Etched, een startup in AI-inferencechips, bereidt een nieuwe financieringsronde van 700 miljoen dollar voor tegen een waardering van rond de 21 miljard dollar, ruim het dubbele van de 10,3 miljard dollar waardering die het bedrijf eind juli bij zijn Series C kreeg — een ronde van 300 miljoen dollar onder leiding van Sequoia — volgens een verslag van The Wall Street Journal dat op 18 augustus verscheen.

Het nieuwe bedrag betekent een verviervoudiging van de waardering van 5 miljard dollar die het bedrijf in december 2025 had, en komt nauwelijks een maand nadat de Series C op 31 juli werd afgerond, met deelname van Andreessen Horowitz (a16z), SK Hynix, Jane Street en Diffusion Capital. SK Hynix is een van 's werelds grootste producenten van geheugenchips en een belangrijke leverancier van het high-bandwidth-geheugen dat in AI-versnellers wordt gebruikt, waardoor Etched een investeerder krijgt met directe banden met de geheugenketen waarop rackschaal-AI-systemen leunen.

Etched heeft daarnaast Jane Street als eerste klant binnengehaald en leverde de quantitatieve handelsgigant uit Wall Street een serverrick met AI-processors die zijn geoptimaliseerd voor snelle inference-berekeningen. Het binnenhalen van een betalende inzet op dit tempo is een belangrijke validatie voor een jonge chipstartup, aangezien grote klanten doorgaans bewijs willen zien dat nieuw silicium op grote schaal betrouwbaar functioneert voordat zij een verbintenis aangaan. Het tempo waarin het bedrijf groeit — het kwam pas op 30 juni uit de stealth-modus — onderstreept de bredere wedloop om alternatieven voor Nvidia te vinden, dat aan het hoofd van de toeleveringsketen een dominante positie inneemt bij het leveren van het silicium dat de AI-boom aandrijft.

“Deze ronde weerspiegelt een groeiende overtuiging in de sector dat de uitdaging om een nieuwe speler vraagt die bereid is de stack vanuit de eerste principes opnieuw op te bouwen”, aldus medeoprichter en CEO Gavin Uberti in een verklaring.

Wat doen de chips van Etched

Etched verkoopt complete racksystemen die zijn geoptimaliseerd voor het inference-gedeelte van de AI-rekenstack, de stap die plaatsvindt nadat gebruikers prompts invoeren. Het bedrijf stelt dat de focus uitsluitend op inference het mogelijk maakt gespecialiseerde chips te bouwen, in tegenstelling tot Nvidia, dat universele GPU's maakt voor zowel AI-training als inference.

Etched verdeelt het werk in twee fasen. De prefill-fase, die prompts leest en interpreteert, gebruikt wat medeoprichter Robert Wachen low-voltage inference noemt — een ontwerpkeuze die de chip koeler laat draaien, meer transistoren mogelijk maakt en een hogere kloksnelheid toestaat. De decode-fase, waarin het model zijn antwoord token voor token schrijft, steunt op een Cluster Scale Memory-ontwerp. Die gedeelde geheugenarchitectuur stelt versnellers binnen één rack in staat data uit een andere geheugenpool te betrekken in plaats van de data zelf te moeten kopiëren.

Etched zei dat zijn systemen al worden gebruikt in de modellen DeepSeek, Qwen, Mamba en Llama.

Groot geld stroomt naar inference

De financiering komt in een periode waarin voorspellers inference aanwijzen als het snelst groeiende segment van een reeds fel concurrerende AI-sector. Etched maakte zijn belofte waar om vóór de zomer chips te gaan leveren en heeft meer dan 1 miljard dollar aan geboekte orders vervuld, zoals gerapporteerd door Cryptopolitan.

Bloomberg Intelligence heeft voor de inference-sector tegen 2032 een doel van 1,3 biljoen dollar vastgesteld, een bedrag dat de omvang van de AI-trainingsmarkt zou verdubbelen. Iron Mountain en Structure Research verwachten dat de inference-capaciteit dit jaar die van training zal overtreffen en vervolgens blijft groeien tot zij in 2030 80% van de AI-rekenlast uitmaakt. De onderliggende economie verklaart dit verschil: het trainen van een model is een eenmalige, discrete uitgave, terwijl inference plaatsvindt telkens wanneer een gebruiker een prompt stuurt, een zoekopdracht uitvoert of een AI-agent activeert — een terugkerende kostenpost die meeschaalt met de mate waarin de technologie daadwerkelijk wordt gebruikt.

De wedloop om AI-datacenters te bouwen heeft een stabiele vraagroute gecreëerd, gevoed door spelers als Nvidia, Cerebras en AMD, die eveneens inference-specifieke systemen bouwen op basis van dezelfde prefill-en-decode-opdeling die Etched beschrijft.

Etched telt inmiddels meer dan 400 medewerkers en heeft succes geboekt met de eerste siliciumversie (first-pass silicon) op TSMC's N4P, een productieknooppunt van de 4-nanometerklasse. Het bedrijf exploiteert een datacenter van 2 megawatt op zijn hoofdkantoor in San Jose en heeft in het nabijgelegen Milpitas een nieuwe vestiging van 80.000 vierkante voet en 10 megawatt geopend, meldde TechCrunch. Waar het vanaf hier om draait is uitvoering: of het geboekte orderboek wordt omgezet in systemen die draaien in datacenters van klanten, terwijl concurrerende inference-aanbiedingen op grote schaal de markt bereiken.