Etched anunció el 18 de agosto de 2026 una nueva ronda de financiación de 700 millones de dólares con una valoración de 21.000 millones. Jane Street lideró la operación después de probar el hardware de la startup y se convirtió en su primer cliente tras recibir el primer rack de su clúster de inferencia.
1
5
6
La operación refleja una subida extraordinariamente rápida de la valoración privada de Etched: pasó de 5.000 millones de dólares en diciembre a 10.300 millones tras una Serie C de 300 millones anunciada el 23 de julio, y alcanzó los 21.000 millones menos de un mes después.
3
9
17
Por qué importa esta ronda
La inversión es una apuesta por hardware especializado para la inferencia de IA, es decir, el proceso de ejecutar un modelo ya entrenado después de que el usuario envía un prompt. Etched no presenta su producto como una tarjeta aceleradora convencional. La empresa vende sistemas completos a escala de rack —los llamados frontier inference clusters— que integran chips, memoria, redes, refrigeración, software y otros componentes de infraestructura en una plataforma diseñada para servir modelos.
5
24
La propuesta sitúa a Etched en una parte cada vez más relevante del mercado de infraestructura de IA: la fase en la que los modelos pasan del entrenamiento al uso masivo y en tiempo real. Nvidia describe sus sistemas de escala de rack como “fábricas de IA”; el enfoque de Etched es comparable por su integración de extremo a extremo, aunque está optimizado específicamente para cargas de inferencia.
8
9
Cómo funciona la arquitectura de inferencia de Etched
La inferencia tiene dos fases principales, y Etched ha diseñado una tecnología diferente para cada una.
1. Low Voltage Inference, para el prefill
El prefill es la fase de mayor carga de cálculo. El sistema lee el prompt y su contexto, procesa esa información y construye el estado de trabajo que el modelo utilizará para generar la respuesta.
20
La solución de Etched, denominada Low Voltage Inference (LVI), ejecuta las operaciones matemáticas del chip a menos de la mitad del voltaje empleado por muchos chips de IA convencionales, según la compañía. La idea es generar menos calor y, dentro de un mismo límite energético y térmico, incorporar más transistores y aumentar la densidad de cálculo.
18
27
La empresa afirma que este diseño está pensado para cargas de alto rendimiento, incluidos los grandes modelos dispersos de mezcla de expertos (mixture of experts). Se trata de afirmaciones de rendimiento y compatibilidad de la compañía; las pruebas disponibles no verifican de forma independiente todos sus benchmarks ni cada una de las cargas anunciadas.
27
2. Cluster Scale Memory, para el decode
El decode es la fase en la que el modelo genera la respuesta token a token. A diferencia del prefill, está muy condicionado por el acceso a la memoria: el sistema consulta repetidamente el contexto acumulado, incluida la caché de claves y valores (key-value cache o KV cache).
20
25
La respuesta de Etched es Cluster Scale Memory (CSM), un diseño de memoria compartida que permite a varios chips distribuidos por un rack acceder a un conjunto común de memoria de alta velocidad y baja latencia. El objetivo es reducir la duplicación de datos y los movimientos de información que pueden producirse cuando cada acelerador depende principalmente de su propia memoria local. En teoría, esto puede elevar el rendimiento y reducir el coste de servir modelos grandes.
7
22
28
LVI y CSM resumen la tesis central de Etched: procesar un prompt y generar tokens no son exactamente el mismo problema. Por eso, la infraestructura de inferencia debería diseñarse alrededor de los cuellos de botella específicos de cada fase.
¿Puede Etched ejecutar cualquier modelo de frontera?
Las pruebas disponibles apuntan a un sistema pensado para admitir más de un modelo concreto y rígido. Etched afirma que su arquitectura puede ejecutar grandes modelos dispersos de mezcla de expertos, mientras que otros informes describen sus clústeres como infraestructura para cargas de modelos de frontera.
13
27
Eso no equivale a demostrar que los racks puedan ejecutar todos los modelos de frontera sin cambios de software, optimización u otra adaptación. Las fuentes disponibles no respaldan una afirmación tan amplia. La conclusión más prudente es que Etched está construyendo infraestructura de inferencia de propósito general alrededor de una arquitectura especializada, no un chip limitado a un único modelo.
Jane Street, inversor y primer cliente
La participación de Jane Street aporta una señal de validación comercial además del capital. Etched afirmó que la firma de trading probó su chip, recibió el primer rack al mes siguiente y comenzó a desplegar el sistema en su centro de datos.
5
6
Jane Street declaró:
“Probamos el chip y estamos satisfechos con los primeros resultados. El enfoque único de Etched para la inferencia ofrece la precisión que necesitaremos para respaldar nuestras cargas de trabajo más exigentes. Nos entusiasma tener ahora nuestro propio rack funcionando en nuestro centro de datos.”
6
Para Etched, el dato relevante es que un cliente exigente y sensible a la latencia pasó de la evaluación al despliegue antes de liderar la siguiente ronda de financiación. Aun así, es una validación inicial, no una prueba de que la startup haya desplazado a los proveedores tradicionales de hardware de IA a gran escala.
Quién participó en la ronda de 700 millones
Entre los participantes anunciados figuran Jane Street, Kleiner Perkins, Sequoia, Andreessen Horowitz, Tiger Global, Bain Capital Ventures, Neo, Primary, Stripes, Positive Sum y Blackstone.
4
5
El propio anuncio de Etched también menciona a Peter Thiel entre sus inversores. Sin embargo, el material disponible no aclara si esa referencia significa que participó en esta ronda específica de 700 millones o si aparece como parte del conjunto acumulado de inversores de la empresa.
16
28
Las pruebas aportadas no confirman que Diffusion o Argo participaran en esta financiación concreta. Por tanto, no deben incluirse en la lista de inversores de la ronda basándose únicamente en las fuentes disponibles.
La conclusión
El anuncio de Etched reúne tres novedades: una financiación de 700 millones de dólares, una valoración que pasó de 5.000 millones en diciembre a 21.000 millones en agosto y el primer despliegue de su hardware de inferencia a escala de rack con un cliente.
1
5
9
La tesis de inversión parte de una idea sencilla: a medida que los modelos de IA se utilicen más, harán falta sistemas diseñados específicamente para la economía de la inferencia. La arquitectura LVI de Etched apunta a la fase de prefill, intensiva en cálculo, mientras que CSM aborda el decode, más dependiente de la memoria. El despliegue de Jane Street ofrece una primera prueba comercial de esa propuesta, pero Etched todavía tendrá que demostrar un rendimiento fiable, compatibilidad amplia con modelos y capacidad de entrega a escala de producción para justificar plenamente una valoración de 21.000 millones de dólares.