Etched привлёк $700 млн при оценке $21 млрд — рост вдвое за месяц
Квантовый фонд Jane Street протестировал чипы стартапа и сразу возглавил раунд — сигнал того, что рынок AI-инференса переходит в стадию промышленного спроса.

Стартап Etched объявил о закрытии раунда на $700 млн при оценке $21 млрд — и это уже третье крупное привлечение менее чем за год. Раунд возглавил квантовый фонд Jane Street, который сначала протестировал железо, а потом вложил деньги. Даже по меркам AI-бума темп роста оценки выглядит аномально: в декабре 2024 года компанию оценивали в $5 млрд, в июле 2025-го — в $10,3 млрд, теперь — $21 млрд.
За один месяц капитализация выросла почти на $11 млрд. Для сравнения: многие белорусские IT-компании, резиденты ПВТ, за всё время существования не достигают и сотой доли этой суммы в выручке.
Что именно создал Etched
Etched продаёт не отдельные чипы, а полные системы — так называемые frontier inference clusters (Nvidia называет аналогичные решения «AI factories»). Ключевая инновация — два компонента, разработанных с нуля специально под задачи инференса: вычислительного процесса, который запускается каждый раз, когда пользователь отправляет запрос к языковой модели.
Сооснователь и операционный директор Роберт Вачен объяснил архитектуру через две фазы инференса. Первая — prefill: система анализирует запрос и весь контекст, это математически и вычислительно тяжёлая операция. Вторая — decode: система генерирует токены ответа, то есть то, что пользователь видит на экране, и здесь критична скорость работы с памятью.
Для фазы prefill Etched разработал чип с пониженным рабочим напряжением. Это позволило разместить больше транзисторов на кристалле без перегрева — традиционной проблемы высокопроизводительных AI-ускорителей. Результат — быстрее обрабатываются токены на входе.
Для фазы decode компания создала новый тип памяти и интерконнект, который она называет cluster-scale memory.
««Он позволяет множеству чипов объединяться и использовать общий пул памяти с очень низкой задержкой», — пояснил Вачен.»
Объединение чипов в единый пул памяти — это принципиально иной подход по сравнению с классическими GPU-кластерами, где каждый ускоритель работает со своей локальной памятью и обменивается данными через относительно медленные интерфейсы.
Кто вложился и почему это важно
Участие Jane Street в раунде — нетипичная история. Квантовые фонды редко возглавляют венчурные раунды в hardware-стартапах. Обычно они покупают чужие продукты, а не финансируют их разработку. Здесь же фонд сначала протестировал систему, убедился в результатах, а затем не только вложил деньги, но и развернул стойку с оборудованием Etched в собственном дата-центре.
««Мы протестировали чип и довольны ранними результатами. Подход Etched к инференсу обеспечивает точность, необходимую для наших самых требовательных нагрузок. Мы рады, что теперь у нас есть собственная стойка в дата-центре», — говорится в заявлении Jane Street.»
Среди других инвесторов — Kleiner Perkins, Sequoia Capital, Andreessen Horowitz, Peter Thiel, Tiger Global, Bain Capital Ventures, Blackstone и ряд более мелких фондов. Фактически, в капитале Etched собрался весь первый эшелон Кремниевой долины.
Отдельно стоит отметить: Etched давно избавился от своей первоначальной концепции, согласно которой каждый чип «вытравливался» под конкретную модель. Сейчас системы компании поддерживают любые frontier-модели — это критично для корпоративных клиентов, которые не хотят привязываться к одному поставщику LLM.
Что это значит для рынка
Рост оценки Etched отражает более широкую тенденцию: рынок AI-инференса становится самостоятельным и быстрорастущим сегментом, отдельным от рынка обучения моделей. Обучение по-прежнему доминирует в потреблении вычислительных ресурсов крупных лабораторий, но инференс — то, что происходит при каждом запросе каждого пользователя — масштабируется быстрее и требует иной архитектуры.
Для белорусских IT-компаний и команд, которые строят продукты на базе LLM, это означает, что через 1–2 года на рынке появятся альтернативные поставщики AI-инфраструктуры помимо Nvidia и облачных гигантов. Конкуренция на уровне железа может снизить стоимость инференса — а значит, и себестоимость AI-фич в продуктах.
Свежие новости
Все новости
Rust 1.100.0: стабилизация типа ! и нового API аллокаторов
В Rust 1.100.0 стабилизированы тип never (!) и базовые части allocator API. Изменение затрагивает все издания языка и несёт ограниченный breaking change.

Google представила Gemini 4 Hydrogen: быстрая модель для повседневных задач и агентных сценариев
Google анонсировала Gemini 4 Hydrogen — модель, ориентированную на скоростное выполнение задач в агентных рабочих процессах и повседневном программировании. Она доступна во всех тарифах Google AI Studio, Gemini API и приложения Gemini, а также платным подписчикам Google AI Pro и Ultra в Google Antigravity.

AWS Emulator: локальное тестирование AWS-приложений без аккаунта и деплоя
AWS выпустила AWS Emulator — инструмент для сборки и тестирования AWS-приложений локально или в CI-среде без AWS-аккаунта и деплоя. Эмулятор принимает стандартные вызовы SDK и CLI и отвечает на них за миллисекунды.

DeepSeek-V4-Pro, V4-Flash и V4.1-Flash появились в Amazon SageMaker JumpStart
Amazon SageMaker JumpStart пополнился тремя моделями DeepSeek: флагманской V4-Pro, экономичной V4-Flash и мультимодальной V4.1-Flash с архитектурой CED. Все три распространяются под лицензией MIT и поддерживают контекстное окно в 1 млн токенов.

Amazon S3 Tables получили поддержку серверного журналирования доступа
Amazon S3 Tables теперь поддерживают серверное журналирование доступа: детальные записи о запросах к табличным бакетам помогают отслеживать операции с таблицами, управление пространствами имён и доступ к данным для аудита безопасности, анализа доступа и распределения затрат.

Google открыла доступ к Gemini 4 Carbon для разработчиков
Google запустила Gemini 4 Carbon — модель с заявленными возможностями в кибербезопасности и длительных агентных рабочих процессах. Доступ открыт через платный уровень API.

Amazon S3 Access Grants научился перечислять гранты сразу по нескольким AWS-аккаунтам
Amazon S3 Access Grants получил поддержку кросс-аккаунтного листинга: один вызов ListCallerAccessGrants возвращает гранты из всех инстансов, расшаренных через AWS RAM, без необходимости опрашивать каждый аккаунт отдельно.

Google Maps Platform теперь доступна в AI Studio
Google добавила поддержку Maps Platform в AI Studio: разработчик описывает идею, Gemini генерирует код, а студия автоматически подключает ключ API и показывает живой интерактивный превью.

AWS выпустила open-source UI для графовой аналитики поверх data lake
AWS представила open-source решение с локальным веб-интерфейсом, которое позволяет превращать записи из data lake в графы для анализа в Amazon Neptune Analytics — без ручной сборки ETL-пайплайнов.