Wycena Etched wzrosła ponad dwukrotnie do 21 mld dolarów. Jane Street testuje sprzęt AI i prowadzi nową rundę

Etched ogłosił 18 sierpnia 2026 roku pozyskanie 700 mln dolarów w nowej rundzie finansowania przy wycenie 21 mld dolarów. Rundę poprowadziła firma tradingowa Jane Street, która wcześniej przetestowała sprzęt startupu, a następnie została jego pierwszym klientem po otrzymaniu pierwszej szafy klastra inferencyjnego. 156

To wyjątkowo szybki wzrost wyceny na rynku prywatnym. W grudniu Etched był wyceniany na 5 mld dolarów, po rundzie Series C o wartości 300 mln dolarów z 23 lipca wycena wzrosła do 10,3 mld dolarów, a niespełna miesiąc później osiągnęła 21 mld dolarów. 3917

Na czym polega zakład inwestorów?

Inwestorzy stawiają na wyspecjalizowany sprzęt do inferencji AI, czyli uruchamiania już wytrenowanego modelu po przesłaniu mu zapytania przez użytkownika. Etched nie sprzedaje jednak zwykłej karty akceleratora. Firma oferuje kompletne systemy na poziomie całej szafy serwerowej — określane jako frontier inference clusters — łączące układy obliczeniowe, pamięć, sieć, chłodzenie, oprogramowanie i pozostałą infrastrukturę potrzebną do obsługi modeli. 524

To podejście wpisuje się w rosnące znaczenie infrastruktury do inferencji, gdy modele AI przechodzą od etapu treningu do masowego, interaktywnego użycia. Nvidia opisuje swoje szersze systemy na poziomie szafy jako „AI factories”, czyli „fabryki AI”. Etched stosuje podobną koncepcję kompletnego systemu, ale koncentruje ją konkretnie na obciążeniach inferencyjnych. 89

Dwa etapy działania modelu — dwa różne problemy techniczne

Inferencję można podzielić na dwa główne etapy: prefill i decode. Etched zaprojektował dla nich odrębne rozwiązania.

1. Low Voltage Inference dla etapu prefill

Prefill to intensywny obliczeniowo etap, w którym system odczytuje prompt wraz z jego kontekstem i przekształca te informacje w stan roboczy modelu. Dopiero po przetworzeniu wejścia model zaczyna generować odpowiedź. 20

Rozwiązanie Etched, nazwane Low Voltage Inference (LVI), wykonuje operacje matematyczne przy napięciu niższym niż połowa napięcia stosowanego w wielu konwencjonalnych układach AI — twierdzi firma. Celem jest ograniczenie ilości generowanego ciepła. Dzięki temu w ramach tego samego budżetu energetycznego i cieplnego można umieścić więcej tranzystorów oraz zwiększyć gęstość obliczeń. 1827

Etched deklaruje, że taka konstrukcja ma sprawdzać się w zadaniach wymagających wysokiej przepustowości, w tym przy dużych, rzadkich modelach typu mixture of experts. Są to jednak twierdzenia firmy dotyczące wydajności i kompatybilności; dostępne materiały nie niezależnie potwierdzają każdego reklamowanego benchmarku ani każdego typu obciążenia. 27

2. Cluster Scale Memory dla etapu decode

Decode to etap generowania odpowiedzi — model tworzy ją token po tokenie. W przeciwieństwie do prefill decode jest w dużej mierze ograniczany przez dostęp do pamięci, ponieważ system wielokrotnie odwołuje się do zgromadzonego kontekstu, w tym do pamięci podręcznej kluczy i wartości, czyli KV cache. 2025

Odpowiedzią Etched jest Cluster Scale Memory (CSM) — współdzielony system pamięci, w którym wiele układów w obrębie jednej szafy może korzystać ze wspólnej, szybkiej puli pamięci o niskich opóźnieniach. Założenie jest takie, że ograniczy to powielanie danych i ich przesyłanie, które występują, gdy każdy akcelerator opiera się głównie na własnej pamięci lokalnej. Teoretycznie może to zwiększyć przepustowość i obniżyć koszt obsługi dużych modeli. 72228

LVI i CSM odzwierciedlają główną tezę produktową Etched: przetwarzanie promptu i generowanie tokenów mają inne wąskie gardła, dlatego nie powinny być traktowane jak identyczne obciążenia.

Czy klastry Etched uruchomią każdy najnowszy model AI?

Dostępne informacje wskazują, że system ma obsługiwać więcej niż jeden ściśle określony model. Etched twierdzi, że jego architektura może uruchamiać duże, rzadkie modele mixture of experts, a inne materiały opisują klastry firmy jako infrastrukturę przeznaczoną do pracy z modelami najnowszej generacji. 1327

Nie jest to jednak równoznaczne z dowodem, że szafy Etched uruchomią każdy frontier model bez zmian w oprogramowaniu, optymalizacji czy dodatkowego dostosowania. Dostarczone źródła nie potwierdzają tak szerokiego, bezwarunkowego twierdzenia. Ostrożniejszy wniosek jest taki, że Etched buduje wyspecjalizowaną, ale ogólnego przeznaczenia infrastrukturę inferencyjną, a nie układ zablokowany na jeden konkretny model.

Jane Street: inwestor i pierwszy klient

Zaangażowanie Jane Street jest dla Etched czymś więcej niż tylko sygnałem finansowym. Startup poinformował, że firma tradingowa najpierw przetestowała jego układ, w kolejnym miesiącu otrzymała pierwszą szafę i rozpoczęła wdrażanie systemu w swoim centrum danych. 56

Jane Street przekazała:

„Przetestowaliśmy układ i jesteśmy zadowoleni z pierwszych wyników. Unikalne podejście Etched do inferencji zapewnia precyzję, której będziemy potrzebować przy najbardziej wymagających obciążeniach. Cieszymy się, że mamy teraz własną szafę działającą w naszym centrum danych”. 6

Dla Etched istotne jest to, że klient działający w środowisku wrażliwym na opóźnienia przeszedł od testów do wdrożenia, a następnie poprowadził kolejną rundę finansowania. To wciąż wczesna walidacja, a nie dowód, że startup na dużą skalę wyparł już dominujących dostawców sprzętu AI.

Kto uczestniczył w rundzie o wartości 700 mln dolarów?

Wśród ogłoszonych uczestników znalazły się Jane Street, Kleiner Perkins, Sequoia, Andreessen Horowitz, Tiger Global, Bain Capital Ventures, Neo, Primary, Stripes, Positive Sum i Blackstone. 45

Własny komunikat Etched wymienia również Petera Thiela wśród inwestorów. Dostępne materiały nie wyjaśniają jednak jednoznacznie, czy oznacza to jego udział w tej konkretnej rundzie o wartości 700 mln dolarów, czy przynależność do grona dotychczasowych inwestorów spółki. 1628

Dostarczone źródła nie potwierdzają, że w tej konkretnej rundzie uczestniczyły fundusze Diffusion lub Argo. Nie należy więc przypisywać im udziału w finansowaniu na podstawie dostępnych informacji.

Co oznacza wycena 21 mld dolarów?

Ogłoszenie Etched łączy trzy ważne wydarzenia: finansowanie w wysokości 700 mln dolarów, wzrost wyceny z 5 mld dolarów w grudniu do 21 mld dolarów w sierpniu oraz pierwsze komercyjne wdrożenie sprzętu inferencyjnego na poziomie całej szafy. 159

Teza inwestycyjna zakłada, że obsługa modeli AI będzie wymagała infrastruktury projektowanej od początku z myślą o kosztach i ograniczeniach inferencji. LVI ma przyspieszać obliczeniowo wymagający etap prefill, a CSM — rozwiązywać problemy z pamięcią podczas decode. Wdrożenie u Jane Street jest pierwszym komercyjnym testem tej koncepcji. Aby uzasadnić wycenę 21 mld dolarów, Etched będzie musiał jeszcze wykazać stabilną wydajność, szeroką zgodność z modelami oraz zdolność do dostarczania systemów na skalę produkcyjną.