Etched привлекла $700 млн при оценке в $21 млрд, примерно удвоив стоимость стартапа по производству ИИ-чипов за месяц после того, как торговая фирма Jane Street протестировала и установила свою первую поставленную систему. Раунд финансирования, объявленный во вторник Etched и освещенный TechCrunch, дал компании один из самых быстрых приростов оценки на нынешнем рынке ИИ-оборудования.

Согласно TechCrunch, в июле во время раунда Series C на $300 млн Etched оценивали в $10,3 млрд. В декабре оценка компании составляла $5 млрд. Таким образом, последний раунд добавляет почти $11 млрд к заявленной стоимости примерно за месяц, хотя эта цифра отражает оценку в рамках частного финансирования, а не цену на публичном рынке.

Сделка важна, потому что Etched выстраивает свою позицию вокруг более узкой и все более важной инфраструктурной задачи: стоимости и скорости запуска ИИ-моделей после того, как пользователь отправил запрос. Системы компании, которые она называет “frontier inference clusters”, призваны ускорять ответы моделей, а не конкурировать только как универсальное оборудование для обучения.

Развертывание Jane Street дает Etched коммерческий тест-кейс

По данным компании, новый раунд возглавила Jane Street после оценки оборудования Etched. В блоге инвестиционной фирмы, на который сослался TechCrunch, Jane Street заявила, что протестировала чип, осталась довольна ранними результатами и теперь имеет собственный rack, работающий в дата-центре.

Это более конкретный сигнал, чем одно лишь объявление о финансировании, но он все еще ограничен. Имеющиеся материалы не раскрывают размер развертывания Jane Street, выполняемые рабочие нагрузки, производительность в боевой среде или используется ли система по всей фирме. Комментарии Jane Street также представляют собой оценку инвестора и клиента, а не независимый бенчмарк.

В раунд вошли существующие или упомянутые ранее инвесторы и спонсоры, такие как Kleiner Perkins, Sequoia Capital, Andreessen Horowitz, Peter Thiel, Tiger Global, Bain Capital Ventures, Neo, Stripes, Primary, Positive Sum, Diffusion, Argo и Blackstone. Reuters отдельно сообщал о росте оценки, но полный текст его статьи не был доступен в предоставленных материалах.

Etched нацелена на обе стадии инференса

Сооснователь и COO Etched Роберт Вахен рассказал TechCrunch, что компания разработала два компонента для двух основных стадий инференса. Первый, известный как prefill, обрабатывает запрос и его контекст. Он вычислительно интенсивен, потому что система должна проанализировать входные данные перед тем, как выдать ответ.

Вторая стадия, decode, генерирует выходные токены по одному. Она больше ограничена перемещением данных в памяти и коммуникацией между чипами. Для разработчиков ИИ и корпоративных покупателей производительность decode напрямую влияет на задержку ответа, пропускную способность и стоимость обслуживания длинных или одновременных запросов.

По словам Вахена, чип prefill у Etched работает при низком напряжении, что позволяет компании размещать больше транзисторов на устройстве без проблем с нагревом, характерных для некоторых высококлассных ИИ-чипов. Для decode Etched разработала архитектуру памяти и межсоединение, которые компания называет cluster-scale memory. По словам компании, это позволяет нескольким чипам получать доступ к общему пулу памяти с низкой задержкой.

Эти решения лежат в основе предложения Etched: более быстрой генерации токенов и более низкой стоимости обслуживания за счет тесно интегрированной системы. Эти утверждения технически конкретны, но в предоставленном материале нет независимых измерений, сравнивающих Etched с системами Nvidia или другим оборудованием для инференса.

Уточнение стратегии Etched в отношении моделей

Etched также пытается скорректировать раннее представление о том, что ее чипы были навсегда заточены под одну конкретную ИИ-модель. Такая исходная стратегия сделала бы оборудование очень эффективным для выбранной модели, но трудным для повторного использования по мере изменения моделей.

Теперь компания заявляет, что ее системы могут запускать любую frontier model. TechCrunch сообщил, что стартап больше не позиционирует оборудование как привязанное к одной модели. Такая более широкая совместимость, если она будет продемонстрирована в продакшене, сделает оборудование более практичным для ИИ-платформ и предприятий, которым нужно обновлять модели без замены инфраструктуры.

Это различие важно для покупателей. Специализированное оборудование может обеспечить лучшую экономику при предсказуемом спросе, но гибкость моделей снижает риск того, что архитектура устареет после изменения программного стека у поставщика модели. Оценка Etched говорит о том, что инвесторы считают, что компания может дать и специализацию, и адаптивность, но пока имеющиеся данные — это в основном заявления компании и ранний отчет о внедрении.

Что означает оценка для покупателей ИИ-инфраструктуры

Финансирование Etched отражает интерес инвесторов к альтернативам доминирующей GPU-инфраструктуре, особенно по мере того как ИИ-компании смещают расходы с обучения на инференс. Обучение остается крупным рынком оборудования, но инференс работает непрерывно и должен справляться с переменным трафиком, целевыми задержками и обновлениями моделей. Эти операционные требования делают энергоэффективность, пропускную способность памяти и системные сети важными критериями покупки.

Для продуктовых команд подход Etched может быть актуален для приложений с высоким объемом запросов или жесткими требованиями к задержке. Система, улучшающая скорость decode, может повлиять на клиентские чат-сервисы, поиск, ассистентов программирования и рабочие нагрузки ИИ-агентов. Однако финансовая логика зависит не только от характеристик чипа. Покупателям нужны доказательства по загрузке, поддержке ПО, охвату моделей, надежности, срокам развертывания и общей стоимости владения.

Компания также выходит на рынок, где Nvidia продает полные ИИ-системы, которые TechCrunch назвал “AI factories”. Это сравнение подчеркивает масштаб конкуренции. Etched продает не просто компонент; она пытается продавать интегрированную платформу инференса. Чтобы оправдать свою оценку, компании, вероятно, придется показать, что клиенты могут надежно развертывать такие системы и получать измеримую экономию или рост пропускной способности.

Резкий рост оценки также повышает планку исполнения. Цены на частном рынке могут быстро меняться, когда инвесторы конкурируют за участие в перспективной категории, но это не доказывает наличие повторяющейся выручки, широкого принятия клиентами или долгосрочного технологического лидерства. Эти вопросы остаются открытыми.

За чем следить дальше

Наиболее ясными сигналами станут дополнительные внедрения клиентов помимо Jane Street и независимо воспроизводимые данные о производительности. Покупателям следует обращать внимание на результаты, разделяющие производительность prefill и decode, указывающие условия рабочих нагрузок и моделей, а также сравнивающие общие затраты на обслуживание с устоявшимися GPU-системами.

Совместимость ПО Etched будет еще одной проверкой. Компания утверждает, что ее системы могут запускать любую frontier model, но будущие объявления должны уточнить поддерживаемые архитектуры моделей, изменения, необходимые для внедрения, и то, как быстро платформа может адаптироваться к новым моделям.

Инвесторы и корпоративные клиенты также будут искать доказательства масштаба производства, сроков поставки, надежности системы и способности компании поддерживать развертывания в дата-центрах. Без этой информации оценка в $21 млрд остается сильным рыночным сигналом, но не доказательством того, что Etched закрепила за собой устойчивую позицию в ИИ-инфраструктуре.

Мнение Creati.ai

Новое финансирование Etched важно не столько из-за заголовочной оценки, сколько потому, что оно связывает капитал с сообщаемым физическим развертыванием. Rack компании Jane Street дает стартапу точку отсчета для проверки того, работает ли его архитектура, ориентированная на инференс, за пределами лаборатории.

Ключевой вопрос для разработчиков ИИ — сможет ли Etched превратить специализированное оборудование в повторяемую платформу: достаточно гибкую для меняющихся моделей, достаточно эффективную, чтобы снизить затраты на обслуживание, и достаточно хорошо поддерживаемую для использования в продакшене. Пока не появятся независимые бенчмарки и более широкая клиентская база, оценку компании следует воспринимать как ставку на спрос на инференс и на способность выполнять обещания, а не как окончательный вердикт о ее технологии.