Etched mer enn dobler verdsettelsen etter at Jane Street tester AI-maskinvaren

Etched kunngjorde 18. august 2026 at selskapet har hentet 700 millioner dollar i ny finansiering til en verdsettelse på 21 milliarder dollar. Jane Street ledet runden etter å ha testet Etcheds maskinvare – og ble samtidig oppstartsselskapets første kunde da det mottok det første racket i en inferens-klynge. 156

Verdsettelsen har steget i et uvanlig høyt tempo: fra 5 milliarder dollar i desember til 10,3 milliarder dollar etter en Series C-runde på 300 millioner dollar 23. juli, og videre til 21 milliarder dollar mindre enn én måned senere. 3917

Hvorfor finansieringsrunden er viktig

Investeringen er et veddemål på spesialisert maskinvare for AI-inferens – altså prosessen der en allerede trent modell kjører etter at brukeren har sendt inn en forespørsel.

Etched selger ikke først og fremst tradisjonelle akseleratorkort. Selskapet leverer komplette systemer på rack-nivå, som det kaller frontier inference clusters. Disse kombinerer brikker, minne, nettverk, kjøling, programvare og annen infrastruktur til én samlet plattform for å kjøre AI-modeller. 524

Tilnærmingen ligner på Nvidias bredere rack-systemer, som selskapet omtaler som «AI factories», men Etched optimaliserer systemene spesifikt for inferens. 89 Det blir stadig viktigere etter hvert som AI-modeller går fra trening til omfattende bruk i sanntid.

To ulike løsninger for to ulike flaskehalser

Etched har utviklet separate teknologier for de to hovedfasene i AI-inferens: prefill og decode.

1. Low Voltage Inference skal gjøre prefyllingen tettere

Prefill er den beregningstunge fasen der systemet leser brukerens melding og kontekst og omformer informasjonen til modellens arbeidsminne. Dette skjer før modellen begynner å generere selve svaret. 20

Etcheds løsning kalles Low Voltage Inference (LVI). Ifølge selskapet utfører brikken de matematiske operasjonene ved mindre enn halvparten av spenningen som brukes i mange konvensjonelle AI-brikker. Målet er å generere mindre varme, slik at flere transistorer kan plasseres innenfor samme strøm- og varmebudsjett. Det kan igjen øke beregningstettheten. 1827

Selskapet sier at arkitekturen er utviklet for arbeidslaster med høy gjennomstrømming, blant annet store, sparsomme mixture-of-experts-modeller. Dette er Etcheds egne ytelses- og kompatibilitetspåstander; det tilgjengelige materialet bekrefter ikke uavhengig alle selskapets annonserte målinger eller arbeidslaster. 27

2. Cluster Scale Memory skal løse minneproblemet under dekoding

Decode er fasen der modellen genererer svaret, ett token om gangen. Her er utfordringen i stor grad tilgang til minne: Systemet må gjentatte ganger hente frem den akkumulerte konteksten, blant annet modellens såkalte key-value-cache. 2025

Etcheds svar er Cluster Scale Memory (CSM). Dette er et delt minnesystem som lar flere brikker i et helt rack hente data fra en felles minnepool med høy hastighet og lav forsinkelse.

I stedet for at hver akselerator hovedsakelig er avhengig av sitt eget lokale minne, skal flere brikker kunne dele samme ressurs. I teorien kan det redusere dobbeltlagring og unødvendig dataflytting, noe som kan gi høyere gjennomstrømming og lavere kostnader ved kjøring av store modeller. 72228

LVI og CSM oppsummerer dermed Etcheds viktigste produktidé: Prefill og decode har forskjellige flaskehalser og bør derfor ikke nødvendigvis behandles som én og samme arbeidslast.

Kan Etched kjøre alle de mest avanserte AI-modellene?

Det tilgjengelige materialet peker mot et system som skal støtte mer enn én enkelt, fast modell. Etched sier at arkitekturen kan kjøre store, sparsomme mixture-of-experts-modeller, mens annen omtale beskriver klyngene som beregnet på arbeidslaster med avanserte frontmodeller. 1327

Det er likevel noe annet enn å bevise at racket kan kjøre alle avanserte AI-modeller uten programvareendringer, optimalisering eller annen tilpasning. Kildene underbygger ikke en så bred og ubetinget påstand.

Den tryggeste konklusjonen er derfor at Etched bygger generell inferensinfrastruktur rundt en spesialisert arkitektur – ikke en brikke som er låst til én bestemt modell.

Jane Street er både investor og kunde

Jane Streets rolle gir et signal om mulig kundeverifisering i tillegg til selve kapitalinnsprøytingen. Etched opplyser at handelsselskapet testet brikken, mottok det første racket måneden etter og begynte å ta systemet i bruk i datasenteret sitt. 56

Jane Street uttalte:

«Vi testet brikken og er fornøyde med de tidlige resultatene. Etcheds unike tilnærming til inferens gir presisjonen vi trenger for å støtte de mest krevende arbeidslastene våre. Vi gleder oss over nå å ha vårt eget rack i drift i datasenteret vårt.» 6

For Etched er poenget at en kunde med svært strenge krav til forsinkelse gikk fra testing til faktisk utrulling før Jane Street ledet den neste finansieringsrunden. Det er likevel tidlig validering – ikke et bevis på at selskapet allerede har fortrengt etablerte leverandører av AI-maskinvare i stor skala.

Hvem deltok i runden på 700 millioner dollar?

De annonserte deltakerne var Jane Street, Kleiner Perkins, Sequoia, Andreessen Horowitz, Tiger Global, Bain Capital Ventures, Neo, Primary, Stripes, Positive Sum og Blackstone. 45

Etcheds egen kunngjøring nevner også Peter Thiel blant investorene. Det tilgjengelige materialet fastslår imidlertid ikke tydelig om dette betyr at han deltok i akkurat denne runden, eller om han er oppført blant selskapets samlede støttespillere. 1628

Kildene underbygger heller ikke at Diffusion eller Argo deltok i denne konkrete finansieringen. De bør derfor ikke føres opp som investorer i runden på grunnlag av det tilgjengelige materialet.

Konklusjonen

Kunngjøringen samler tre store nyheter: en finansieringsrunde på 700 millioner dollar, en verdsettelse som har økt fra 5 milliarder dollar i desember til 21 milliarder dollar i august, og den første kundeleveransen av Etcheds inferensmaskinvare på rack-nivå. 159

Investeringscaset bygger på at AI-tjenester vil trenge infrastruktur som er utviklet spesielt for økonomien i inferens. Etcheds LVI-arkitektur retter seg mot den beregningstunge prefyllingen, mens CSM skal håndtere den minnekrevende dekodingen.

Jane Streets utrulling gir denne tesen en tidlig kommersiell test. For å forsvare en verdsettelse på 21 milliarder dollar må Etched likevel vise stabil ytelse, bred modellkompatibilitet og evne til å levere systemene i produksjonsskala.