Etched acaba de cerrar una ronda de 700 millones de dólares que lleva su valoración a 21.000 millones, duplicándola en solo un mes. Para cualquier founder que esté construyendo infraestructura o aplicaciones sobre IA, este movimiento marca un punto de inflexión: los inversores institucionales están apostando fuerte por alternativas al ecosistema NVIDIA, y la carrera por optimizar el costo de la inferencia se acelera.
¿Cuánto levantó Etched y quiénes invirtieron?
La ronda fue liderada por Jane Street, la firma de trading cuantitativo que recientemente instaló su primer rack de servidores con el hardware de Etched tras un período de validación interna. Según la empresa, Jane Street quedó impresionada con los resultados tempranos y ahora opera su propio clúster en sus centros de datos para cargas de trabajo exigentes.
El consorcio de inversores incluye nombres clave del ecosistema: Kleiner Perkins, Sequoia Capital, Andreessen Horowitz, Blackstone, Peter Thiel, Tiger Global, Bain Capital Ventures, Neo, Stripes, Primary, Positive Sum, Diffusion y Argo. Esta diversidad de capital institucional confirma que la apuesta por arquitecturas de semiconductores alternativas ya no es experimental — es estrategia de portafolio.
🤖 La IA no es solo para leer sobre ella
En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.
👥 Aplicarla en la comunidadLa cronología de valoraciones es vertiginosa:
- Diciembre 2025: valoración inicial de 5.000 millones de dólares
- Julio 2026: Serie C de 300 millones a 10.300 millones de valoración
- Agosto 2026: 700 millones adicionales a 21.000 millones de valoración
Además, Etched reveló 800 millones de dólares obtenidos mediante cuatro rondas previas no anunciadas, respaldadas por VentureTech Alliance para fortalecer su asociación de fabricación con Taiwan Semiconductor Manufacturing Company (TSMC).
¿Cómo funciona la arquitectura de Etched?
A diferencia de NVIDIA, que vende GPUs genéricas, Etched diseña sistemas completos que denomina «clústeres de inferencia de frontera». Su propuesta técnica se basa en dos innovaciones específicas:
Prefill de bajo voltaje. La fase «prefill» de la inferencia — donde el modelo procesa y entiende el prompt del usuario — es intensiva en cómputo. Etched creó un chip que opera a menos de la mitad del voltaje de los procesadores tradicionales, permitiendo empaquetar más transistores sin los problemas térmicos habituales de los chips de alto rendimiento.
Memoria a escala de clúster. La fase «decode» — donde el modelo genera tokens de salida — es intensiva en memoria. Etched desarrolló un nuevo tipo de memoria junto con un sistema de interconexión que permite conectar múltiples chips y compartir un pool de memoria con latencia extremadamente baja. El resultado prometido: mayor velocidad y menor costo por token generado.
Robert Wachen, cofundador y COO de Etched, explicó a TechCrunch que esta división del trabajo entre chips especializados para cada fase es lo que distingue su enfoque de las soluciones basadas en GPUs genéricas.
¿Qué cambia respecto al planteamiento original?
En sus primeros días, Etched generó escepticismo porque parecía diseñar chips que «etcheaban» modelos específicos — es decir, hardware customizado para ejecutar un solo modelo de IA. Eso era su intención original, pero la empresa aclaró que ya no es así: sus sistemas actuales pueden ejecutar cualquier modelo de frontera, lo que amplía significativamente su direccionabilidad de mercado.
Con un equipo de más de 400 ingenieros reclutados de empresas como NVIDIA y Google, Etched también está escalando físicamente: abrió una nueva fábrica en Taiwán y un centro de prototipado de 80.000 pies cuadrados cerca de su sede en San José. Los contratos con clientes existentes se estiman en aproximadamente 1.000 millones de dólares.
¿Qué significa esto para tu startup?
Este movimiento de Etched tiene implicaciones concretas para founders que operan en infraestructura, herramientas o aplicaciones de IA:
1. La guerra de costos de inferencia se vuelve crítica. A medida que los modelos crecen en tamaño y uso, el costo por token generado se convierte en un factor competitivo directo. Si tu startup depende de APIs de terceros para inferencia, estás expuesto a márgenes que otros podrían reducir drásticamente si adoptan hardware especializado como el de Etched. Evalúa si tienes flexibilidad para migrar entre proveedores de inferencia o si estás atado a uno solo.
2. Las inversiones en hardware alternativo son señal de madurez del sector. Cuando fondos cuantitativos como Jane Street prueban el hardware antes de invertir, y cuando se forman consorcios con TSMC para fabricación dedicada, el riesgo de cadena de suministro baja considerablemente. Para founders que consideran construir su propia infraestructura de ML, este es un dato importante: la especialización de hardware ya no es teórica, está en producción.
Acciones concretas que puedes implementar:
- Audita tu dependencia de GPU genéricas. Si tu modelo de negocio requiere inferencia masiva, compara costos actuales con alternativas emergentes. Monitorea benchmarks públicos de startups como Etched, Groq y SambaNova para entender cuándo la especialización supera a la generalización en tu caso de uso específico.
- Negocia contratos de capacidad anticipada. Si tu startup está escalando rápidamente, considera asegurar acuerdos de capacidad con proveedores de infraestructura IA antes de que los precios suban. Las rondas masivas como esta suelen preceder a aumentos de demanda y precios en el mercado.
- Evalúa partnerships estratégicos. Si tu producto se beneficia de inferencia rápida y económica, explora integraciones tempranas con proveedores de hardware especializado. Las alianzas en etapas iniciales suelen dar ventajas competitivas cuando estas tecnologías maduran.
Conclusión
La doblez de valoración de Etched en un mes refleja algo más que entusiasmo por un chip nuevo: indica que el mercado de infraestructura IA está fragmentándose. NVIDIA sigue siendo dominante, pero los incentivos económicos para encontrar alternativas — especialmente en inferencia, donde los márgenes importan más que en entrenamiento — están atrayendo capital institucional masivo. Para founders hispanohablantes, esto significa tanto oportunidades (nuevas herramientas más baratas, nuevas plataformas para construir) como riesgos (dependencia de ecosistemas que podrían cambiar rápidamente). La clave está en mantener flexibilidad arquitectónica mientras se aprovechan las mejoras de costo que estas innovaciones traen al mercado.
Fuentes
🤖 La IA no es solo para leer sobre ella
En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.
👥 Aplicarla en la comunidad
