A Etched, startup que constrói hardware personalizado para inferência de IA, levantou uma Série C de US$ 300 milhões a uma avaliação de US$ 10,3 bilhões, segundo a TechCrunch, que citou o cofundador e COO Robert Wachen. A rodada foi liderada pela Sequoia, com participação da Andreessen Horowitz, SK Hynix, Jane Street, Diffusion Capital e investidores anteriores.

O financiamento importa para além do tamanho do cheque. É mais um sinal de que investidores estão dispostos a financiar alternativas à infraestrutura de IA centrada na Nvidia se essas startups conseguirem mostrar silício funcionando, testes iniciais com clientes e um caminho plausível para reduzir os custos de inferência. No caso da Etched, a empresa afirma já ter fabricado seus chips, estar testando sistemas completos com clientes e ter fechado US$ 1 bilhão em pedidos. Essas alegações operacionais, porém, vêm da própria empresa e não foram verificadas de forma independente no material de origem.

A Etched vem chamando atenção desde sua fundação, em 2022, porque adotou uma abordagem incomumente assertiva: projetar hardware em torno das cargas de trabalho que dominam o serving moderno de modelos e vender sistemas completos em vez de chips isolados. Essa ideia parecia fácil de descartar no início, quando o mercado convergia em torno das GPUs. Mas, à medida que os gastos com IA migram do treinamento para a inferência em produção, a proposta da startup ficou mais clara para investidores e compradores corporativos em busca de ganhos de custo e latência.

Por que a captação da Etched se destaca agora

Segundo a TechCrunch, a nova avaliação da Etched é aproximadamente o dobro da avaliação de US$ 5 bilhões que ela alcançou em dezembro, quando levantou US$ 500 milhões. A TechCrunch também informou que a empresa diz que esta é a maior avaliação já registrada para uma Série C liderada pela Sequoia. Esse superlativo específico é uma afirmação da empresa repassada pela publicação, não um dado de mercado estabelecido de forma independente.

O momento é notável. O financiamento de infraestrutura de IA tem se dividido cada vez mais em dois campos: plataformas amplas de computação que competem em flexibilidade e sistemas especializados que miram uma fatia mais estreita, porém potencialmente enorme, da demanda. A Etched está firmemente no segundo campo. Seu argumento é que a economia de servir modelos em escala é diferente da economia de treiná-los, e que hardware dedicado de inferência pode superar aceleradores de uso geral nas cargas de trabalho mais importantes em produção.

Essa proposta está encontrando audiência porque o gargalo na implantação de IA já não é apenas acesso a computação bruta. Desenvolvedores e empresas também estão focados em latência, consumo de energia, largura de banda de memória e custo por token gerado. Se uma startup puder melhorar substancialmente essas métricas sem forçar os clientes a reescrever toda a sua stack, ela pode encontrar demanda mesmo em um mercado dominado pela Nvidia.

A lista de investidores da empresa também ajuda a explicar a atenção. Além da Sequoia e da Andreessen Horowitz, a TechCrunch diz que a Etched tem apoio da SK Hynix e de indivíduos de alto perfil como Peter Thiel, Andrej Karpathy, Dylan Field e Amjad Masad. Para uma startup de chips, o apoio da SK Hynix é especialmente relevante porque o design de memória e interconexão é central para o desempenho de inferência, não apenas a computação bruta.

A alegação de produto: chips personalizados para inferência sem GPUs

A mensagem central da Etched, conforme descrita por Wachen à TechCrunch, é que seus sistemas podem acelerar a inferência em modelos de IA sem depender de GPUs. A startup diz que seu hardware pode rodar “qualquer modelo de IA”, incluindo sistemas baseados em transformers, designs de Mixture of Experts como DeepSeek e Qwen e até arquiteturas não transformer como Mamba.

Essa amplitude importa porque uma das críticas comuns a chips de IA específicos para aplicações é que eles podem ficar obsoletos com mudanças de modelo. Um sistema otimizado de forma muito estreita para uma arquitetura pode entregar demos impressionantes, mas envelhecer mal se os desenvolvedores migrarem para outra família de modelos. A Etched está claramente tentando contrariar essa preocupação ao argumentar que sua arquitetura é mais ampla do que muitos céticos supõem.

A TechCrunch relata que a Etched divide a inferência em duas etapas: prefill e decode. Na descrição da empresa, prefill é o trabalho intensivo em computação de processar o prompt e seu contexto, enquanto decode é a fase de geração token por token, menos intensiva em computação, mas altamente dependente de memória. A Etched diz ter projetado do zero dois novos componentes para lidar com essas etapas.

Para o prefill, Wachen disse à TechCrunch que a Etched construiu um chip que opera em menor voltagem, o que a empresa afirma reduzir o calor e permitir um empacotamento mais denso de transistores. Para o decode, a empresa diz ter criado o que chama de cluster-scale memory, junto com tecnologia de interconexão que permite que muitos chips compartilhem uma piscina de memória com baixa latência. O resultado prometido é inferência mais rápida com menor custo.

Essas são afirmações importantes, mas continuam sendo relatos da própria empresa. O material de origem não inclui benchmarks de terceiros, estudos de caso de clientes, análise independente de desmontagem ou comparações padronizadas com sistemas da Nvidia. Isso não significa que as alegações sejam falsas; significa que compradores e desenvolvedores devem tratá-las como promissoras, mas ainda preliminares, até que surjam evidências mais amplas.

Progresso na fabricação e sinais iniciais de implantação

Uma das razões pelas quais a Etched está recebendo avaliação premium é que a empresa parece ter avançado além de slides e promessas. A TechCrunch relata que a startup anunciou anteriormente a fabricação bem-sucedida de seu primeiro lote de silício pela TSMC, e que seus primeiros sistemas completos estão sendo testados por clientes.

Essa distinção importa em semicondutores. Muitas startups de chips de IA atraem capital com ideias de arquitetura, mas muito menos passam pela fabricação e chegam à validação do sistema. A Etched também já não é uma pequena iniciativa de pesquisa. Segundo a TechCrunch, a empresa agora tem 400 funcionários, opera um data center de 2 megawatts em sua sede principal e abriu uma nova instalação de 80.000 pés quadrados e 10 MW em Milpitas.

Esses detalhes de infraestrutura sugerem que a empresa está se preparando não apenas para projetar chips, mas também para validar, operar e potencialmente implantar racks completos em escala significativa. Para compradores de IA empresarial, isso é relevante porque decisões de compra de hardware dependem cada vez mais da prontidão do sistema completo, da integração de software e do suporte operacional, e não apenas da ficha técnica do chip.

Ainda assim, há um grande abismo entre ter sistemas iniciais em teste e entregar em escala. O próprio Wachen reconheceu que escalar fabricação e implantação continua difícil, segundo a TechCrunch. Essa cautela é importante. Startups de hardware podem parecer confiáveis muito antes de provarem resiliência da cadeia de suprimentos, confiabilidade em campo, capacidade de manutenção e maturidade de software sob cargas de trabalho de clientes.

Evidências, benchmarks e o que continua sem verificação

Os pontos factuais mais sólidos desta história são os termos de financiamento relatados pela TechCrunch, os investidores nomeados incluindo Sequoia, Andreessen Horowitz, Jane Street, Diffusion Capital e SK Hynix, e a narrativa pública da Etched de que possui silício funcional e testes de sistema com clientes em andamento.

Os sinais operacionais mais ambiciosos precisam de mais escrutínio. Os US$ 1 bilhão em pedidos reportados são uma alegação da empresa veiculada pela TechCrunch. As fontes fornecidas não definem se esses pedidos são ordens de compra vinculantes, reservas, cartas de intenção ou outra forma de sinal de demanda. Essa distinção importa porque empresas de infraestrutura de IA frequentemente citam backlog ou demanda contratada antes que a receita seja reconhecida ou que as entregas comecem.

Da mesma forma, as alegações da Etched de que seus sistemas podem rodar qualquer modelo de IA e entregar altas velocidades a menor custo não foram benchmarkadas de forma independente nos materiais fornecidos. O artigo observa que o acesso até agora foi limitado, principalmente por meio de demonstrações para investidores e primeiros clientes. Wachen também citou interesse de figuras associadas à Anthropic e à OpenAI, mas essas observações devem ser lidas como comentários de executivo, não como endossos formais de produto da Anthropic ou da OpenAI.

O contexto mais amplo do mercado, porém, torna a tese da Etched mais fácil de entender. A TechCrunch observa que a Google estaria perseguindo um conceito relacionado com um chip “Frozen v2” para o Gemini. Mesmo que as implementações sejam diferentes, a lógica subjacente é semelhante: se a inferência se tornar o principal centro de custos, silício personalizado voltado para padrões específicos de serving se torna mais atraente.

O que isso significa para builders de IA e compradores corporativos

Para builders, a pergunta prática não é se um chip de inferência personalizado soa elegante. É se ele consegue se encaixar em pipelines reais de implantação para LLMs, DeepSeek, Qwen ou sistemas baseados em Mamba sem introduzir atrito suficiente para anular os ganhos de hardware. Compatibilidade entre arquiteturas de modelo, suporte a frameworks modernos de serving e confiabilidade sob cargas de trabalho mistas importarão mais do que valuations de manchete.

Para equipes de IA empresarial, a ascensão da Etched é mais um lembrete de que a stack de infraestrutura está se abrindo abaixo da camada de aplicação. A Nvidia continua sendo a opção padrão, mas empresas que servem inferência em alto volume podem, no futuro, ter mais opções entre sistemas desenvolvidos para esse fim, racks otimizados para memória e plataformas verticalmente integradas. Se a Etched conseguir validar em produção suas alegações de inferência em baixa voltagem e cluster-scale memory, poderá pressionar incumbentes na economia de custo por token e tempo de resposta.

O desafio é o risco de aquisição. Empresas não compram apenas desempenho. Elas compram garantia de fornecimento, ferramentas de software, cobertura de suporte, revisão de segurança e credibilidade do roadmap. Uma startup pode ganhar interesse piloto com uma demo convincente de rack, mas a adoção ampla normalmente só vem depois que evidências de implantação repetível se acumulam.

Para o mercado de chips de IA, a rodada reforça uma mudança de “alguém pode desafiar as GPUs?” para “quais cargas de trabalho de IA agora são grandes o suficiente para justificar silício personalizado?”. A inferência é a candidata mais clara, especialmente à medida que o uso de modelos cresce e os compradores buscam alternativas aos caros aceleradores de uso geral.

O que observar a seguir

Os próximos sinais a acompanhar são diretos. Primeiro, se a Etched publicar benchmarks independentes contra sistemas de inferência baseados em Nvidia, sob condições claramente descritas. Segundo, se surgirem clientes nomeados com detalhes de implantação em produção, em vez de referências a testes privados. Terceiro, se a empresa esclarecer a natureza de seu backlog de pedidos reportado de US$ 1 bilhão.

Também valerá a pena observar como a Etched dá suporte à diversidade de modelos ao longo do tempo. Alegações de amplo suporte a sistemas transformer, modelos de Mixture of Experts como DeepSeek e Qwen e abordagens de state-space como Mamba são estrategicamente importantes. Elas precisarão se sustentar à medida que o software de serving e as arquiteturas de modelo evoluem.

Por fim, o ritmo de fabricação e entrega da empresa pode importar mais do que qualquer marco de captação. Uma instalação de 10 MW e sistemas funcionando são significativos, mas o verdadeiro teste é se a Etched consegue passar de acesso inicial para implantações repetíveis e com suporte sem perder as vantagens de custo que justificam seu design.

Perspectiva da Creati.ai

A rodada mais recente da Etched é menos um veredicto sobre uma única startup do que um sinal de que a inferência se tornou o campo de batalha mais quente da infraestrutura de IA. O treinamento ainda traz prestígio, mas a economia de produção é o que define os orçamentos. Qualquer empresa capaz de reduzir latência e custo para servir modelos populares tem uma oportunidade real, mesmo em um mercado moldado pela Nvidia.

A cautela é que histórias de hardware muitas vezes correm à frente das evidências de campo. A Etched parece ter cruzado vários marcos difíceis, incluindo fabricação e testes de sistema, o que a torna mais crível do que muitos aspirantes a chips de IA. Mas, até que benchmarks independentes e implantações de clientes sejam públicos, a avaliação é melhor interpretada como um voto de confiança dos investidores em uma tese: a de que infraestrutura especializada de IA empresarial para agentes de IA e serving de modelos pode se tornar um grande negócio se provar ser mais fácil de adotar do que seus céticos esperam.