A Etched tirou do chip tudo que não fosse transformer. Se a aposta der certo, a Nvidia perde a inferência. Se der errado, vira o silício mais caro já jogado fora.
A Etched fechou uma Série C de US$ 300 milhões que avalia a empresa em US$ 10,3 bilhões. A rodada foi liderada pela Sequoia, com participação de a16z, Jane Street, SK Hynix e Diffusion, e leva o total captado pela empresa para mais de US$ 1 bilhão.
Para a Sequoia, é a Série C com a maior avaliação que a firma já liderou.
A empresa foi fundada em 2022 por Gavin Uberti, Robert Wachen e Chris Zhu, três sujeitos que largaram Harvard para apostar numa ideia só.
O que significa gravar o transformer dentro do silício
Aqui está a ideia, e ela é radical.
Uma GPU é flexível de propósito. Ela roda transformer, roda rede convolucional, roda simulação de física, roda renderização de jogo. Essa flexibilidade custa área de chip, custa energia e custa transistor que fica ali sem fazer nada durante a sua carga específica.
O Sohu, o chip da Etched, joga essa flexibilidade fora. A arquitetura transformer, aquela que sustenta ChatGPT, Claude, Gemini e praticamente todo modelo de linguagem relevante, está literalmente desenhada no circuito. Fabricado no nó de 4 nanômetros da TSMC.
A analogia mais honesta: é a diferença entre um canivete suíço e uma faca de chef. O canivete faz tudo razoavelmente. A faca faz uma coisa muito melhor e não faz mais nada. Se você só corta legume o dia inteiro, a faca ganha de lavada.
500 mil tokens por segundo contra 24 mil: o número que ninguém confirmou
A empresa afirma que um servidor com oito chips Sohu passa de 500 mil tokens por segundo rodando Llama 70B. Um servidor equivalente com oito GPUs H100 da Nvidia faz algo entre 23 mil e 25 mil tokens por segundo no mesmo cenário.
Vamos fazer a conta em voz alta: 500 mil dividido por 24 mil dá cerca de 20 vezes. Não é 20% melhor, é vinte vezes.
Agora o freio. Esses números não foram verificados de forma independente por ninguém de fora. E, mais importante, a Etched não publicou os tamanhos de lote na escala que um ambiente de produção realmente usa. Isso importa muito: desempenho de inferência varia de forma dramática conforme quantas requisições você processa ao mesmo tempo. Um número medido em condição favorável pode encolher bastante quando bate a realidade de tráfego irregular.
Então trate 20x como afirmação do fabricante, não como fato. Ceticismo aqui é higiene, não pessimismo.
US$ 1 bilhão já assinado é o dado mais forte da história
Se tem um número nessa notícia que vale mais que o benchmark, é esse: o Sohu já tem mais de US$ 1 bilhão em contratos assinados com clientes.
Isso muda o peso da conversa. Investidor pode se empolgar com apresentação bonita, e a gente sabe que o mercado de chip de IA está cheio de dinheiro atrás de promessa. Cliente assinando compromisso de compra bilionário é outro tipo de sinal. Alguém com dinheiro real testou e decidiu comprometer orçamento.
Repare também em quem entrou na rodada: a SK Hynix. Isso não é investidor financeiro qualquer, é uma das maiores fabricantes de memória do mundo. Memória de alta velocidade é justamente o gargalo de qualquer chip de inferência. Ter a SK Hynix na cap table é acesso privilegiado ao componente mais disputado do setor.
O risco que pode matar a empresa inteira
Vou ser bem claro sobre o buraco dessa tese, porque ele é grande.
A Etched apostou que o transformer continua sendo a arquitetura dominante. Se a indústria migrar para outro desenho de modelo, a flexibilidade que a Etched jogou fora vira exatamente o que faltou. Um chip com a arquitetura gravada em silício não recebe atualização de software que resolva isso. Você joga fora e refabrica, num ciclo de anos.
É uma aposta binária. Não existe versão morna do resultado.
E os concorrentes não são fracos. Além da Nvidia com o ecossistema CUDA maduro, tem a AMD expandindo em inferência, e tem os chips próprios de Google, Amazon, Microsoft e OpenAI. Quem tem escala para justificar silício sob medida está fazendo o próprio.
Tem ainda o risco mais chato de todos, o de execução industrial: sair da alegação técnica e do cliente inicial para produção confiável em escala comercial. Muito chip promissor morreu exatamente nessa travessia.
O que isso diz pro Brasil, mesmo sem fábrica aqui
A gente não fabrica chip de IA, mas a gente paga pela inferência deles.
Se hardware especializado derrubar o custo de servir modelo, o preço da API cai, e cai para todo mundo, inclusive para a startup brasileira que hoje sangra margem pagando token em dólar. Essa é a via mais concreta pela qual essa notícia chega aqui.
Tem outro ângulo que interessa a quem trabalha com dado sensível: chip especializado consome menos energia por resposta, o que torna mais viável rodar modelo em infraestrutura local em vez de mandar tudo para nuvem estrangeira. Para empresa que lida com dado de saúde, jurídico ou financeiro sob LGPD, isso não é detalhe técnico, é a diferença entre poder e não poder usar IA em certos fluxos.
Conselho de bolso pra fundador brasileiro: não reescreva sua arquitetura por causa de um chip que ainda não está no mercado. Mas mantenha sua camada de inferência trocável. O custo de token vai cair de novo nos próximos 18 meses, e quem estiver amarrado num fornecedor único não vai conseguir aproveitar.
As dúvidas que sempre surgem quando aparece um matador de Nvidia
Se o chip é 20x mais rápido, por que a Nvidia não quebrou?
Porque o número é do fabricante, porque cobre só inferência de transformer, e porque a Nvidia vende muito mais do que silício: vende CUDA, ferramentas, suporte e a certeza de que o seu código vai rodar. Trocar hardware é fácil, trocar ecossistema é caro.
Vale US$ 10,3 bilhões uma empresa que ainda não entregou em escala?
Pela receita atual, não. Pelo bilhão em contrato assinado e pelo tamanho do mercado de inferência, o investidor achou que sim. Avaliação em hardware de IA hoje precifica cenário de sucesso, não fluxo de caixa presente. Isso é fato, não é elogio nem crítica.
Chip especializado já não fracassou antes?
Várias vezes, e por um motivo repetido: a carga de trabalho mudou antes do chip ficar pronto. A diferença agora é que o transformer já é dominante há anos e não deu sinal de ser substituído. Isso reduz o risco, não elimina.
Isso afeta o preço do ChatGPT ou do Claude que eu pago?
Indiretamente e com atraso. Custo de inferência mais barato para quem serve o modelo é o que permite corte de preço, como a gente viu no Opus 5 e no Gemini 3.6 Flash. Mas nenhuma dessas empresas usa Sohu hoje.
Por que eu torço por essa aposta mesmo achando ela perigosa
Vou assumir o viés: eu quero que a Etched dê certo, e não é por causa dos três caras que largaram Harvard.
É porque uma única empresa controlando o hardware que faz a IA funcionar é ruim para todo mundo que usa IA. Preço, prazo de entrega e prioridade de cliente passam a ser decisão de um fornecedor só. A gente já viu esse filme em memória, em nó de fabricação e em nuvem.
A tese da Etched é a mais corajosa do lote justamente porque ela não tenta ser uma GPU um pouco melhor. Ela abandona a categoria. Isso é o tipo de aposta que ou muda a estrutura do mercado ou vira estudo de caso de faculdade. Não tem meio termo, e por isso é interessante.
O que eu vou acompanhar não é o próximo benchmark deles. É a primeira medição feita por alguém que não tem ação na empresa. Se aquele número chegar perto de 20x com lote realista, aí sim é máquina. Até lá, é uma tese bilionária muito bem financiada.
Você apostaria num chip que só sabe rodar uma arquitetura, ou prefere pagar mais pela flexibilidade?
Fontes
- Tech Startups: Etched raises US$ 300M at US$ 10.3B valuation
- The Next Web: rodada com Sequoia e SK Hynix
- WebProNews: análise da aposta do chip só de transformer
ESCRITO PELA IA. REVISADO POR HUMANOS.
