Etched mengumumkan pendanaan baru senilai $700 juta pada 18 Agustus 2026 dengan valuasi $21 miliar. Putaran tersebut dipimpin oleh Jane Street setelah perusahaan perdagangan kuantitatif itu menguji perangkat keras Etched dan menjadi pelanggan pertama startup tersebut. Etched juga telah mengirimkan rak inference pertamanya kepada Jane Street.
1
5
6
Kenaikan ini menandai lonjakan valuasi yang sangat cepat di pasar privat. Nilai Etched naik dari $5 miliar pada Desember menjadi $10,3 miliar setelah pendanaan Seri C senilai $300 juta pada 23 Juli, sebelum kembali melonjak menjadi $21 miliar kurang dari sebulan kemudian.
3
9
17
Mengapa pendanaan ini penting?
Investasi tersebut mencerminkan taruhan investor terhadap perangkat keras khusus untuk AI inference—proses menjalankan model yang sudah dilatih setelah pengguna mengirimkan perintah atau prompt.
Etched tidak menjual produknya sebagai kartu akselerator biasa. Perusahaan ini menawarkan sistem lengkap berskala rak yang disebut frontier inference clusters. Sistem tersebut menggabungkan chip, memori, jaringan, pendinginan, perangkat lunak, serta infrastruktur lain ke dalam satu platform untuk menjalankan model AI.
5
24
Pendekatan ini menempatkan Etched di segmen infrastruktur AI yang semakin penting ketika model-model AI beralih dari tahap pelatihan ke penggunaan real-time dalam skala besar. Nvidia menyebut sistem berskala rak miliknya sebagai “AI factories”. Etched mengambil pendekatan sistem menyeluruh yang serupa, tetapi mengoptimalkannya secara khusus untuk beban kerja inference.
8
9
Dua tahap inference yang menjadi fokus Etched
Proses inference memiliki dua tahap utama: prefill dan decode. Etched merancang teknologi berbeda untuk masing-masing tahap karena hambatan teknisnya tidak sama.
1. Low Voltage Inference untuk tahap prefill
Prefill adalah tahap ketika sistem membaca prompt beserta konteksnya, lalu mengubah informasi tersebut menjadi keadaan kerja model. Tahap ini memproses masukan sebelum model mulai menghasilkan jawaban dan sangat intensif secara komputasi.
20
Pendekatan Etched, yang disebut Low Voltage Inference (LVI), menjalankan operasi matematika chip pada tegangan kurang dari setengah tegangan yang digunakan banyak chip AI konvensional, menurut klaim perusahaan. Tujuannya adalah mengurangi panas sehingga lebih banyak transistor dapat ditempatkan dalam batas daya dan termal yang sama. Dengan begitu, kepadatan komputasi dapat ditingkatkan.
18
27
Etched menyatakan bahwa desain tersebut ditujukan untuk beban kerja dengan throughput tinggi, termasuk model sparse mixture-of-experts berukuran besar. Namun, klaim mengenai performa dan kompatibilitas itu berasal dari perusahaan; bukti yang tersedia belum memverifikasi secara independen seluruh tolok ukur atau beban kerja yang diiklankan.
27
2. Cluster Scale Memory untuk tahap decode
Decode adalah tahap ketika model menghasilkan jawaban satu token demi satu token. Berbeda dari prefill, decode lebih banyak dibatasi oleh akses memori karena sistem harus berulang kali membaca konteks yang telah terkumpul, termasuk key-value cache model.
20
25
Etched mengatasinya dengan Cluster Scale Memory (CSM), rancangan memori bersama yang memungkinkan beberapa chip dalam satu rak mengakses kumpulan memori berkecepatan tinggi dan berlatensi rendah. Targetnya adalah mengurangi duplikasi data dan perpindahan data yang dapat terjadi ketika setiap akselerator terutama mengandalkan memori lokalnya sendiri.
Secara teori, pendekatan tersebut dapat meningkatkan throughput dan menurunkan biaya menjalankan model berukuran besar.
7
22
28
LVI dan CSM mencerminkan tesis utama Etched: infrastruktur inference sebaiknya dirancang berdasarkan hambatan yang berbeda dalam pemrosesan prompt dan pembuatan token, bukan memperlakukan kedua tahap itu sebagai beban kerja yang sama.
Apakah Etched dapat menjalankan semua model AI terdepan?
Bukti yang tersedia menunjukkan bahwa sistem Etched dirancang untuk mendukung lebih dari satu model yang sangat spesifik. Etched menyatakan arsitekturnya dapat menjalankan model sparse mixture-of-experts berukuran besar, sementara sejumlah laporan menggambarkan klaster perusahaan tersebut sebagai infrastruktur untuk beban kerja model AI terdepan.
13
27
Namun, hal itu tidak sama dengan membuktikan bahwa rak Etched dapat menjalankan setiap model AI terdepan tanpa perubahan perangkat lunak, optimasi, atau penyesuaian lain. Sumber yang tersedia belum mendukung klaim seluas itu.
Kesimpulan yang lebih aman adalah Etched sedang membangun infrastruktur inference serbaguna dengan arsitektur khusus—bukan chip yang hanya terkunci pada satu model tertentu.
Jane Street berperan sebagai investor sekaligus pelanggan
Keterlibatan Jane Street memberikan sinyal validasi pelanggan, bukan hanya dukungan finansial. Etched mengatakan perusahaan perdagangan tersebut telah menguji chipnya, menerima rak pertama pada bulan berikutnya, dan mulai menerapkan sistem itu di pusat datanya.
5
6
Jane Street mengatakan:
“Kami telah menguji chip tersebut dan puas dengan hasil awalnya. Pendekatan unik Etched terhadap inference memberikan presisi yang kami perlukan untuk mendukung beban kerja kami yang paling menuntut. Kami antusias karena kini memiliki rak sendiri yang berjalan di pusat data kami.”
6
Bagi Etched, arti pentingnya adalah pelanggan yang membutuhkan latensi rendah berpindah dari tahap evaluasi ke penerapan sebelum memimpin putaran pendanaan berikutnya. Meski demikian, ini masih merupakan validasi awal, bukan bukti bahwa Etched telah menggantikan perangkat keras AI dari pemain lama dalam skala besar.
Siapa saja investor dalam putaran $700 juta?
Peserta yang diumumkan meliputi Jane Street, Kleiner Perkins, Sequoia, Andreessen Horowitz, Tiger Global, Bain Capital Ventures, Neo, Primary, Stripes, Positive Sum, dan Blackstone.
4
5
Pengumuman Etched juga menyebut Peter Thiel sebagai salah satu investornya. Namun, materi yang tersedia belum menjelaskan dengan tegas apakah ia ikut serta dalam putaran $700 juta ini atau hanya tercantum sebagai salah satu pendukung Etched secara kumulatif.
16
28
Bukti yang tersedia tidak mengonfirmasi Diffusion atau Argo sebagai peserta dalam pendanaan khusus ini. Karena itu, keduanya tidak seharusnya dimasukkan ke daftar investor putaran $700 juta berdasarkan sumber yang ada.
Kesimpulan
Pengumuman Etched menggabungkan tiga perkembangan penting: pendanaan $700 juta, kenaikan valuasi dari $5 miliar pada Desember menjadi $21 miliar pada Agustus, serta pengiriman rak inference berskala penuh kepada pelanggan pertamanya, Jane Street.
1
5
9
Tesis investasinya bertumpu pada gagasan bahwa layanan AI akan membutuhkan infrastruktur yang dirancang khusus untuk efisiensi inference. Arsitektur LVI Etched menargetkan tahap prefill yang berat secara komputasi, sedangkan CSM menargetkan tahap decode yang berat secara memori.
Penerapan sistem oleh Jane Street menjadi pengujian komersial awal bagi gagasan tersebut. Namun, Etched masih perlu membuktikan performa yang konsisten, kompatibilitas model yang luas, dan kemampuan mengirimkan sistem dalam skala produksi sebelum valuasi $21 miliar itu dapat dianggap sepenuhnya beralasan.