La startup di chip AI Etched raggiunge una valutazione di 10,3 miliardi di dollari da investitori di alto profilo

La startup di chip AI Etched ha raggiunto una valutazione di 10,3 miliardi di dollari dopo aver ottenuto finanziamenti da investitori di primo piano, sfidando lo scetticismo iniziale sulla sua tecnologia. L'azienda, fondata da tre studenti fuoriusciti da Harvard, sostiene di aver sviluppato nuovi chip e componenti di memoria che accelerano l'inferenza su qualsiasi modello AI senza bisogno di unità di elaborazione grafica (GPU).

Il round di finanziamento è stato guidato da importanti società di venture capital e include investimenti di figure del settore. La valutazione segna una tappa significativa per la startup, che mira a sfidare attori affermati come Nvidia nel mercato dell'hardware AI. La tecnologia di Etched è progettata per gestire le richieste computazionali dell'inferenza AI—il processo di esecuzione di modelli addestrati—in modo più efficiente rispetto alle GPU tradizionali.

Questo sviluppo è importante perché l'industria AI dipende fortemente dalle GPU, che sono costose e ad alto consumo energetico. Se i chip di Etched si dimostreranno efficaci, potrebbero ridurre i costi e il consumo energetico per le aziende che implementano l'AI, potenzialmente rimodellando il panorama hardware. Il successo della startup evidenzia anche il crescente appetito degli investitori per alternative ai chip dominanti di Nvidia.

Etched è stata fondata nel 2022 da Chris Zhu, Robert Wachen e Gavin Uberti, che hanno lasciato Harvard per perseguire l'impresa. L'azienda aveva precedentemente raccolto 120 milioni di dollari in un round seed con una valutazione di 400 milioni di dollari. Il suo ultimo round di finanziamento, chiuso all'inizio del 2024, ha portato l'investimento totale a oltre 200 milioni di dollari.

L'azienda prevede di utilizzare il nuovo capitale per scalare la produzione dei suoi chip ed espandere il suo team di ingegneri. Etched prevede di iniziare a spedire i suoi primi prodotti commerciali ai clienti entro la fine dell'anno, con implementazioni iniziali mirate a carichi di lavoro di inferenza AI su larga scala nei data center.