Etched สตาร์ทอัพด้านชิปปัญญาประดิษฐ์ (AI) ที่ก่อตั้งขึ้นในปี 2022 โดยนักศึกษา 3 คนที่ตัดสินใจลาออกจากมหาวิทยาลัยฮาร์วาร์ด ได้ประกาศปิดการระดมทุนรอบ Series C เป็นมูลค่า 300 ล้านดอลลาร์ ส่งผลให้บริษัทมีมูลค่าประเมินสูงถึง 1.03 หมื่นล้านดอลลาร์ ซึ่งเป็นการก้าวข้ามความกังขาจากหลายฝ่าย โดยการระดมทุนครั้งนี้มี Sequoia เป็นแกนนำ พร้อมด้วย Andreessen Horowitz, SK Hynix, Jane Street และ Diffusion Capital รวมถึงนักลงทุนรายเดิมที่เข้าร่วมด้วย.
ก่อนหน้านี้ Etched เคยมีมูลค่าประเมินอยู่ที่ 5 พันล้านดอลลาร์ ในเดือนธันวาคม เมื่อครั้งที่ระดมทุนได้ 500 ล้านดอลลาร์ การเพิ่มขึ้นของมูลค่าบริษัทเป็นสองเท่าภายในระยะเวลาประมาณเจ็ดเดือนนี้ ถือเป็นมูลค่าสูงสุดที่เคยมีการประเมินสำหรับรอบ Series C ที่นำโดย Sequoia นอกจากนี้ เมื่อเดือนที่แล้ว Etched ยังได้ประกาศความสำเร็จในการผลิตชิปที่ออกแบบเอง และระบบเต็มรูปแบบชุดแรกกำลังอยู่ระหว่างการทดสอบโดยลูกค้า พร้อมมียอดสั่งซื้อแล้วถึง 1 พันล้านดอลลาร์.
Etched เปิดตัวในช่วงเวลาที่แนวคิดในการสร้างชิปที่ออกแบบมาเพื่อโมเดล AI โดยเฉพาะ โดยอิงจากเทคโนโลยี Transformer ซึ่งเป็นสถาปัตยกรรมเบื้องหลังระบบ AI สมัยใหม่ส่วนใหญ่ รวมถึง ChatGPT และ Claude นั้น ยังถูกมองว่าเป็นเรื่องที่ท้าทายอย่างยิ่ง บริษัทกำลังเผชิญกับการรับรู้ที่ว่าผลิตภัณฑ์ของตน ซึ่งขายเป็นระบบเต็มรูปแบบ ไม่ใช่แค่ชิปเท่านั้น ถูกออกแบบมาเพื่อรันเฉพาะ LLM บางประเภทเท่านั้น อย่างไรก็ตาม Robert Wachen ประธานเจ้าหน้าที่ฝ่ายปฏิบัติการ (COO) ของ Etched ชี้แจงว่า ระบบของบริษัทสามารถรันโมเดล AI ได้ทุกประเภท รวมถึงโมเดล Mixture of Experts อย่าง DeepSeek และ Qwen ซึ่งเป็นสถาปัตยกรรมที่แบ่งงานไปยังโมเดลย่อยเฉพาะทาง แทนที่จะพึ่งพาโมเดลขนาดใหญ่เพียงโมเดลเดียว รวมถึงการออกแบบที่ไม่ใช่ Transformer อย่าง Mamba ซึ่งสร้างขึ้นบนสถาปัตยกรรมที่แตกต่างกันที่เรียกว่า state-space model.
หัวใจสำคัญของ Etched คือการออกแบบส่วนประกอบใหม่สองส่วนตั้งแต่ต้นเพื่อเร่งความเร็วในการอนุมาน (inference) ซึ่งเป็นกระบวนการประมวลผลที่เกิดขึ้นหลังจากผู้ใช้ส่งคำสั่ง โดย Wachen อธิบายว่า การอนุมานแบ่งออกเป็นสองขั้นตอน คือ "prefill" ซึ่งเกี่ยวข้องกับการทำความเข้าใจพร้อมท์และบริบท และเป็นขั้นตอนที่ต้องใช้การคำนวณและคณิตศาสตร์สูง และ "decode" ซึ่งเป็นการสร้างโทเค็นผลลัพธ์ (คำตอบที่ผู้ใช้เห็น) ซึ่งต้องการการคำนวณน้อยกว่า แต่ต้องการหน่วยความจำมหาศาล Etched ได้สร้างชิป prefill ที่ทำงานได้เร็วกว่าอย่างมาก โดยใช้แรงดันไฟฟ้าที่ต่ำกว่าชิป AI อื่นๆ อย่างมีนัยสำคัญ ซึ่งพวกเขาเรียกว่า "low-voltage inference" การใช้แรงดันไฟฟ้าที่ต่ำลงช่วยลดความร้อน ทำให้สามารถบรรจุทรานซิสเตอร์ได้มากขึ้น สำหรับกระบวนการ decode Etched ได้สร้างหน่วยความจำประเภทใหม่และ "เทคโนโลยีการเชื่อมต่อที่เราเรียกว่า cluster scale memory ซึ่งช่วยให้ชิปจำนวนมากเชื่อมต่อกันและใช้พูลหน่วยความจำร่วมกันได้อย่างรวดเร็วและมีค่าความหน่วงต่ำมาก" ผลลัพธ์ที่ได้คือความเร็วสูงแต่ต้นทุนต่ำลง.
