Etched: Valuation de US$ 21 bi sinaliza demanda por hardware de inferência
Com aporte de US$ 700 mi liderado pelo fundo quantitativo Jane Street, a Etched atinge US$ 21 bi e valida sua tese de hardware especializado para reduzir custos e acelerar a inferência.
A startup de hardware Etched levantou US$ 700 milhões em uma nova rodada, elevando sua avaliação de mercado para US$ 21 bilhões. O investimento, liderado pelo fundo quantitativo Jane Street, representa uma aceleração vertiginosa na valorização da empresa, que havia sido avaliada em US$ 10,3 bilhões em julho, após um aporte de US$ 300 milhões. Em menos de um mês, o valor da companhia praticamente dobrou, e em relação a dezembro, quando valia US$ 5 bilhões, o crescimento é ainda mais expressivo.
O entusiasmo dos investidores, segundo o cofundador e COO Robert Wachen, está atrelado à abordagem da empresa para resolver um dos principais gargalos operacionais e financeiros da IA em larga escala: a inferência. A Etched desenvolveu dois componentes de hardware específicos para otimizar as duas etapas desse processo. A inferência é o que acontece após um usuário enviar um prompt a um modelo, sendo dividida nas fases de pré-preenchimento (prefill) e decodificação (decode).
A arquitetura por trás da eficiência
Para a fase de prefill, que é intensiva em computação e matemática para compreender o prompt e seu contexto, a Etched criou um chip que opera em baixa voltagem. Essa característica permite empacotar mais transistores sem gerar o aquecimento excessivo comum em outros chips de IA de alto desempenho. O resultado, segundo a empresa, é a capacidade de processar mais tokens de forma mais rápida.
Para a fase de decode, que é intensiva em memória e gera a resposta que o usuário vê, a empresa desenvolveu um novo tipo de memória e um interconector chamado "cluster-scale memory". A tecnologia permite que múltiplos chips se conectem e utilizem um pool de memória compartilhado com latência muito baixa. A promessa combinada dessas duas inovações é entregar maior velocidade a um custo operacional inferior ao de soluções de hardware generalistas. A Etched comercializa sua tecnologia em sistemas completos que chama de "frontier inference clusters".
Validação de mercado e o apetite por especialização
Gostou desta análise? Receba a próxima primeiro.
Edição diária da IA News com impacto real para empresas — grátis no seu e-mail.
A participação do fundo Jane Street não se limitou ao investimento. A firma, conhecida por suas operações de trading de alta frequência, testou o hardware da Etched antes de liderar a rodada. Em comunicado, a Jane Street afirmou estar satisfeita com os resultados iniciais e que a "abordagem única da Etched para a inferência entrega a precisão que precisaremos para suportar nossas cargas de trabalho mais exigentes". O fundo já possui um rack da Etched operando em seu próprio datacenter, uma validação significativa do produto.
Além da Jane Street, a lista de investidores inclui nomes como Kleiner Perkins, Sequoia Capital, Andreessen Horowitz, Peter Thiel, Tiger Global e Blackstone. Esse apoio de capital de risco de primeira linha evidencia que o mercado está buscando e recompensando ativamente soluções que atacam o custo crescente da inferência, um movimento que sinaliza a maturação da indústria para além da fase de treinamento de modelos.
O cenário competitivo para além das GPUs
A proposta da Etched surge como uma alternativa direta à arquitetura dominante das GPUs da Nvidia, que se consolidaram como padrão para o treinamento de modelos de IA. A própria Nvidia oferece sistemas completos, chamados de "AI factories", conceito similar aos "frontier inference clusters" da Etched. No entanto, o foco da Etched em hardware otimizado especificamente para inferência ataca uma dor econômica crescente: à medida que as aplicações de IA são adotadas em massa, o custo de operá-las (inferência) supera em muito o custo de treiná-las.
É importante notar que a Etched ajustou sua estratégia inicial. A percepção antiga de que a empresa "gravava" (to etch, em inglês) um modelo específico em seus chips, tornando-os inúteis para outros, não é mais a realidade. Seus sistemas atuais são capazes de rodar qualquer modelo de fronteira, tornando-os flexíveis para diferentes aplicações e clientes.
A trajetória de valorização da Etched:
- Dezembro: Avaliação de US$ 5 bilhões.
- Julho: Aporte da Série C de US$ 300 milhões, com avaliação de US$ 10,3 bilhões.
- Agosto: Novo aporte de US$ 700 milhões, atingindo uma avaliação de US$ 21 bilhões.
- Investidor Líder (Agosto): Jane Street.
- Produto: Sistemas completos denominados "frontier inference clusters".
Análise IA News
A leitura da nossa redação
A escalada da Etched não é apenas mais um caso de valuation inflado no setor de IA; é um sintoma da transição do mercado para um novo estágio de maturidade. A primeira onda da revolução da IA generativa foi sobre construir e treinar modelos cada vez maiores, um terreno onde as GPUs generalistas da Nvidia reinam. Agora, com a proliferação de aplicações, o foco se desloca para a eficiência operacional. O custo da inferência, pago a cada prompt do usuário, tornou-se a principal variável na equação econômica de qualquer serviço de IA, e a Etched está capitalizando precisamente sobre essa dor.
A validação pela Jane Street é o ponto-chave desta história. Fundos quantitativos são clientes extremamente exigentes, operando em um ambiente onde latência e precisão são críticas para o negócio. Ao testar, comprar e investir, a Jane Street fornece uma prova de conceito poderosa: a tecnologia da Etched não é teórica, ela entrega desempenho para cargas de trabalho do mundo real. Isso abre portas para outros setores com demandas similares, como plataformas de e-commerce com sistemas de recomendação em tempo real, publicidade programática e pesquisa científica de larga escala.
O principal desafio da Etched será a execução. Projetar um chip inovador é uma coisa; fabricá-lo em volume, construir sistemas de cluster confiáveis, desenvolver um ecossistema de software robusto e competir com o fosso competitivo da Nvidia (especialmente o CUDA) é outra. A Nvidia não tem apenas hardware, mas uma plataforma de software consolidada e um exército de desenvolvedores. Para a Etched ter sucesso em longo prazo, ela precisará oferecer uma experiência de desenvolvimento que minimize o atrito de migração e justifique o abandono de um ecossistema conhecido.
Nos próximos meses, devemos observar três indicadores críticos: os parceiros de fabricação que a Etched irá garantir para sua produção em massa, os benchmarks de desempenho de outros clientes além da Jane Street e a reação dos grandes provedores de nuvem. Se AWS, Google Cloud ou Microsoft Azure decidirem integrar os chips da Etched em suas ofertas, isso representará uma validação de mercado massiva. Caso contrário, a Etched pode ser forçada a construir sua própria nuvem especializada, um caminho muito mais caro e arriscado.
Contexto para empresários e decisores
O mercado global de hardware para IA está em um ponto de inflexão, movendo-se de uma dependência quase total de GPUs para uma maior diversificação com a ascensão de ASICs (Circuitos Integrados de Aplicação Específica) focados em inferência. A Etched compete nesse espaço emergente contra outras startups como a Groq e gigantes como Google e AWS, que desenvolvem seus próprios chips (TPUs e Inferentia/Trainium, respectivamente). Para empresas brasileiras, o custo de instâncias de GPU na nuvem, cotado em dólar, é um fator limitante para a escala. A adoção de hardware especializado como o da Etched dependerá de sua disponibilidade nos principais provedores de nuvem, pois a compra direta e a gestão de infraestrutura própria são viáveis apenas para um número muito restrito de grandes corporações no país.
Impactos para empresas
- 1Redução do custo por inferência, resultando em maior margem de lucro para serviços baseados em IA ou viabilizando modelos de negócio com preços mais competitivos.
- 2Aumento do desempenho em aplicações de baixa latência, o que permite a criação de produtos mais responsivos em setores como finanças e e-commerce.
- 3Diversificação de fornecedores de hardware de IA, mitigando a dependência estratégica de um único player e reduzindo riscos na cadeia de suprimentos de TI.
- 4Necessidade de reavaliação do planejamento de infraestrutura, exigindo que as equipes técnicas desenvolvam competências para avaliar e integrar hardware especializado em vez de depender apenas de GPUs.
- 5Possibilidade de viabilizar a operação de modelos de fronteira em larga escala, que hoje podem ter um custo de inferência proibitivo para muitas empresas.
Conclusão editorial
A ascensão da Etched é um indicador claro de que a otimização de custos de inferência é o próximo grande campo de batalha na infraestrutura de IA. A validação por um cliente exigente como a Jane Street confere credibilidade à sua abordagem de hardware especializado. Decisores devem começar a mapear seus custos de inferência e avaliar ativamente arquiteturas alternativas às GPUs para garantir a sustentabilidade econômica de suas operações de IA no longo prazo.
— Redação IA News
Fontes utilizadas
Apuração, análise e conclusão editorial produzidas pela redação do IA News a partir das fontes acima. O conteúdo não reproduz o texto original.