El Ecosistema Startup

Etched, la startup de semiconductores especializados en inferencia de inteligencia artificial, cerró una ronda de $700 millones que duplica su valuación a $21 mil millones, consolidándose como la empresa de hardware AI privada más valiosa del ecosistema. La inversión, liderada por la firma de trading cuantitativo Jane Street —que también se convirtió en su primer cliente al instalar un rack operativo en sus centros de datos—, confirma que los inversores institucionales están apostando fuerte por arquitecturas alternativas a los GPUs de Nvidia.

Esta nueva inyección llega apenas semanas después de una Serie C de $300 millones en julio de 2026 que valuó a la empresa en $10.3 mil millones, lo que representa un incremento del 104% en valorización en menos de un mes. El consorcio incluyó a Kleiner Perkins, Sequoia Capital, Andreessen Horowitz, Tiger Global, Bain Capital Ventures y Peter Thiel, además de la participación estratégica de VentureTech Alliance para profundizar su asociación manufacturera con Taiwan Semiconductor Manufacturing Company (TSMC).

¿Por qué Etched está cambiando las reglas del juego?

Fundada en 2021, Etched inicialmente buscaba diseñar chips optimizados para modelos específicos de IA, pero pivotó hacia aceleradores de inferencia multiarquitectura cuando comprendió que el mercado necesitaba flexibilidad. Su primer prototipo salió de las líneas de producción de TSMC a principios de 2026, y hoy cuenta con un equipo de más de 400 ingenieros reclutados de empresas como Nvidia y Google.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

La propuesta técnica de Etched se centra en resolver uno de los cuellos de botella más críticos del hardware AI: la gestión térmica. Sus bloques matemáticos propietarios operan a menos de la mitad del voltaje que los aceleradores tradicionales, lo que permite mantener un rendimiento superior sin la reducción térmica que limita los chips actuales. Según la compañía, esta arquitectura proporciona «múltiples veces la densidad de FLOPs» respecto a sus rivales.

Más allá del chip individual, Etched vende sus semiconductores como racks completos personalizados. Cada appliance incluye:

Un interconect interno desarrollado internamente que completa tareas de comunicación en 700 milisegundos, frente a los 4,000 ms de chips competidores
Placas frías personalizadas que conducen el calor generado por los chips al sistema de refrigeración
Un VRM (Voltage Regulator Module) propietario que optimiza el flujo eléctrico en cada unidad

Gavin Uberti, CEO y cofundador de Etched, señaló: «Nos tomó tres años entregar nuestro primer rack desde cero. Nuestro próximo será mucho más rápido».

La empresa también construyó un cluster de 2 megavatios en su sede de San José, California, donde clientes potenciales pueden probar sus chips antes de comprometerse con compras a mayor escala. Con contratos estimados en $1 mil millones ya firmados, Etched enfrenta ahora el desafío de escalar su producción para capturar una porción significativa del mercado global de infraestructura AI.

¿Cómo se compara Etched con otros challengers de Nvidia?

El sector de chips AI alternativos está experimentando una explosión de capital. En julio de 2026, SambaNova levantó $1 mil millones a una valuación de $11 mil millones, enfocándose en inference chips y despliegues on-premise para sectores regulados como banca. JPMorgan Chase ya seleccionó a SambaNova como proveedor de inferencia on-premise para cargas de trabajo empresariales exigentes.

Por otro lado, Cerebras —que fabrica aceleradores basados en WSEs (Wafer-Scale Engines)— cerró un acuerdo multimillonario con OpenAI por más de $20 mil millones y salió a bolsa en mayo de 2026. Mientras tanto, Groq fue adquirida por Nvidia en diciembre de 2025 por aproximadamente $20 mil millones, aunque la operación se centró en licenciamiento tecnológico más que en una compra total.

El índice PHLX Semiconductor (PHLX SOXX), que rastrea un grupo de acciones de semiconductores, ha subido cerca del 80% en lo que va del año, reflejando el entusiasmo del mercado público por el sector «picks and shovels» de la construcción de IA.

Según CNBC, Rodrigo Liang, cofundador y CEO de SambaNova, comentó en un summit en París: «La inferencia ha abierto todo. Ahora puedes moverte rápido como empresa independiente y llevar el negocio a través de una amplia gama de sectores».

¿Qué significa esto para tu startup?

La carrera por reemplazar o complementar a Nvidia en inferencia AI tiene implicaciones directas para cualquier founder que esté construyendo productos basados en LLMs o agentes de IA:

1. Los costos de inferencia podrían caer drásticamente

Si la promesa de Etched de reducir voltaje a la mitad se traduce en escalabilidad real, los precios por token de inferencia podrían caer significativamente. Para startups que dependen de APIs de modelos grandes, esto significa menor costo operativo por consulta. Si estás evaluando proveedores de infraestructura AI, considera hacer pruebas técnicas con racks de inferencia dedicados en lugar de depender exclusivamente de APIs cloud.

2. La inferencia on-premise gana terreno para datos sensibles

Empresas como JPMorgan Chase están llevando la inferencia dentro de sus propios firewalls. Si tu startup maneja datos regulados (salud, finanzas, legal), la infraestructura on-premise de inferencia puede ser más segura y rápida que depender de terceros. Evalúa si tu caso de uso justifica invertir en hardware dedicado o si te conviene esperar a que los precios bajen con la competencia.

3. La ventana de oportunidad para adoptar nuevas arquitecturas se cierra rápido

Con valuaciones que se duplican en semanas, las startups de hardware AI están moviéndose agresivamente. Si tu producto depende de un proveedor específico de chips, diversifica tu stack técnico. No apuestes todo tu modelo de inferencia en un solo vendor hasta que tenga al menos dos clientes enterprise pagando y racks desplegados en producción.

Acciones concretas que puedes implementar hoy:

Prueba racks de inferencia dedicados: Contacta a proveedores emergentes como Etched o SambaNova para evaluar si sus appliances ofrecen mejor costo-beneficio que tus GPUs actuales para tu carga de trabajo específica.
Evalúa tu dependencia de Nvidia: Si más del 70% de tu infraestructura de inferencia corre sobre GPUs Nvidia, desarrolla un plan de migración parcial a arquitecturas alternativas. La competencia entre proveedores te dará poder de negociación.
Considera despliegues híbridos: Mantén modelos pequeños en edge devices y usa inferencia dedicada solo para cargas pesadas. Esto reduce costos y latencia simultáneamente.