Drei Harvard-Abbrecher beschaffen gerade 300 Millionen Dollar für den AI-Chip, den Konkurrenten für unmöglich halten

Wichtigste Punkte

• Etched sammelte in einer von Sequoia angeführten Serie-C-Runde 300 Millionen Dollar ein und wird das Unternehmen im Juli 2025 mit 10,3 Milliarden Dollar bewertet.
• Die Bewertung des Startups verdoppelte sich innerhalb von etwa sieben Monaten nach einer 500-Millionen-Dollar-Finanzierungsrunde im Dezember 2024.
• Etched hat Bestellungen im Wert von 1 Milliarde Dollar gebucht und seine ersten vollständigen Systeme an frühe Kunden zum Testen versandt.
• Die von TSMC gefertigten Chips sind darauf ausgelegt, AI-Inferenz zu beschleunigen: die Rechenarbeit, die jedes Mal stattfindet, wenn Sie einen Prompt eingeben und auf eine Antwort warten.
• Mitgründer Robert Wachen sagt, die Systeme können jedes moderne AI-Modell ausführen, nicht nur einen Typ.

Etched, ein von drei Harvard-Abbrechern 2022 gegründetes AI-Chip-Startup, hat gerade eine 300-Millionen-Dollar-Serie-C-Finanzierungsrunde zu einer Bewertung von 10,3 Milliarden Dollar abgeschlossen, wie TechCrunch zuerst berichtete. Sequoia führte das Geschäft an. Andreessen Horowitz, der südkoreanische Speichergigant SK Hynix, das Handelsunternehmen Jane Street und Diffusion Capital beteiligten sich ebenfalls.

Die Zahlen entwickeln sich schnell. Im Dezember 2024 wurde Etched nach einer 500-Millionen-Dollar-Finanzierung mit 5 Milliarden Dollar bewertet. Sieben Monate später hat sich dieser Wert mehr als verdoppelt. Das Unternehmen nennt dies die höchste Bewertung jemals für eine von Sequoia angeführte Serie C, was in einem Markt, der in letzter Zeit viele große Runden gesehen hat, bemerkenswert wäre. TSMC, das Etcheds Chips herstellt, verpflichtete sich im Juli zu weiteren 100 Milliarden Dollar für die US-Chipproduktion, ein Zeichen dafür, wie viel Kapazität genau für diese Art von Kunden aufgebaut wird.

Was stellt Etched eigentlich her?

Etched baut Chips und verkauft sie als komplette Rack-Systeme, die Art von Computerhardware, die große AI-Unternehmen in Rechenzentren einbauen. Die Chips sind für eine spezifische Aufgabe konzipiert: Inferenz.

Inferenz ist die Rechenarbeit, die stattfindet, nachdem Sie etwas in ChatGPT oder ein ähnliches Tool eingeben und senden. Sie teilt sich in zwei Phasen auf. Die erste ist Prefill: Das System liest Ihren Prompt, ein Schritt mit hohem Rechenaufwand. Die zweite ist Decode, wo die Antwort an Sie zurückgeschrieben wird. Decode benötigt weniger Rechenleistung, aber enorme Mengen an schnellem Speicher.

Etched baute einen separaten Chip für jede Phase. Sein Prefill-Chip läuft mit ungewöhnlich niedriger Spannung, was weniger Wärme erzeugt und es Ingenieuren ermöglicht, mehr Transistoren zu verpacken (die winzigen Schalter, die die eigentliche Berechnung durchführen). Für Decode ermöglicht eine neue Shared-Memory-Architektur, dass viele Chips über das von Etched als „Cluster-Scale-Memory" bezeichnete System zusammenarbeiten, wodurch die Zeit verkürzt wird, die jeder Chip auf Daten wartet.

Schnellere Antworten zu niedrigeren Kosten ist das Versprechen. Angesichts der Tatsache, dass jedes AI-Rechenzentrum mit einem festen Strombudget läuft, sind Chips, die pro Watt mehr leisten, sehr wichtig.

Sollte jemand skeptisch sein?

Ja, wirklich. Das Unternehmen hat seine Hardware unter Verschluss gehalten und zeigt Demos nur Investoren und frühen Kunden. Öffentliche Benchmarks existieren noch nicht.

Mitgründer und COO Robert Wachen erkennt die Skepsis an. Die Systeme können jedes AI-Modell ausführen, sagte er TechCrunch, einschließlich neuerer Mixture-of-Experts-Modelle wie DeepSeek und Qwen (eine Architektur, die Aufgaben auf mehrere kleinere spezialisierte Modelle statt ein großes verteilt) und nicht-Transformer-Designs wie Mamba. Kritiker waren davon ausgegangen, dass die Chips auf einen einzigen AI-Typ beschränkt waren, was eine ernsthafte Einschränkung wäre.

Wachen sagt, dass der AI-Forscher Andrej Karpathy, OpenAIs Noam Brown und Nobelpreisträger Geoffrey Hinton alle die Hardware ausprobiert haben und begeistert waren. Diese Liste ist glaubwürdig. Sie ist aber per Definition eine kuratierte.

Survivorship Bias ist hier real. Sie hören von dem Startup, das 300 Millionen Dollar aufgebracht hat, nicht von denen, die das gleiche Rennen liefen und verloren.

Was passiert als Nächstes?

Etched hat 400 Mitarbeiter, betreibt ein Rechenzentrum mit 2 Megawatt und arbeitet nach Wachens Aussage jetzt mit einigen der größten AI-Unternehmen der Welt zusammen. Massenproduktion und Lieferung von Rack-Systemen ist der nächste Schritt, und hier scheitern Hardware-Startups am häufigsten.

„Wir müssen uns immer noch davon demütigen lassen, was es brauchen wird, um tatsächlich Skalierbarkeit zu erreichen", sagte Wachen TechCrunch.

Wenn Etched bei Geschwindigkeit und Kosten liefert, könnte es den Preis jedes AI-Tools, das Sie bereits nutzen, leise senken. Darauf hat 300 Millionen Dollar gerade gewettet.