AI 추론용 맞춤형 하드웨어를 만드는 스타트업 Etched가 103억 달러의 기업가치로 3억 달러 규모의 시리즈 C 투자를 유치했다고 TechCrunch가 공동창업자 겸 COO인 Robert Wachen을 인용해 보도했다. 이번 라운드는 Sequoia가 주도했으며 Andreessen Horowitz, SK Hynix, Jane Street, Diffusion Capital, 그리고 기존 투자자들이 참여했다.

이번 자금 조달은 단지 금액의 크기만 중요한 것이 아니다. 스타트업이 실제로 동작하는 실리콘, 초기 고객 테스트, 그리고 추론 비용을 낮출 수 있다는 그럴듯한 경로를 보여줄 수 있다면, 투자자들은 Nvidia 중심의 AI 인프라 대안을 기꺼이 지원할 수 있다는 또 하나의 신호다. Etched의 경우, 회사는 이미 칩을 제조했고 고객과 함께 전체 시스템을 테스트하고 있으며, 10억 달러 규모의 주문을 확보했다고 말한다. 다만 이러한 운영상 주장은 회사 측 설명이며, 원문 자료에서 독립적으로 검증된 것은 아니다.

Etched는 2022년 설립 이후 주목을 받아왔다. 그 이유는 매우 분명한 관점을 취했기 때문이다. 즉, 현대 모델 서빙을 지배하는 워크로드에 맞춰 하드웨어를 설계하고, 단일 칩이 아니라 완성형 시스템을 판매하겠다는 접근이다. 이 아이디어는 시장이 GPU 중심으로 수렴하던 초기에 쉽게 무시될 수 있었다. 하지만 AI 지출이 학습에서 실제 서비스용 추론으로 이동하면서, 비용과 지연시간 개선을 찾는 투자자와 기업 구매자들에게 이 스타트업의 제안은 더 이해하기 쉬워졌다.

왜 지금 Etched의 투자 유치가 두드러지는가

TechCrunch에 따르면 Etched의 새 기업가치는 12월에 5억 달러를 유치하며 도달했던 50억 달러 기업가치의 약 두 배다. TechCrunch는 또한 회사가 이번 라운드가 Sequoia 주도의 시리즈 C 가운데 역대 최고 기업가치라고 주장한다고 보도했다. 이 특정한 최고 기록은 매체가 전한 회사 측 주장일 뿐, 독립적으로 확립된 시장 데이터는 아니다.

타이밍도 주목할 만하다. AI 인프라 자금 조달은 점점 두 진영으로 나뉘고 있다. 하나는 유연성을 두고 경쟁하는 범용 컴퓨트 플랫폼, 다른 하나는 더 좁지만 잠재적으로 매우 큰 수요의 한 조각을 겨냥한 특화 시스템이다. Etched는 확실히 후자에 속한다. 이들의 주장은 대규모 모델 서빙의 경제성이 학습 경제성과 다르며, 전용 추론 하드웨어가 실제 운영에서 가장 중요한 워크로드에서 더 범용적인 가속기보다 뛰어날 수 있다는 것이다.

이 주장이 주목받는 이유는 AI 배포의 병목이 더 이상 단순히 원시 컴퓨트 접근성에만 있지 않기 때문이다. 구축자와 기업은 지연시간, 전력, 메모리 대역폭, 생성 토큰당 비용에도 집중하고 있다. 스타트업이 고객에게 전체 스택을 다시 쓰게 하지 않으면서 이 지표들을 실질적으로 개선할 수 있다면, Nvidia가 지배하는 시장에서도 수요를 찾을 수 있다.

회사의 투자자 명단도 관심을 설명해준다. Sequoia와 Andreessen Horowitz 외에도 TechCrunch는 Etched가 SK Hynix의 지원을 받고 있으며, Peter Thiel, Andrej Karpathy, Dylan Field, Amjad Masad 같은 유명 인사들도 참여했다고 전했다. 칩 스타트업에게 SK Hynix의 지원은 특히 중요하다. 메모리와 인터커넥트 설계가 단순한 연산 성능뿐 아니라 추론 성능의 핵심이기 때문이다.

제품 주장: GPU 없이 추론하는 맞춤형 칩

Wachen이 TechCrunch에 설명한 Etched의 핵심 메시지는, 자사 시스템이 GPU에 의존하지 않고도 AI 모델 추론을 더 빠르게 할 수 있다는 것이다. 스타트업은 자사 하드웨어가 transformer 기반 시스템, DeepSeek와 Qwen 같은 Mixture of Experts 설계, 그리고 Mamba 같은 비-transformer 아키텍처까지 포함해 “모든 AI 모델”을 실행할 수 있다고 말한다.

이 폭넓음이 중요한 이유는, 애플리케이션 특화 AI 칩에 대한 흔한 비판 중 하나가 모델 변화에 뒤처질 수 있다는 점이기 때문이다. 특정 아키텍처에 지나치게 최적화된 시스템은 인상적인 데모를 보여줄 수 있지만, 개발자들이 다른 모델 계열로 이동하면 오래 못 갈 수 있다. Etched는 자사 아키텍처가 회의론자들이 생각하는 것보다 더 넓다고 주장함으로써 이런 우려에 대응하려 하고 있다.

TechCrunch는 Etched가 추론을 prefill과 decode의 두 단계로 나눈다고 전한다. 회사 설명에 따르면 prefill은 프롬프트와 그 문맥을 처리하는 계산 집약적 작업이고, decode는 토큰 단위 생성 단계로 계산량은 적지만 메모리 의존도가 높다. Etched는 이 두 단계를 해결하기 위해 완전히 새 부품 두 가지를 처음부터 설계했다고 말한다.

prefill에 대해 Wachen은 TechCrunch에 Etched가 더 낮은 전압으로 동작하는 칩을 만들었고, 이를 통해 발열을 줄이고 트랜지스터를 더 촘촘하게 배치할 수 있다고 말했다. decode에 대해서는 회사가 cluster-scale memory라고 부르는 기술과, 많은 칩이 낮은 지연시간으로 메모리 풀을 공유할 수 있게 하는 인터커넥트 기술을 만들었다고 한다. 약속된 결과는 더 낮은 비용으로 더 빠른 추론이다.

이러한 주장들은 중요하지만, 여전히 회사 측 보고다. 원문 자료에는 제3자 벤치마크, 고객 사례, 독립적인 분해 분석, Nvidia 시스템과의 표준화된 비교가 포함되어 있지 않다. 이것이 주장이 거짓이라는 뜻은 아니다. 더 넓은 증거가 나오기 전까지는 유망하지만 아직 초기 단계의 것으로 봐야 한다는 뜻이다.

제조 진전과 초기 도입 신호

Etched가 프리미엄 기업가치를 인정받는 이유 중 하나는, 회사가 단순한 발표 단계를 넘어선 것으로 보이기 때문이다. TechCrunch는 스타트업이 이전에 TSMC를 통해 첫 실리콘 배치를 성공적으로 제조했다고 발표했으며, 첫 완성형 시스템이 이미 고객 테스트 중이라고 보도했다.

이 차이는 반도체 분야에서 중요하다. 많은 AI 칩 스타트업이 아키텍처 아이디어만으로 자금을 유치하지만, 제조를 거쳐 시스템 검증까지 도달하는 곳은 훨씬 적다. Etched는 더 이상 작은 연구 프로젝트가 아니다. TechCrunch에 따르면 회사는 현재 직원 400명을 두고 있으며, 본사에 2메가와트 데이터센터를 운영하고 있고, Milpitas에 8만 평방피트 규모의 10MW 시설도 새로 열었다.

이러한 인프라 세부사항은 회사가 단지 칩을 설계하는 데 그치지 않고, 의미 있는 규모의 전체 랙을 검증·운영·잠재적 배포까지 준비하고 있음을 시사한다. Enterprise AI 구매자에게 이는 중요하다. 하드웨어 조달 결정이 이제는 칩 사양표만이 아니라 전체 시스템 준비도, 소프트웨어 통합, 운영 지원에 점점 더 의존하고 있기 때문이다.

그럼에도 초기 시스템 테스트와 대규모 공급 사이에는 큰 간극이 있다. TechCrunch에 따르면 Wachen 자신도 제조와 배포의 확장은 여전히 어렵다고 인정했다. 이 신중함은 중요하다. 하드웨어 스타트업은 공급망 회복력, 현장 신뢰성, 서비스 가능성, 고객 워크로드에서의 소프트웨어 성숙도를 입증하기 훨씬 전부터 그럴듯해 보일 수 있기 때문이다.

증거, 벤치마크, 그리고 아직 검증되지 않은 것

이 이야기에서 가장 확실한 사실은 TechCrunch가 보도한 자금 조달 조건, Sequoia, Andreessen Horowitz, Jane Street, Diffusion Capital, SK Hynix 등으로 언급된 투자자들, 그리고 Etched가 동작하는 실리콘과 고객 시스템 테스트를 진행 중이라는 공개 서사다.

더 공격적인 운영 신호는 더 많은 검토가 필요하다. 보도된 10억 달러 주문은 TechCrunch가 전한 회사 측 주장이다. 제공된 자료는 이 주문이 구속력 있는 발주서인지, 예약인지, 의향서인지, 혹은 다른 형태의 수요 신호인지 정의하지 않는다. 이 구분은 중요하다. AI 인프라 기업들은 종종 매출 인식이나 출하 시작 이전에 수주잔고나 확보 수요를 언급하기 때문이다.

마찬가지로 Etched의 시스템이 모든 AI 모델을 실행할 수 있고 더 낮은 비용으로 높은 속도를 낼 수 있다는 주장도 제공된 자료에서 독립적으로 벤치마크되지 않았다. 기사에 따르면 지금까지의 접근은 주로 투자자와 초기 고객 데모에 한정되어 있다. Wachen은 Anthropic과 OpenAI 관련 인물들의 관심도 언급했지만, 이는 Anthropic이나 OpenAI의 공식 제품 지지로 읽기보다 경영진 코멘트로 보는 것이 맞다.

다만 더 넓은 시장 맥락은 Etched의 논지를 이해하기 쉽게 만든다. TechCrunch는 Google이 Gemini용 “Frozen v2” 칩이라는 관련 개념을 추진 중이라고 보도했다. 구현이 다르더라도 근본 논리는 유사하다. 추론이 주요 비용 중심이 된다면, 특정 서빙 패턴에 맞춰진 맞춤형 실리콘의 매력은 커진다.

이것이 AI 개발자와 기업 구매자에게 의미하는 것

개발자에게 실질적 질문은 맞춤형 추론 칩이 우아해 보이느냐가 아니다. LLM, DeepSeek, Qwen 또는 Mamba 기반 시스템의 실제 배포 파이프라인에 넣을 수 있는지, 그리고 하드웨어 이점을 상쇄할 만큼의 마찰을 만들지 않는지가 핵심이다. 모델 아키텍처 간 호환성, 최신 서빙 프레임워크 지원, 혼합 워크로드에서의 신뢰성이 헤드라인 기업가치보다 더 중요할 것이다.

Enterprise AI 팀에게 Etched의 부상은 인프라 스택이 애플리케이션 계층 아래에서 열리고 있다는 또 다른 상기다. Nvidia는 여전히 기본 선택지지만, 대규모 추론을 제공하는 기업들은 결국 목적 특화 시스템, 메모리 최적화 랙, 수직 통합 플랫폼 사이에서 더 많은 선택지를 갖게 될 수 있다. Etched가 저전압 추론과 cluster-scale memory 주장을 실제 환경에서 검증할 수 있다면, 토큰당 비용과 응답시간 경제성 측면에서 기존 강자들에게 압박을 가할 수 있다.

문제는 조달 리스크다. 기업은 단순히 성능만 사는 것이 아니다. 공급 보장, 소프트웨어 도구, 지원 범위, 보안 검토, 로드맵 신뢰성을 산다. 스타트업은 설득력 있는 랙 데모로 파일럿 관심을 얻을 수 있지만, 광범위한 채택은 대개 반복 가능한 배포 증거가 쌓인 뒤에야 이뤄진다.

AI 칩 시장에서 이번 투자 유치는 “누가 GPU에 도전할 수 있나?”에서 “어떤 AI 워크로드가 이제 맞춤형 실리콘을 정당화할 만큼 큰가?”로의 전환을 강화한다. 추론이 가장 분명한 후보이며, 모델 사용량이 늘고 구매자들이 비싼 범용 가속기 대안을 찾을수록 그 중요성은 더 커진다.

앞으로 볼 것

다음에 추적할 신호는 분명하다. 첫째, Etched가 Nvidia 기반 추론 시스템과의 독립 벤치마크를 명확히 설명된 조건에서 공개하는지. 둘째, 비공개 테스트 언급이 아니라 실제 배포 세부정보를 가진 실명 고객이 등장하는지. 셋째, 회사가 보도된 10억 달러 수주잔고의 성격을 명확히 하는지다.

또 Etched가 시간이 지나며 모델 다양성을 어떻게 지원하는지도 지켜볼 필요가 있다. transformer 시스템, DeepSeek와 Qwen 같은 Mixture of Experts 모델, Mamba 같은 상태공간 접근을 폭넓게 지원한다는 주장은 전략적으로 중요하다. 서빙 소프트웨어와 모델 아키텍처가 진화해도 그 주장은 유지되어야 한다.

마지막으로, 회사의 제조 및 출하 속도는 어떤 자금 조달 이정표보다 더 중요할 수 있다. 10MW 시설과 작동하는 시스템은 의미가 있지만, 진정한 시험은 Etched가 조기 접근에서 반복 가능하고 지원되는 배포로 넘어가면서도 자사 설계를 정당화하는 비용 우위를 잃지 않는지다.

Creati.ai 관점

Etched의 최근 라운드는 단일 스타트업에 대한 판결이라기보다, 추론이 AI 인프라에서 가장 뜨거운 전장이 되었음을 보여주는 신호다. 학습은 여전히 명성을 가져오지만, 예산은 실제 운영 경제성이 좌우한다. 인기 모델을 제공하는 데 드는 지연시간과 비용을 줄일 수 있는 회사라면, Nvidia가 형성한 시장에서도 진짜 기회가 있다.

주의할 점은 하드웨어 이야기가 현장 증거보다 앞서가는 경우가 많다는 것이다. Etched는 제조와 시스템 테스트를 포함해 여러 어려운 관문을 넘은 것으로 보이며, 이는 많은 AI 칩 기대주보다 더 신뢰할 만하게 만든다. 하지만 독립 벤치마크와 고객 배포가 공개되기 전까지는, 이번 기업가치는 투자자들이 하나의 논지에 대해 보낸 신뢰로 읽는 것이 가장 좋다. 즉, AI 에이전트와 모델 서빙을 위한 특화된 Enterprise AI 인프라는, 회의론자들이 예상하는 것보다 더 쉽게 채택된다면 큰 사업이 될 수 있다는 것이다.