Das KI-Inferenz-Chip-Startup Etched bereitet einer am 18. August veröffentlichten Meldung des Wall Street Journal zufolge eine neue Finanzierungsrunde über 700 Millionen US-Dollar zu einer Bewertung von rund 21 Milliarden US-Dollar vor – mehr als das Doppelte der 10,3 Milliarden US-Dollar, die das Unternehmen Ende Juli in seiner Series-C-Runde erhielt, einer von Sequoia geführten Runde über 300 Millionen US-Dollar.

Der neue Wert entspricht einer Vervierfachung der Bewertung von 5 Milliarden US-Dollar aus dem Dezember 2025 und kommt kaum einen Monat nach dem Abschluss der Series-C-Runde am 31. Juli, an der auch Andreessen Horowitz (a16z), SK Hynix, Jane Street und Diffusion Capital beteiligt waren. SK Hynix zählt zu den größten Speicherchip-Herstellern der Welt und ist ein wichtiger Lieferant des in KI-Beschleunigern eingesetzten High-Bandwidth-Speichers – wodurch Etched einen Geldgeber mit direkter Anbindung an jene Speicher-Lieferkette erhält, auf die KI-Systeme im Rack-Maßstab angewiesen sind.

Etched hat zudem Jane Street als ersten Kunden verpflichtet und dem quantitativ handelnden Schwergewicht an der Wall Street ein Server-Rack mit KI-Prozessoren geliefert, die für schnelle Inferenz-Berechnungen optimiert sind. Ein bezahlter Einsatz in dieser frühen Phase ist eine wichtige Bestätigung für ein junges Chip-Startup, da Großkunden in der Regel erst zusagen, wenn neues Silizium seine Zuverlässigkeit im großen Maßstab unter Beweis gestellt hat. Das Tempo des Unternehmenswachstums – Etched trat erst am 30. Juni aus dem Stealth-Modus hervor – unterstreicht den breiten Ansturm auf Alternativen zu Nvidia, das an der Spitze der Lieferkette für das Silizium, das den KI-Boom antreibt, einen deutlichen Vorsprung hält.

„Diese Runde spiegelt die wachsende Überzeugung der Branche wider, dass die Herausforderung einen neuen Akteur erfordert, der bereit ist, den Stack von Grund auf neu zu entwickeln“, sagte Mitgründer und CEO Gavin Uberti in einer Erklärung.

Was die Chips von Etched leisten

Etched verkauft komplette Rack-Systeme, die auf den Inferenz-Teil des KI-Compute-Stacks optimiert sind – jenen Schritt, der erfolgt, nachdem Nutzer Prompts eingereicht haben. Das Unternehmen argumentiert, dass die alleinige Fokussierung auf die Inferenz den Bau spezialisierter Chips ermöglicht – im Gegensatz zu Nvidia, das Allzweck-GPUs sowohl für das KI-Training als auch für die Inferenz baut.

Etched unterteilt die Arbeit in zwei Phasen. Die Prefill-Phase, die Prompts liest und interpretiert, nutzt das, was Mitgründer Robert Wachen als Niedervolt-Inferenz bezeichnet – eine Designentscheidung, die es dem Chip erlaubt, kühler zu laufen, mehr Transistoren unterzubringen und mit höherer Taktfrequenz zu arbeiten. Die Decode-Phase, in der das Modell seine Antwort Token für Token schreibt, setzt auf ein Cluster-Scale-Memory-Design. Diese Shared-Memory-Architektur ermöglicht es Beschleunigern innerhalb eines Racks, Daten aus einem anderen Speicher-Pool abzurufen, statt sie selbst kopieren zu müssen.

Etched gab an, dass seine Systeme bereits in den Modellen DeepSeek, Qwen, Mamba und Llama zum Einsatz kommen.

Große Geldströme fließen in die Inferenz

Die Finanzierungsrunde kommt zu einem Zeitpunkt, an dem Prognostiker die Inferenz als den am schnellsten wachsenden Teilbereich eines ohnehin boomenden KI-Sektors ausmachen. Etched hat sein Versprechen eingelöst, bis zum Sommer mit dem Versand von Chips zu beginnen, und mehr als 1 Milliarde US-Dollar an gebuchten Aufträgen erreicht, wie Cryptopolitan berichtete.

Bloomberg Intelligence hat für den Inferenz-Sektor bis 2032 ein Ziel von 1,3 Billionen US-Dollar angesetzt – eine Zahl, die die Größe des Marktes für KI-Training verdoppeln würde. Iron Mountain und Structure Research erwarten, dass die Inferenz-Kapazität in diesem Jahr die Trainingskapazität überholt und weiter wächst, bis sie bis 2030 80 % der KI-Compute-Last ausmacht. Die zugrunde liegende Ökonomie erklärt diese Entwicklung: Das Training eines Modells ist eine diskrete, einmalige Ausgabe, während die Inferenz jedes Mal läuft, wenn ein Nutzer einen Prompt sendet, eine Suche durchführt oder einen KI-Agenten auslöst – ein wiederkehrender Kostenblock, der mit der tatsächlichen Verbreitung der Technologie skaliert.

Der Ansturm auf den Bau von KI-Rechenzentren hat eine beständige Nachfrageroute geschaffen, die von Akteuren wie Nvidia, Cerebras und AMD gespeist wird – Unternehmen, die ebenfalls inferenzspezifische Systeme auf Basis derselben von Etched beschriebenen Aufteilung in Prefill und Decode entwickeln.

Etched beschäftigt inzwischen mehr als 400 Menschen und hat einen Erfolg beim ersten Silizium-Durchlauf auf TSMCs N4P-Prozess gemeldet, einem Fertigungsknoten der 4-Nanometer-Klasse. Das Unternehmen betreibt ein 2-Megawatt-Rechenzentrum an seinem Hauptsitz in San Jose und hat im nahegelegenen Milpitas eine neue 80.000 Quadratfuß große Anlage mit 10 Megawatt eröffnet, wie TechCrunch berichtete. Entscheidend ist nun die Umsetzung: ob sich das Auftragsbuch in Systeme verwandelt, die in den Rechenzentren der Kunden laufen, während konkurrierende Inferenz-Angebote im großen Stil auf den Markt kommen.