O mercado acreditou na arquitetura da Etched
A startup Etched, que desenvolve soluções especializadas para inferência de IA, fechou uma nova rodada de financiamento. A empresa captou US$ 700 milhões e sua avaliação chegou a US$ 21 bilhões. A rodada foi liderada pela Jane Street — uma firma de investimentos conhecida por seu ceticismo em relação a projetos de IA badalados. O fato de ela ter se tornado a investidora líder diz muito: a Etched conseguiu convencer um player conservador do valor real de sua tecnologia.
Esta já é a terceira alta significativa de avaliação em pouco tempo. Em dezembro do ano passado, a Etched valia US$ 5 bilhões. Em julho, a empresa fechou uma rodada Série C de US$ 300 milhões com avaliação de US$ 10,3 bilhões. Agora, os investidores dobraram o valor em praticamente um mês — um crescimento de quase US$ 11 bilhões. Uma ascensão tão rápida é rara até mesmo no aquecido mercado de infraestrutura de IA.
O que exatamente os engenheiros da Etched criaram
A Etched não vende apenas chips — a empresa fornece sistemas completos, que ela chama de "frontier inference clusters". São clusters prontos para executar os modelos mais pesados, que já não podem ser chamados de aceleradores individuais. O cofundador e COO Robert Wachen contou ao TechCrunch que a equipe projetou dois novos componentes que aceleram a inferência em suas duas etapas principais.
Estágio prefill: baixa tensão em vez de lidar com o calor
Quando o modelo processa a solicitação de entrada, primeiro vem o estágio prefill — a "análise" do prompt e a preparação dos estados internos. É aqui que a Etched aplicou uma abordagem não convencional: em vez de aumentar as frequências e resfriar o cristal de forma exaustiva, os engenheiros criaram um chip que opera em baixa tensão. Isso permite colocar significativamente mais transistores na placa sem esbarrar nas limitações térmicas. A densidade de computação aumenta, e o superaquecimento não se torna um gargalo.
Estágio decode: memória em escala de cluster
O segundo estágio é o decode, ou seja, a geração da resposta. Aqui, o gargalo geralmente é o acesso à memória: cada novo token exige uma troca rápida de dados entre os blocos de computação. Para isso, a Etched criou um novo tipo de memória e interconexão, chamado de cluster-scale memory. A ideia é que vários chips se conectam em uma rede única e usam memória compartilhada com alta velocidade e baixa latência. Na prática, todo o cluster funciona como um acelerador gigante, e não como um conjunto de dispositivos separados.
Antes, havia rumores de que a Etched gravava um modelo específico de forma permanente no silício e, por isso, não conseguiria se adaptar a novas arquiteturas. A empresa refutou essas preocupações: os sistemas atuais são capazes de executar quaisquer modelos frontier, ou seja, as redes neurais de propósito geral mais avançadas.
Por que a Jane Street decidiu fazer uma aposta grande
Para a Jane Street, participar da rodada não é apenas uma injeção financeira. A firma afirmou que conduziu seus próprios testes do chip e ficou satisfeita com os resultados iniciais. Além disso, a Jane Street agora tem um rack próprio com equipamentos da Etched em um data center. Isso significa que o investidor não acreditou apenas na palavra da empresa, mas teve acesso ao hardware e o testou na prática.
O próprio negócio parece um voto de confiança em todo o conceito da Etched. Chips especializados para inferência são uma aposta arriscada, já que o mercado muda rapidamente e os grandes modelos de linguagem evoluem. Mas a combinação do chip prefill de baixa tensão com a memória de cluster escalável dá à Etched argumentos para competir com aceleradores de uso geral.
Além da Jane Street, participaram da rodada investidores já conhecidos de negócios anteriores: Kleiner Perkins, Sequoia Capital, Andreessen Horowitz, Tiger Global, Bain Capital Ventures, Primary, Positive Sum, Diffusion, Argo, Blackstone, além de Peter Thiel e Neo, Stripes. O grupo é sólido — de fundos de venture capital clássicos a grandes players financeiros.
A empresa promete aos seus clientes maior velocidade de inferência e custos mais baixos em comparação com soluções tradicionais. Se as características declaradas se confirmarem em cargas reais de produção, US$ 21 bilhões podem não ser o pico, mas apenas um ponto intermediário.
