Etched는 210억 달러의 기업가치로 7억 달러를 유치했으며, 트레이딩 회사 Jane Street가 처음 출하된 시스템을 테스트하고 설치한 뒤 AI 칩 스타트업의 가치는 한 달 만에 대략 두 배로 뛰었다. 화요일 Etched가 발표하고 TechCrunch가 보도한 이번 자금 조달은 현재 AI 하드웨어 시장에서 가장 빠른 기업가치 상승 중 하나를 의미한다.

TechCrunch에 따르면 Etched는 7월 3억 달러 규모의 시리즈 C에서 103억 달러의 가치를 인정받았다. 회사의 기업가치는 12월에는 50억 달러였다. 따라서 이번 라운드는 약 한 달 만에 보고된 가치에 거의 110억 달러를 더한 셈이지만, 이는 공개 시장 가격이 아니라 비공개 자금 조달의 기업가치를 반영한 것이다.

이 거래가 중요한 이유는 Etched가 더 좁지만 점점 더 중요해지는 인프라 문제, 즉 사용자가 프롬프트를 제출한 후 AI 모델을 실행하는 데 드는 비용과 속도를 중심으로 자신을 포지셔닝하고 있기 때문이다. 회사가 “frontier inference clusters”라고 부르는 시스템은 범용 학습 하드웨어와 단순히 경쟁하는 것이 아니라 모델 응답 속도를 높이도록 설계됐다.

Jane Street의 도입은 Etched에 상업적 테스트 사례를 제공한다

회사에 따르면 Jane Street는 Etched의 하드웨어를 평가한 뒤 이번 라운드를 주도했다. TechCrunch가 인용한 투자회사 블로그 게시물에서 Jane Street는 칩을 테스트했고 초기 결과에 만족했으며 이제 데이터센터에서 자체 랙을 가동하고 있다고 밝혔다.

이는 단순한 자금 조달 발표보다 더 구체적인 신호지만, 여전히 제한적인 증거다. 공개된 보도에는 Jane Street의 도입 규모, 실행 중인 워크로드, 생산 환경 성능, 또는 해당 시스템이 회사 전반에서 사용되는지 여부가 드러나지 않는다. Jane Street의 발언은 독립적인 벤치마크가 아니라 투자자이자 고객으로서의 평가이기도 하다.

이번 라운드에는 Kleiner Perkins, Sequoia Capital, Andreessen Horowitz, Peter Thiel, Tiger Global, Bain Capital Ventures, Neo, Stripes, Primary, Positive Sum, Diffusion, Argo, Blackstone 등 기존 또는 보도된 투자자들이 포함된다. Reuters도 별도로 기업가치 상승을 보도했지만, 제공된 자료에는 전체 기사가 포함되어 있지 않았다.

Etched는 추론의 두 단계 모두를 겨냥한다

Etched의 공동창업자이자 COO인 Robert Wachen은 TechCrunch에 회사가 추론의 두 주요 단계를 다루기 위해 두 가지 구성 요소를 설계했다고 말했다. 첫 번째인 prefill은 프롬프트와 그 맥락을 처리한다. 출력물을 만들기 전에 입력을 분석해야 하므로 연산 집약적이다.

두 번째 단계인 decode는 출력 토큰을 하나씩 생성한다. 이 단계는 메모리 이동과 칩 간 통신의 제약을 더 많이 받는다. AI 개발자와 기업 구매자에게 decode 성능은 응답 지연, 처리량, 긴 요청이나 동시 요청을 처리하는 비용에 직접적인 영향을 줄 수 있다.

Wachen의 설명에 따르면 Etched의 prefill 칩은 저전압으로 작동해, 일부 고성능 AI 칩에서 나타나는 발열 문제 없이 더 많은 트랜지스터를 장치에 배치할 수 있다. decode를 위해 Etched는 cluster-scale memory라고 부르는 메모리 설계와 상호연결을 개발했다. 회사는 이를 통해 여러 칩이 낮은 지연시간으로 공유 메모리 풀에 접근할 수 있다고 말한다.

이러한 설계 선택은 긴밀하게 통합된 시스템을 통해 더 빠른 토큰 생성과 더 낮은 서비스 비용을 제공한다는 Etched의 핵심 제안이다. 기술적으로 구체적인 주장들이지만, 제공된 보도에는 Etched를 Nvidia 시스템이나 다른 추론 하드웨어와 비교하는 독립적인 측정은 포함되어 있지 않다.

Etched의 모델 전략에 대한 설명

Etched는 또한 자사 칩이 특정 AI 모델 하나에 영구적으로 맞춰 설계됐다는 초기 인식을 바로잡으려 하고 있다. 그런 초기 전략이었다면 하드웨어는 선택된 모델에는 매우 효율적이지만, 모델이 바뀔 때 재사용하기 어려웠을 것이다.

이제 회사는 자사 시스템이 어떤 frontier model이든 실행할 수 있다고 말한다. TechCrunch는 스타트업이 더 이상 하드웨어를 하나의 모델에 묶인 것으로 제시하지 않는다고 보도했다. 이런 더 넓은 호환성이 실제 생산 환경에서 입증된다면, 인프라를 교체하지 않고 모델을 업데이트해야 하는 AI 플랫폼과 기업에 장비가 더 실용적이 될 것이다.

이 차이는 구매자에게 중요하다. 수요가 예측 가능할 때는 특화 하드웨어가 더 나은 경제성을 제공할 수 있지만, 모델 유연성은 모델 제공업체가 소프트웨어 스택을 바꾼 뒤 아키텍처가 구식이 될 위험을 줄여준다. Etched의 기업가치는 투자자들이 회사가 특화성과 적응성을 동시에 제공할 수 있다고 믿고 있음을 시사하지만, 현재까지 확인 가능한 증거는 주로 회사의 발언과 초기 도입 보고에 불과하다.

AI 인프라 구매자에게 기업가치가 의미하는 것

Etched의 자금 조달은 지배적인 GPU 기반 인프라 모델의 대안에 대한 투자자들의 관심을 반영한다. 특히 AI 기업들이 지출을 학습보다 추론으로 더 많이 옮기고 있기 때문이다. 학습은 여전히 큰 하드웨어 시장이지만, 추론은 지속적으로 가동되며 변동하는 트래픽, 응답 시간 목표, 모델 업데이트를 처리해야 한다. 이러한 운영 요구는 전력 효율, 메모리 대역폭, 시스템 수준 네트워킹을 중요한 구매 기준으로 만든다.

제품 팀에게 Etched의 접근 방식은 높은 요청량이나 엄격한 지연시간 요구가 있는 애플리케이션에 관련될 수 있다. decode 속도를 개선하는 시스템은 고객 대면 채팅, 검색, 코딩 어시스턴트, AI 에이전트 워크로드에 영향을 줄 수 있다. 그러나 재무적 타당성은 칩 사양만으로 결정되지 않는다. 구매자는 활용률, 소프트웨어 지원, 모델 범위, 신뢰성, 배포 시간, 총소유비용에 대한 증거가 필요하다.

회사는 또한 TechCrunch가 “AI factories”라고 표현한, Nvidia가 완전한 AI 시스템을 판매하는 시장에 진입하고 있다. 이 비교는 경쟁의 규모를 보여준다. Etched는 단순한 부품을 파는 것이 아니라 통합된 추론 플랫폼을 판매하려 하고 있다. 기업가치를 유지하려면 고객이 이러한 시스템을 안정적으로 배포하고 측정 가능한 비용 절감이나 처리량 향상을 달성할 수 있음을 보여줘야 할 것이다.

기업가치의 급격한 상승은 실행에 대한 기준도 높인다. 비공개 시장 가격은 투자자들이 유망한 분야에 대한 노출을 놓고 경쟁할 때 빠르게 움직일 수 있지만, 반복 매출, 폭넓은 고객 채택, 장기적인 기술 리더십을 입증하지는 않는다. 이 문제들은 아직 열려 있다.

다음에 주목할 점

가장 분명한 신호는 Jane Street를 넘어서는 추가 고객 도입과 독립적으로 재현 가능한 성능 데이터다. 구매자들은 prefill과 decode 성능을 분리해 보여주고, 워크로드와 모델 조건을 보고하며, 기존 GPU 시스템과 총 서비스 비용을 비교하는 결과를 주시해야 한다.

Etched의 소프트웨어 호환성도 또 하나의 시험대가 될 것이다. 회사는 자사 시스템이 어떤 frontier model이든 실행할 수 있다고 말하지만, 앞으로의 발표에서는 지원되는 모델 아키텍처, 배포에 필요한 변경 사항, 플랫폼이 새 모델을 얼마나 빠르게 수용할 수 있는지 명확히 해야 한다.

투자자와 기업 고객은 제조 규모, 납기, 시스템 신뢰성, 데이터센터 배포를 지원할 회사의 역량에 대한 증거도 찾을 것이다. 이런 정보가 없다면 210억 달러의 기업가치는 강한 시장 신호이긴 하지만 Etched가 AI 인프라에서 지속 가능한 위치를 확보했다는 증거는 아니다.

Creati.ai 관점

Etched의 새로운 자금 조달은 헤드라인 기업가치보다도, 자본이 보고된 물리적 도입과 연결된다는 점에서 더 중요하다. Jane Street의 랙은 이 스타트업이 추론 중심 아키텍처가 연구실 밖에서도 작동하는지 시험할 기준점을 제공한다.

AI 개발자에게 핵심 질문은 Etched가 특화 하드웨어를 반복 가능한 플랫폼으로 바꿀 수 있는가 하는 점이다. 변화하는 모델에 충분히 유연하고, 서비스 비용을 낮출 만큼 효율적이며, 생산 환경에서 사용할 수 있을 만큼 잘 지원되는 플랫폼 말이다. 독립적인 벤치마크와 더 넓은 고객 기반이 나타나기 전까지, 회사의 기업가치는 그 기술에 대한 확정된 판단이 아니라 추론 수요와 실행력에 대한 베팅으로 읽어야 한다.