda refuerza un cambio de “¿puede alguien desafiar a las GPU?” a “¿qué cargas de trabajo de IA son ahora lo suficientemente grandes como para justificar silicio personalizado?”. La inferencia es el candidato más claro, especialmente a medida que crece el uso de modelos y los compradores buscan alternativas a los costosos aceleradores de propósito general.

Qué vigilar a continuación

Las próximas señales a seguir son sencillas. Primero, si Etched publica benchmarks independientes frente a sistemas de inferencia basados en Nvidia bajo condiciones claramente descritas. Segundo, si aparecen clientes nombrados con detalles de despliegue en producción en lugar de referencias a pruebas privadas. Tercero, si la empresa aclara la naturaleza de su cartera de pedidos informada de 1.000 millones de dólares.

También valdrá la pena observar cómo Etched respalda la diversidad de modelos con el tiempo. Las afirmaciones de amplio soporte para sistemas transformer, modelos de Mixture of Experts como DeepSeek y Qwen, y enfoques de estado espacial como Mamba son estratégicamente importantes. Tendrán que mantenerse a medida que evolucionen el software de serving y las arquitecturas de modelos.

Por último, el ritmo de fabricación y entrega de la empresa puede importar más que cualquier hito de financiación. Una instalación de 10 MW y sistemas funcionales son significativos, pero la verdadera prueba es si Etched puede pasar de acceso temprano a despliegues repetibles y con soporte sin perder las ventajas de coste que justifican su diseño.

Perspectiva de Creati.ai

La última ronda de Etched es menos un veredicto sobre una sola startup que una señal de que la inferencia se ha convertido en el campo de batalla más caliente de la infraestructura de IA. El entrenamiento sigue aportando prestigio, pero la economía de producción impulsa los presupuestos. Cualquier empresa que pueda reducir la latencia y el coste de servir modelos populares tiene una oportunidad real, incluso en un mercado moldeado por Nvidia.

La cautela es que las historias de hardware a menudo se adelantan a la evidencia en campo. Etched parece haber superado varios umbrales difíciles, incluida la fabricación y las pruebas de sistemas, lo que la hace más creíble que muchos aspirantes en chips de IA. Pero hasta que los benchmarks independientes y los despliegues de clientes sean públicos, la valoración se lee mejor como una muestra de confianza de los inversores en una tesis: que la infraestructura especializada de IA empresarial para agentes de IA y el serving de modelos puede convertirse en un gran negocio si demuestra ser más fácil de adoptar de lo que esperan sus escépticos.