Etched, startup di chip per l'inferenza AI, si sta preparando a una nuova raccolta di fondi da 700 milioni di dollari con una valutazione di circa 21 miliardi, più del doppio dei 10,3 miliardi di dollari ottenuti con la Serie C di fine luglio — un round da 300 milioni di dollari guidato da Sequoia — secondo un report del Wall Street Journal pubblicato il 18 agosto.

La nuova cifra rappresenta un aumento di quattro volte rispetto alla valutazione di 5 miliardi di dollari dell'azienda nel dicembre 2025, e arriva appena un mese dopo la chiusura della Serie C il 31 luglio, con la partecipazione anche di Andreessen Horowitz (a16z), SK Hynix, Jane Street e Diffusion Capital. SK Hynix è uno dei maggiori produttori mondiali di chip di memoria e un importante fornitore della memoria ad alta larghezza di banda utilizzata negli acceleratori AI, offrendo a Etched un investitore con legami diretti con la filiera della memoria da cui dipendono i sistemi AI su scala rack.

Etched ha inoltre concluso un accordo con Jane Street come primo cliente, consegnando al gigante del trading quantitativo di Wall Street un rack di server dotato di processori AI ottimizzati per il calcolo di inferenza rapida. Ottenere una distribuzione a pagamento così rapidamente costituisce una validazione significativa per una giovane startup di chip, poiché i grandi clienti in genere vogliono prove che il nuovo silicio possa funzionare in modo affidabile su larga scala prima di impegnarsi. Il ritmo di crescita dell'azienda — è uscita dalla modalità stealth solo il 30 giugno — evidenzia la più ampia corsa a trovare alternative a Nvidia, che detiene un vantaggio dominante a capo della catena di approvvigionamento che fornisce il silicio che alimenta il boom dell'AI.

"Questo round riflette una crescente convinzione del settore che la sfida richieda un nuovo entrante disposto a ricostruire lo stack partendo dai principi fondamentali", ha dichiarato in una nota il cofondatore e amministratore delegato Gavin Uberti.

Cosa fanno i chip di Etched

Etched vende sistemi rack completi ottimizzati per la porzione di inferenza dello stack di calcolo AI, la fase che avviene dopo che gli utenti inviano i prompt. L'azienda sostiene che la sua focalizzazione esclusiva sull'inferenza le permetta di costruire chip specializzati, in contrasto con Nvidia, che produce GPU general-purpose sia per l'addestramento che per l'inferenza AI.

Etched divide il lavoro in due fasi. La fase di prefill, che legge e interpreta i prompt, utilizza quella che il cofondatore Robert Wachen definisce inferenza a bassa tensione — una scelta progettuale che consente al chip di funzionare più fresco, ospitare più transistor e operare a una velocità di clock più elevata. La fase di decode, in cui il modello scrive la risposta un token alla volta, si basa su un design Cluster Scale Memory. Questa architettura di memoria condivisa consente agli acceleratori all'interno di un rack di attingere dati da un altro pool di memoria invece di doverli copiare autonomamente.

Etched ha dichiarato che i suoi sistemi sono già impiegati nei modelli DeepSeek, Qwen, Mamba e Llama.

Grandi capitali confluiscono nell'inferenza

La raccolta arriva mentre gli analisti individuano nell'inferenza il segmento a più rapida crescita di un settore AI già molto attivo. Etched ha mantenuto la promessa di iniziare a spedire chip entro l'estate e ha completato oltre 1 miliardo di dollari di ordini prenotati, come riportato da Cryptopolitan.

Bloomberg Intelligence ha fissato un obiettivo di 1.300 miliardi di dollari per il settore dell'inferenza entro il 2032, una cifra che raddoppierebbe le dimensioni del mercato dell'addestramento AI. Iron Mountain e Structure Research prevedono che la capacità di inferenza superi quest'anno quella di addestramento e continui a crescere fino a rappresentare l'80% del carico di calcolo AI entro il 2030. L'economia sottostante spiega questa divergenza: l'addestramento di un modello è un esborso discreto e una tantum, mentre l'inferenza viene eseguita ogni volta che un utente invia un prompt, effettua una ricerca o attiva un agente AI — un costo ricorrente che cresce in proporzione all'effettiva diffusione della tecnologia.

La corsa alla costruzione di data center AI ha creato un flusso di domanda costante alimentato da attori come Nvidia, Cerebras e AMD, che stanno anch'essi costruendo sistemi specifici per l'inferenza basati sulla stessa suddivisione tra prefill e decode descritta da Etched.

Etched conta oggi più di 400 dipendenti e ha riportato il successo del silicio al primo passaggio sul processo N4P di TSMC, un nodo produttivo di classe 4 nanometri. L'azienda gestisce un data center da 2 megawatt presso la sede di San Jose e ha aperto una nuova struttura da 80.000 piedi quadrati e 10 megawatt nella vicina Milpitas, come riportato da TechCrunch. Da qui in avanti, l'elemento da osservare è l'esecuzione: se il portafoglio di ordini prenotati si tradurrà in sistemi operativi nei data center dei clienti, mentre le offerte di inferenza concorrenti raggiungono il mercato su larga scala.