Etched pozyskało 300 milionów dolarów w rundzie finansowania serii C, przy wycenie 10.3 miliarda dolarów, ogłoszonej pod koniec lipca, niecały miesiąc po tym, jak firma wyszła z ukrycia. Sequoia była liderem rundy, w której udział wzięły a16z, Jane Street, Diffusion i SK Hynix. Firma określiła to jako najwyższą wycenę osiągniętą w rundzie finansowania serii C prowadzonej przez Sequoia.
Etched planuje wykorzystać finansowanie na rozszerzenie produkcji i przyspieszenie wdrożeń u klientów. Oprócz wcześniej wybudowanej fabryki na Tajwanie, firma otworzyła zakład o powierzchni 80 000 stóp kwadratowych (ok. 7400 m²), położony około 15 minut od głównej siedziby. Zakład w Milpitas o mocy 10 MW będzie obsługiwał laboratorium wprowadzania nowych produktów, wewnętrzną linię technologiczną do montażu powierzchniowego, prototypowanie oraz szersze operacje wdrożeniowe.
Firma koncentruje się na systemach wnioskowania AI, które postrzega jako centralny i rozwijający się element obciążeń AI. Etched dąży do osiągnięcia wyższej przepustowości wnioskowania, niższych kosztów operacyjnych i lepszej efektywności energetycznej, aby wspierać wdrożenia na większą skalę, niż obecna infrastruktura centrów danych może zapewnić w sposób ekonomiczny.
Obsługa wielu modeli
Firma Etched twierdzi, że jej sprzęt obsługuje wiele architektur modeli i nie ogranicza się do jednego typu modelu. Jej klastry wnioskowania obsługują obecnie duże modele mieszane, w tym DeepSeek i Qwen, a także Mamba, model przestrzeni stanów o architekturze innej niż systemy oparte na transformatorach. Podejście to ma umożliwić klientom korzystanie z tej samej infrastruktury w miarę rozwoju architektur modeli.
Firma rozwija dwie technologie dla swoich systemów rack-scale. Technologia Low Voltage Inference, czyli LVI, ma na celu zwiększenie gęstości mocy obliczeniowej (FLOP) w ramach istniejącej mocy obliczeniowej. Konwencjonalne systemy często napotykają ograniczenia termiczne, które ograniczają częstotliwość taktowania przed osiągnięciem maksymalnej teoretycznej wydajności obliczeniowej. Etched wykorzystuje współprojektowanie sprzętu i systemu, aby osiągnąć wyższą przepustowość przy niższym zużyciu energii i niższych kosztach.
Łączenie pamięci SRAM i HBM
Technologia Cluster Scale Memory, czyli CSM, łączy pamięć SRAM i HBM w systemie pamięci zaprojektowanym dla całego klastra, a nie dla pojedynczego procesora. Architektura ta tworzy wspólną pulę pamięci SRAM w całej domenie skalowania i łączy ją za pomocą opatentowanego połączenia o wysokiej przepustowości i niskim opóźnieniu. Etched twierdzi, że projekt ten ma na celu zmniejszenie opóźnień w dostępie do pamięci, jednocześnie unikając kompromisów w zakresie kosztów, wydajności, niezawodności, temperatury i mocy obliczeniowej, które występują w systemach opartych wyłącznie na pamięci SRAM i rozwiązaniach opartych na pamięci 3D DRAM.
Firma Etched poinformowała, że popyt na jej systemy wnioskowania przewyższa podaż, ponieważ klienci przechodzą od fazy ewaluacyjnej do wdrożeń produkcyjnych. Zespół firmy szybko powiększył się do 400 osób, a inżynierowie rekrutują się z firm NVIDIA, Broadcom, Google TPU, SK Hynix oraz firm zajmujących się handlem wysokoczęstotliwościowym.
Firma działa z biura w San Jose, w którym znajduje się zakład prototypowania NPI oraz centrum danych o mocy 2 MW, w którym nieprzerwanie działa sprzęt Etched. Sonya Huang, partnerka Sequoia, powiedziała, że Etched poczynił niezwykłe postępy jak na firmę produkującą półprzewodniki w niecałe trzy lata. Dodała, że specjalnie zaprojektowane systemy wnioskowania mogą zyskać dominującą pozycję w miarę rozwoju wnioskowania.
Współzałożyciel i dyrektor generalny Etched, Gavin Uberti, powiedział, że firma uważa, że infrastruktura AI dla pionierskich rozwiązań wymaga czegoś więcej niż tylko stopniowych ulepszeń sprzętowych. Określił podejście firmy jako gruntowną przebudowę stosu technologicznego, skoncentrowaną na zwiększeniu szybkości wnioskowania, efektywności kosztowej i skalowalności.
Współzałożyciel i prezes Rob Wachen powiedział, że firma ma przed sobą ogrom pracy, aby osiągnąć skalę gigawatów i współpracuje z inwestorami w zakresie infrastruktury AI, aby przyspieszyć ten proces. Dodał, że zespół pracuje bez przerwy z pierwszymi klientami, aby wprowadzić na rynek swój pierwszy produkt.
Amazon