SAN JOSE / LONDON (IT BOLTWISE) – Das KI-Inference-Startup Etched hat eine neue 300-Millionen-Dollar-Finanzierungsrunde abgeschlossen und seine Bewertung auf 10,3 Milliarden USD mehr als verdoppelt. Im Kern geht es um einen Prozessor, der auf das Inferenz- statt auf das Trainingsprofil optimiert ist und dadurch effizienter arbeiten soll. Technisch beschreibt das Unternehmen Mechanismen, die sowohl die Rechenphase beim „Prefill“ als auch die tokenweise „Decode“-Phase beschleunigen. Offen bleibt, wie schnell Etched die ersten Racks in den Betrieb großer KI-Workloads überführt und welche Kostenstrukturen sich dabei wirklich ergeben.
Etched stellt den Marktbeobachtern in der laufenden „KI-Realbetrieb“-Phase eine unbequeme Frage: Wenn Rechenzentren vor allem Inferenz ausführen müssen, warum werden dann Chips gebaut, die primär für Training und generische Workloads ausgelegt sind? Die neue Finanzierungsrunde über 300 Millionen USD, die das Unternehmen als Series C kommuniziert, bringt die Bewertung auf 10,3 Milliarden USD. Damit setzt Etched ein klares Signal Richtung Infrastruktur-Budgets, denn Inferenz ist inzwischen der Engpass vieler Systeme, sobald Modelle häufiger genutzt werden als trainiert.
Der Unterschied beginnt auf Hardware-Ebene. Laut Etched richtet sich der Chip speziell an Inference-Workloads und soll dadurch effizienter werden, als wenn man die gleichen Beschleuniger nutzt, die ursprünglich für Trainingsphasen optimiert sind. Der nächste Schritt wirkt dabei wie eine bewusste Abkehr vom reinen „GPU-Ersatz“-Narrativ: Statt nur einen Prozessor zu verkaufen, plant das Startup den Versand des Chips in Form eines Appliances, ergänzt um benutzerdefinierte Kühlungskomponenten und Interconnects. Für Unternehmen ist das relevant, weil die Betreiber damit weniger Spielraum beim Tuning haben – dafür aber schneller zu einem integrierten Deployment kommen können, sofern Leistung, Treiber-Integration und Betriebskosten tatsächlich zusammenpassen.
Technisch nimmt Etched zwei typische Bausteine der Inferenzverarbeitung auseinander: die Prefill-Phase und die Decode-Phase. Im Prefill verarbeitet das System die Eingabe (Prompt) so, dass das Modell die Bedeutung der Tokens „versteht“. Dabei fallen hardwareintensive Matrixmultiplikationen an – also genau die Art von Rechenoperationen, für die spezialisierte Beschleuniger gebaut werden. Entscheidender Hebel ist dabei die Zahl der Matrixmultiplikationen pro Sekunde, die wiederum eng mit der Taktfrequenz zusammenhängt. Höhere Frequenzen bedeuten mehr Rechenleistung, erzeugen aber klassisch auch mehr Wärme. Etched adressiert das laut eigener Darstellung über eine Mechanik namens LVI, die die Prozessspannung senkt und dadurch die Temperatur reduziert. Der damit mögliche Betrieb mit höheren Taktraten soll den typischen thermischen Flaschenhals umgehen, der bei GPUs die Leistungsgrenze im Dauerbetrieb setzt.
Nach dem Prefill folgt die Decode-Stufe, in der das Modell die Antwort tokenweise erzeugt – also Schritt für Schritt, wobei jede neue Ausgabe wiederum die nächsten Rechenoperationen anstößt. Genau hier wird Speicherzugriff zum Zeit- und Kostenfaktor, nicht nur rohe Rechenleistung. Etched nennt für die Beschleunigung in dieser Phase „Cluster Scale Memory“. Die Idee dahinter: Alle Beschleuniger in einem Rack sollen sich einen gemeinsamen Speicherbereich teilen können. Wenn Daten im gemeinsamen Speicher verbleiben, entfällt das wiederholte Versenden separater Datenkopien an jede Recheneinheit. In der Praxis bedeutet das weniger redundante Speicherbewegung, die häufig einen Teil der Latenz und des Energieverbrauchs treibt, besonders bei längeren Prompts oder bei parallelen Inferenzladungen. Für Betreiber ist das nicht nur eine Frage der Geschwindigkeit pro Anfrage, sondern auch der Skalierung pro Watt und pro Rack.
Auch der Zeitplan für den Übergang in die Produktion ist ein Stück Strategie. Etched will die ersten Racks noch in diesem Sommer ausliefern und baut dafür eine SMT-Produktionslinie (Surface Mount Technology), um die Montage der Appliances zu beschleunigen. Als Standort nennt das Unternehmen eine 80.000-Quadratfuß-Einrichtung in der Nähe des San-Jose-Headquarters, die gleichzeitig als Prototyping-Labor dient. Diese Kombination aus Aufbau- und Testumgebung ist für Hardware-Startups entscheidend, weil der Weg von einem funktionsfähigen Engineering-Prototyp zu einem wiederholbar gefertigten System typischerweise dort stoppt, wo Lieferketten, Bestückungsroutinen und Validierung komplex werden. Wenn Etched diesen Schritt früh adressiert, erhöht das die Chance, dass die versprochenen Vorteile nicht nur im Labormessplatz gelten, sondern in der Realität von Wartung, Austauschzyklen und Lastprofilen.
In der Finanzierung spiegelt sich zudem die Erwartung wider, dass der Bedarf an effizienter Inferenz-Infrastruktur weiter wächst. In der Runde sind unter anderem ein großer Speicherzulieferer für KI-Chips sowie bekannte Risikokapitalakteure und weitere Investoren beteiligt. Solche Beteiligungen sind in der Regel ein Indikator dafür, dass nicht nur „Compute“ betrachtet wird, sondern auch das Zusammenspiel aus Speicherhierarchie, Bandbreite und Systemdesign. Gerade weil Etched seine Architektur auf Inferenz fokussiert, muss es besonders im Zusammenspiel mit Speicher und Rack-Topologie beweisen, dass der Engpass wirklich verschoben wird – etwa weg von thermischen Grenzen oder weg von redundanten Datenbewegungen. Für Unternehmen, die derzeit zwischen GPU-Beständen, Cloud-Preismodellen und eigenen Beschleunigerstrategien abwägen, ist das der Kern: Welche Gesamtkosten sinken, wenn man einen Teil des Ökosystems neu denkt?
Damit stellt sich Etched auch in einen größeren historischen Kontext: Schon seit Jahren existieren Versuche, KI-Workloads besser auf spezialisierte Hardware abzubilden, beispielsweise über FPGAs, TPUs oder diverse Beschleuniger-Generationen. Der Unterschied in dieser Welle ist die Verschiebung der Lastverteilung. Training bleibt teuer, aber Inferenz ist häufiger und skaliert mit Produktnutzung, was dazu führt, dass Effizienzgewinne pro Anfrage direkt auf den Betriebskostenblock durchschlagen. Etched argumentiert genau hier: Nicht inkrementelle Verbesserungen bestehender Hardware seien ausreichend, sondern ein neuer Systemansatz. Ob das aufgeht, wird sich in den kommenden Monaten zeigen, sobald die ersten Racks in typische Inferenz-Workflows eingebunden werden und sich Kennzahlen wie Latenz, Durchsatz und Energieverbrauch unter realen Prompts messen lassen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-Inference-Chip-Startup Etched erhält 300 Mio. USD und verdoppelt Bewertung auf 10,3 Mrd. USD" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-Inference-Chip-Startup Etched erhält 300 Mio. USD und verdoppelt Bewertung auf 10,3 Mrd. USD" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-Inference-Chip-Startup Etched erhält 300 Mio. USD und verdoppelt Bewertung auf 10,3 Mrd. USD« bei Google Deutschland suchen, bei Bing oder Google News!