มูลค่า Etched พุ่งกว่าเท่าตัวในไม่ถึงเดือน หลัง Jane Street ทดสอบฮาร์ดแวร์ AI และร่วมลงทุน

Etched ประกาศเมื่อวันที่ 18 สิงหาคม 2026 ว่า บริษัทระดมทุนรอบใหม่ได้ 700 ล้านดอลลาร์ ที่มูลค่า 2.1 หมื่นล้านดอลลาร์ โดย Jane Street บริษัทเทรดเชิงปริมาณเป็นผู้นำการลงทุน หลังจากทดสอบฮาร์ดแวร์ของ Etched และกลายเป็นลูกค้ารายแรกของสตาร์ตอัปแห่งนี้ โดยได้รับแร็กระบบประมวลผล AI ชุดแรกไปใช้งานแล้ว 156

การระดมทุนครั้งนี้สะท้อนการพุ่งขึ้นอย่างรวดเร็วของมูลค่าในตลาดเอกชน จาก 5 พันล้านดอลลาร์ในเดือนธันวาคม เป็น 1.03 หมื่นล้านดอลลาร์หลังการระดมทุน Series C มูลค่า 300 ล้านดอลลาร์เมื่อวันที่ 23 กรกฎาคม และเพิ่มเป็น 2.1 หมื่นล้านดอลลาร์ในเวลาไม่ถึงหนึ่งเดือน 3917

ทำไมการระดมทุนครั้งนี้จึงสำคัญ

เงินลงทุนดังกล่าวคือการเดิมพันกับฮาร์ดแวร์เฉพาะทางสำหรับ AI inference หรือกระบวนการนำโมเดล AI ที่ฝึกเสร็จแล้วมาประมวลผลคำสั่งของผู้ใช้และสร้างคำตอบขึ้นมา

Etched ไม่ได้วางขายผลิตภัณฑ์ในรูปแบบการ์ดเร่งความเร็วทั่วไป แต่จำหน่ายระบบครบชุดระดับแร็ก ซึ่งบริษัทเรียกว่า frontier inference clusters โดยรวมชิป หน่วยความจำ เครือข่าย ระบบระบายความร้อน ซอฟต์แวร์ และโครงสร้างพื้นฐานอื่น ๆ เข้าเป็นแพลตฟอร์มเดียวสำหรับให้บริการโมเดล AI 524

แนวทางนี้ทำให้ Etched เข้าไปอยู่ในส่วนที่กำลังมีความสำคัญมากขึ้นของตลาดโครงสร้างพื้นฐาน AI นั่นคือการนำโมเดลไปใช้งานจริงแบบรวดเร็วและต่อเนื่อง หลังยุคที่ความสนใจส่วนใหญ่เคยมุ่งไปที่การฝึกโมเดล Nvidia เรียกระบบระดับแร็กในภาพรวมของตนว่า “AI factories” หรือโรงงาน AI ส่วน Etched ใช้แนวคิดระบบครบชุดที่คล้ายกัน แต่ปรับให้เหมาะกับงาน inference โดยเฉพาะ 89

Etched ออกแบบระบบ inference อย่างไร

กระบวนการ inference ของ AI แบ่งได้เป็น 2 ช่วงหลัก และ Etched ออกแบบเทคโนโลยีแยกสำหรับแต่ละช่วง

1. Low Voltage Inference สำหรับขั้นตอน prefill

Prefill คือช่วงที่ใช้การคำนวณสูง ระบบจะอ่านคำสั่งของผู้ใช้รวมถึงบริบทที่เกี่ยวข้อง แล้วแปลงข้อมูลเหล่านั้นเป็นสถานะการทำงานของโมเดล ก่อนที่โมเดลจะเริ่มสร้างคำตอบ 20

แนวทางของ Etched ซึ่งเรียกว่า Low Voltage Inference (LVI) ให้บล็อกคำนวณทางคณิตศาสตร์ของชิปทำงานด้วยแรงดันไฟฟ้าต่ำกว่าครึ่งหนึ่งของชิป AI ทั่วไปหลายประเภท ตามข้อมูลของบริษัท เป้าหมายคือการลดความร้อน ทำให้สามารถใส่ทรานซิสเตอร์ได้หนาแน่นขึ้นภายใต้ข้อจำกัดด้านพลังงานและการระบายความร้อน และเพิ่มความหนาแน่นของการประมวลผล 1827

บริษัทระบุว่าแนวทางนี้เหมาะกับงานที่ต้องการอัตราการประมวลผลสูง รวมถึงโมเดลแบบ sparse mixture-of-experts ขนาดใหญ่ อย่างไรก็ตาม ข้อความดังกล่าวเป็นคำกล่าวอ้างด้านประสิทธิภาพและความเข้ากันได้ของบริษัท โดยหลักฐานที่มีไม่ได้ยืนยันผลการทดสอบหรือประสิทธิภาพที่โฆษณาไว้ทุกกรณีโดยอิสระ 27

2. Cluster Scale Memory สำหรับขั้นตอน decode

Decode คือช่วงที่โมเดลสร้างคำตอบทีละโทเคน ซึ่งเป็นหน่วยย่อยของข้อความ ต่างจาก prefill ขั้นตอนนี้ถูกจำกัดด้วยการเข้าถึงหน่วยความจำอย่างมาก เพราะระบบต้องเรียกดูบริบทสะสมซ้ำ ๆ รวมถึงสิ่งที่เรียกว่า key-value cache หรือ KV cache 2025

Etched จึงพัฒนา Cluster Scale Memory (CSM) ซึ่งเป็นสถาปัตยกรรมหน่วยความจำแบบใช้ร่วมกัน ช่วยให้ชิปหลายตัวภายในแร็กเดียวกันเข้าถึงหน่วยความจำความเร็วสูงและความหน่วงต่ำจากพูลกลางเดียวกันได้

เป้าหมายคือการลดการทำสำเนาข้อมูลและการเคลื่อนย้ายข้อมูลที่อาจเกิดขึ้นเมื่อชิปเร่งความเร็วแต่ละตัวต้องพึ่งพาหน่วยความจำของตัวเองเป็นหลัก ในทางทฤษฎี วิธีนี้อาจช่วยเพิ่มอัตราการประมวลผลและลดต้นทุนการให้บริการโมเดลขนาดใหญ่ 72228

LVI และ CSM จึงสะท้อนแนวคิดหลักของ Etched ว่า ระบบ inference ควรออกแบบให้รับมือกับคอขวดที่แตกต่างกันของการประมวลผลคำสั่งและการสร้างโทเคน แทนที่จะมองทั้งสองช่วงเป็นงานประเภทเดียวกัน

Etched รองรับโมเดล frontier ได้ทุกแบบหรือไม่

หลักฐานที่มีชี้ว่า Etched กำลังพัฒนาระบบที่รองรับโมเดลมากกว่าหนึ่งประเภทที่กำหนดตายตัว บริษัทระบุว่าสถาปัตยกรรมของตนสามารถทำงานกับโมเดล sparse mixture-of-experts ขนาดใหญ่ และรายงานบางส่วนอธิบายว่าบริษัทวางระบบของตนไว้สำหรับงานโมเดลระดับ frontier 1327

อย่างไรก็ตาม นั่นไม่เท่ากับการพิสูจน์ว่าแร็กของ Etched สามารถรัน โมเดล frontier ทุกแบบ ได้ทันทีโดยไม่ต้องปรับซอฟต์แวร์ เพิ่มประสิทธิภาพ หรือดัดแปลงระบบเพิ่มเติม แหล่งข้อมูลที่มีไม่รองรับคำกล่าวอ้างที่กว้างและไม่มีเงื่อนไขเช่นนั้น

ข้อสรุปที่ปลอดภัยกว่าคือ Etched กำลังสร้างโครงสร้างพื้นฐาน inference แบบใช้งานได้กับโมเดลหลายประเภทบนสถาปัตยกรรมเฉพาะทาง ไม่ใช่ชิปที่ล็อกไว้สำหรับโมเดลใดโมเดลหนึ่งเท่านั้น

Jane Street ในบทบาททั้งนักลงทุนและลูกค้า

การเข้ามาของ Jane Street เป็นสัญญาณยืนยันจากลูกค้านอกเหนือจากการเป็นผู้ลงทุน Etched ระบุว่า Jane Street ได้ทดสอบชิป รับมอบแร็กชุดแรกในเดือนถัดมา และเริ่มนำระบบไปใช้งานในศูนย์ข้อมูลของตน 56

Jane Street ระบุว่า:

“เราได้ทดสอบชิปและพอใจกับผลลัพธ์ในระยะแรก แนวทางเฉพาะของ Etched สำหรับงาน inference ให้ความแม่นยำที่เราต้องการเพื่อรองรับงานที่มีความต้องการสูงที่สุดของเรา เราตื่นเต้นที่ขณะนี้มีแร็กของเราเองทำงานอยู่ในศูนย์ข้อมูลของเรา” 6

สำหรับ Etched จุดสำคัญคือ ลูกค้าที่ต้องการความหน่วงต่ำอย่างมากได้ขยับจากการประเมินไปสู่การติดตั้งใช้งานจริง ก่อนจะเป็นผู้นำการระดมทุนรอบถัดไป แต่สิ่งนี้ยังเป็นการยืนยันในระยะเริ่มต้น ไม่ใช่หลักฐานว่าบริษัทสามารถแทนที่ฮาร์ดแวร์ AI ของผู้ครองตลาดได้ในระดับใหญ่แล้ว

ใครบ้างที่เข้าร่วมการระดมทุน 700 ล้านดอลลาร์

ผู้ลงทุนที่ประกาศเข้าร่วมรอบนี้ ได้แก่ Jane Street, Kleiner Perkins, Sequoia, Andreessen Horowitz, Tiger Global, Bain Capital Ventures, Neo, Primary, Stripes, Positive Sum และ Blackstone 45

ประกาศของ Etched เองยังระบุชื่อ Peter Thiel ไว้ในกลุ่มนักลงทุนของบริษัทด้วย แต่ข้อมูลที่มีไม่ได้ยืนยันอย่างชัดเจนว่าเขาเข้าร่วมการระดมทุน 700 ล้านดอลลาร์รอบนี้โดยเฉพาะ หรือชื่อดังกล่าวเป็นการระบุผู้สนับสนุนสะสมของบริษัท 1628

ในทางกลับกัน หลักฐานที่มี ยังไม่ยืนยัน ว่า Diffusion หรือ Argo เข้าร่วมการระดมทุนรอบนี้ จึงไม่ควรนับทั้งสองรายเป็นผู้ลงทุนในรอบดังกล่าว

บทสรุป

ประกาศของ Etched รวม 3 พัฒนาการสำคัญไว้ด้วยกัน ได้แก่ การระดมทุน 700 ล้านดอลลาร์ มูลค่าบริษัทที่เพิ่มจาก 5 พันล้านดอลลาร์ในเดือนธันวาคมเป็น 2.1 หมื่นล้านดอลลาร์ในเดือนสิงหาคม และการส่งมอบฮาร์ดแวร์ inference ระดับแร็กให้ลูกค้ารายแรก 159

เหตุผลที่นักลงทุนสนใจอยู่บนสมมติฐานว่า การให้บริการโมเดล AI ในอนาคตจะต้องใช้โครงสร้างพื้นฐานที่ออกแบบมาเพื่อเศรษฐศาสตร์ของ inference โดยเฉพาะ สถาปัตยกรรม LVI ของ Etched มุ่งจัดการกับ prefill ที่ใช้การคำนวณสูง ขณะที่ CSM มุ่งแก้ปัญหา decode ที่ใช้หน่วยความจำมาก

การติดตั้งระบบของ Jane Street ถือเป็นการทดสอบเชิงพาณิชย์ระยะแรกของแนวคิดนี้ แต่ Etched ยังต้องพิสูจน์ประสิทธิภาพที่สม่ำเสมอ ความเข้ากันได้กับโมเดลที่หลากหลาย และความสามารถในการส่งมอบระบบในระดับการผลิต ก่อนที่มูลค่า 2.1 หมื่นล้านดอลลาร์จะได้รับการยืนยันอย่างเต็มที่