La startup de puces IA Etched, fondée en 2022 par trois décrocheurs de Harvard, a clôturé avec succès un tour de financement Série C de 300 millions de dollars, atteignant une valorisation de 10,3 milliards de dollars. Le cofondateur et directeur des opérations de l'entreprise, Robert Wachen, a officiellement confirmé cet accord majeur.

Ce tour de table a été dirigé par Sequoia Capital, avec la forte participation d'acteurs majeurs du capital-risque et de la technologie, notamment Andreessen Horowitz, SK Hynix, Jane Street et Diffusion Capital. L'inclusion de SK Hynix — l'un des principaux fabricants mondiaux de mémoire à large bande passante (HBM) — revêt une importance stratégique, étant donné que la bande passante mémoire est le principal goulot d'étranglement de l'inférence IA, le problème exact que l'architecture d'Etched vise à résoudre. La Série C a également bénéficié du soutien continu d'investisseurs précédents, notamment Peter Thiel, Andrej Karpathy, Dylan Field et Amjad Masad.

Cette injection massive de capital double la valeur d'Etched, qui passait d'une valorisation de 5 milliards de dollars en décembre 2024, un jalon atteint lors d'une levée de fonds de 500 millions de dollars. Etched affirme que sa nouvelle valorisation de 10,3 milliards de dollars représente la plus haute valorisation jamais atteinte lors d'un tour de table Série C dirigé par Sequoia.

De serveurs dans un garage à 1 milliard de dollars de commandes

La trajectoire d'Etched vers une entreprise de plusieurs milliards de dollars n'a rien de conventionnel. La startup se spécialise dans la conception de puces spécialisées — vendues sous forme de systèmes complets en rack — qui sont explicitement optimisées pour les modèles d'IA basés sur les transformeurs. Cette architecture spécifique sert de technologie fondatrice derrière des systèmes d'IA de premier plan tels que ChatGPT et Claude.

Les origines de l'entreprise se caractérisent par une extrême frugalité et une grande détermination. Wachen a rappelé les débuts modestes de la startup, notant que les fondateurs dormaient sur le sol d'un ami dans la baie de San Francisco après avoir abandonné leurs études à l'Université de Harvard. Dans ces premiers jours, l'équipe faisait fonctionner ses outils de conception de puces sur des serveurs physiquement situés dans le garage d'un des premiers employés. L'installation était si rudimentaire qu'elle nécessitait que la femme de l'employé redémarre manuellement les serveurs chaque fois que le système rencontrait des problèmes.

Aujourd'hui, l'échelle opérationnelle d'Etched s'est considérablement développée. L'entreprise emploie actuellement 400 personnes et exploite un immense centre de données de 2 mégawatts. La transition consistant à mener des opérations de conception rudimentaires dans un garage pour superviser la fabrication avancée du silicium souligne la mise à l'échelle rapide de la startup. Le mois dernier seulement, Etched a annoncé plusieurs étapes critiques : elle a fabriqué avec succès ses premières puces via Taiwan Semiconductor Manufacturing Company (TSMC), les systèmes initiaux étaient activement testés par des entreprises clientes, et l'entreprise avait déjà sécurisé 1 milliard de dollars de commandes. L'entreprise note qu'elle travaille avec certaines des plus grandes entreprises d'IA au monde, bien que les noms spécifiques des clients n'aient pas été divulgués publiquement.

Approche technique : les phases de pré-remplissage et de décodage

La technologie de base d'Etched se concentre sur l'optimisation de deux phases distinctes de l'inférence IA — le processus d'exécution des modèles formés pour générer des résultats pour les utilisateurs, ce qui représente la part dominante des coûts de calcul de l'IA dans le monde réel à mesure que les modèles sont déployés à grande échelle. En séparant le processus d'inférence en ces deux charges de travail de calcul distinctes, Etched personnalise efficacement l'architecture matérielle pour gérer les goulots d'étranglement spécifiques associés à chaque phase de la génération d'IA. La première est la « phase de pré-remplissage », qui implique que le système comprenne l'invite de l'utilisateur via un processus mathématique à forte intensité de calcul. La seconde est la « phase de décodage », qui est responsable de la génération des jetons de sortie réels que l'utilisateur final voit. Bien que la phase de décodage nécessite moins de calcul brut, elle exige une bande passante mémoire massive.

Pour répondre aux exigences de calcul de la phase de pré-remplissage, Etched a conçu une puce spécialisée qui fonctionne à une tension nettement inférieure à celle des puces IA concurrentes sur le marché. Cette réduction de tension diminue considérablement la génération de chaleur, ce qui permet à son tour d'intégrer une densité plus élevée de transistors dans le matériel. L'entreprise affirme que cette approche permet une inférence plus rapide à des coûts moindres par rapport aux accélérateurs IA à usage général.

Pour la phase de décodage, Etched a innové avec une nouvelle technologie de mémoire et d'interconnexion appelée « mémoire à l'échelle du cluster ». Cette architecture permet à de nombreuses puces de partager de manière transparente un pool de mémoire unifié avec une latence extrêmement faible. Selon Wachen, la combinaison de ces innovations matérielles se traduit par des vitesses de traitement nettement plus élevées à des coûts opérationnels moindres.

Répondre au scepticisme concernant la spécialisation du matériel

Lorsqu'Etched s'est lancée, le concept de création d'une puce spécifiquement adaptée aux modèles d'IA basés sur les transformeurs était largement considéré comme une entreprise risquée par les observateurs de l'industrie. L'entreprise continue de naviguer à travers la perception selon laquelle ses systèmes spécialisés ne sont capables d'exécuter que des modèles de langage spécifiques.

Wachen a directement abordé ce scepticisme, clarifiant que les systèmes d'Etched possèdent la polyvalence nécessaire pour exécuter n'importe quel modèle d'IA. Cela inclut la compatibilité avec les architectures Mixture of Experts (MoE), telles que DeepSeek et Qwen, ainsi que des conceptions non basées sur les transformeurs comme Mamba, qui utilise une architecture de modèle à espace d'états.

Le secteur technologique au sens large semble valider progressivement l'approche spécialisée d'Etched. Par exemple, Google développe apparemment sa puce Frozen v2 spécifiquement adaptée à son modèle d'IA Gemini, s'appuyant sur son programme établi de TPU (Tensor Processing Unit). Amazon a investi de manière similaire dans le silicium personnalisé via ses lignes de puces Trainium et Inferentia pour les charges de travail d'IA sur AWS, et Meta a développé son accélérateur d'inférence MTIA. Ce mouvement suggère que le concept de graver des fonctionnalités spécifiques aux modèles directement dans le silicium gagne régulièrement en acceptation dans l'industrie grand public.

Confiance des investisseurs grâce à des démonstrations pratiques

Etched a réussi à sécuriser sa liste d'investisseurs très éminents en les invitant à des démonstrations matérielles pratiques et privées organisées dans ses propres bureaux. Wachen a souligné que des personnalités clés du secteur, dont Andrej Karpathy d'Anthropic, Noam Brown d'OpenAI, le pionnier de l'IA Geoffrey Hinton, et tous les soutiens financiers participant au tour de financement, ont testé physiquement le matériel avant d'engager leur capital.

« Ce sont tous des gens qui ont réellement essayé le matériel et qui sont très enthousiastes à ce sujet », a déclaré Wachen au sujet des investisseurs et des testeurs. Le fait que des vétérans de l'industrie et des collaborateurs de laboratoires d'IA concurrents soient prêts à soutenir publiquement le matériel démontre une confiance significative dans l'architecture sous-jacente d'Etched.

Malgré des progrès substantiels et un soutien redoutable, Wachen a reconnu que l'entreprise est encore confrontée à des obstacles importants pour étendre ses opérations. « Nous n'avions aucune idée de la difficulté que ce serait », a-t-il admis. « Je pense que nous devons encore rester humbles face à ce qu'il faudra pour atteindre une véritable échelle. »

Implications pour l'industrie de l'IA

La trajectoire de croissance rapide d'Etched et sa capacité à sécuriser la confiance des investisseurs de haut niveau signalent un changement plus large dans le paysage du matériel d'IA. À mesure que les modèles d'IA continuent de devenir de plus en plus complexes, la demande de puces d'inférence spécialisées capables de réduire simultanément la consommation d'énergie et de diminuer les coûts opérationnels devrait augmenter considérablement. Ces composants matériels spécialisés pourraient bien devenir des infrastructures critiques pour le prochain déploiement de l'intelligence artificielle.

Si Etched tient ses promesses techniques ambitieuses et développe ses capacités de fabrication, elle pourrait représenter un défi direct à la domination actuelle de Nvidia sur le marché de l'informatique IA. Nvidia contrôle une part estimée à 80 % ou plus du marché des puces IA, et l'émergence de concurrents bien financés axés sur le matériel d'inférence sur mesure marque l'une des dynamiques concurrentielles les plus importantes à surveiller dans les industries des semi-conducteurs et de l'infrastructure d'IA.