KI-Chip-Startup Etched erreicht Bewertung von 10,3 Milliarden US-Dollar durch namhafte Investoren

Das KI-Chip-Startup Etched hat nach der Sicherung von Finanzmitteln durch prominente Investoren eine Bewertung von 10,3 Milliarden US-Dollar erreicht und damit frühere Skepsis gegenüber seiner Technologie widerlegt. Das Unternehmen, gegründet von drei Harvard-Abbrechern, behauptet, neue Chips und Speicherkomponenten entwickelt zu haben, die die Inferenz jedes KI-Modells beschleunigen, ohne dass Grafikprozessoren (GPUs) erforderlich sind.

Die Finanzierungsrunde wurde von großen Risikokapitalfirmen angeführt und umfasst Investitionen von Branchengrößen. Die Bewertung stellt einen bedeutenden Meilenstein für das Startup dar, das darauf abzielt, etablierte Player wie Nvidia im KI-Hardwaremarkt herauszufordern. Die Technologie von Etched ist darauf ausgelegt, die Rechenanforderungen der KI-Inferenz – den Prozess des Ausführens trainierter Modelle – effizienter zu bewältigen als herkömmliche GPUs.

Diese Entwicklung ist wichtig, weil die KI-Industrie stark auf GPUs angewiesen ist, die teuer und stromhungrig sind. Wenn sich Etcheds Chips als effektiv erweisen, könnten sie die Kosten und den Energieverbrauch für Unternehmen, die KI einsetzen, senken und möglicherweise die Hardwarelandschaft neu gestalten. Der Erfolg des Startups unterstreicht auch die wachsende Investorennachfrage nach Alternativen zu Nvidias dominanten Chips.

Etched wurde 2022 von Chris Zhu, Robert Wachen und Gavin Uberti gegründet, die Harvard verließen, um das Unternehmen zu gründen. Das Unternehmen hatte zuvor 120 Millionen US-Dollar in einer Seed-Runde bei einer Bewertung von 400 Millionen US-Dollar eingesammelt. Seine jüngste Finanzierungsrunde, die Anfang 2024 abgeschlossen wurde, brachte die Gesamtinvestition auf über 200 Millionen US-Dollar.

Das Unternehmen plant, das neue Kapital zu nutzen, um die Produktion seiner Chips zu skalieren und sein Ingenieurteam zu erweitern. Etched erwartet, noch in diesem Jahr mit der Auslieferung seiner ersten kommerziellen Produkte an Kunden zu beginnen, wobei erste Einsätze auf große KI-Inferenz-Workloads in Rechenzentren abzielen.