Etched envisage déjà une nouvelle levée de fonds qui portera plus que le double la valorisation de la startup de puces d’inférence IA, autour de 21 milliards de dollars, à peine un mois après sa levée de fonds de 300 millions de dollars de série C, menée en fin juillet par Sequoia, qui évaluait l’entreprise à 10,3 milliards de dollars.
Les nouveaux chiffres cités dans le rapport du Wall Street Journal du 18 août représentent un quadruplement de la valorisation de la société, passée de 5 milliards de dollars en décembre 2025. Etched a également déjà fermé (conclu) un accord avec Jane Street comme premier client, en livrant une baie de serveurs remplie de processeurs d’IA optimisés pour le calcul d’inférence rapide, destinée au géant du trading quantitatif basé sur Wall Street.
L’ampleur de la croissance de la société, alors qu’elle n’est sortie du mode discret que le 30 juin, signale la ruée vers des alternatives au grand avantage de Nvidia à la tête de la chaîne d’approvisionnement qui alimente le boom de l’IA en silicium.
« Ce tour reflète la conviction croissante d’une industrie selon laquelle le défi exige un nouvel acteur disposé à reconstruire la pile à partir des principes fondamentaux », a déclaré le cofondateur et PDG Gavin Uberti dans un communiqué.
Andreessen Horowitz (a16z), SK Hynix, Jane Street et Diffusion Capital ont également rejoint le tour de financement du 31 juillet.
Que font les puces d’Etched ?
Etched vend des systèmes complets de racks optimisés pour la partie inférence de la pile de calcul de l’IA, qui intervient après que les utilisateurs ont soumis leurs invites. La société estime que sa focalisation sur l’inférence lui permet de concevoir des puces spécialisées, contrairement à Nvidia, qui fabrique des GPU généralistes pour l’entraînement et l’inférence de l’IA.
Etched répartit le travail entre les phases de préremplissage et de décodage.
La phase de préremplissage lit et interprète les invites en utilisant ce que le cofondateur d’Etched, Robert Wachen, appelle une inférence à faible tension. Ce choix de conception permet à la puce de fonctionner plus frais, avec davantage de transistors et une fréquence d’horloge plus élevée.
La phase de décodage, pendant laquelle le modèle écrit sa réponse un jeton à la fois, s’appuie sur une conception de mémoire à l’échelle du cluster. Cette conception de mémoire partagée permet aux accélérateurs situés dans un même rack de puiser des données dans un autre pool de mémoire, au lieu de devoir copier les données eux-mêmes.
Etched a déclaré que ses systèmes sont déjà intégrés dans les modèles DeepSeek, Qwen, Mamba et Llama.
De gros capitaux affluent vers l’inférence
Etched profite de l’élan dans un marché plus large que les prévisionnistes considèrent comme la tranche la plus rapide de l’écosystème IA en pleine expansion. La société a tenu sa promesse de commencer l’expédition des puces dès l’été, remplissant plus de 1 milliard de dollars d’ordres déjà enregistrés, comme l’a rapporté Cryptopolitan.
Bloomberg Intelligence a fixé un objectif de 1,3 billion de dollars pour le secteur de l’inférence, doublant ainsi la taille du marché de l’entraînement de l’IA d’ici 2032. Iron Mountain et Structure Research parient que les capacités d’inférence dépasseront celles de l’entraînement cette année et continueront de croître pour atteindre 80 % de la charge de calcul de l’IA d’ici 2030.
La ruée vers les centres de données pour l’IA a créé une demande régulière alimentée par des acteurs tels que Nvidia, Cerebras et AMD, qui construisent eux aussi des systèmes spécifiques à l’inférence sur la même séparation préremplissage-décodage qu’Etched décrit.
Etched emploie désormais plus de 400 personnes et a fait état d’un premier succès de silicium sur le procédé N4P de TSMC. L’entreprise fait tourner un centre de données de 2 mégawatts au siège de San Jose et a ouvert une nouvelle installation de 80 000 pieds carrés et de 10 mégawatts à Milpitas, non loin, a rapporté TechCrunch.
Si vous lisez ceci, vous êtes déjà en avance. Restez-y grâce à notre newsletter.