Yapay zeka sektörü, özellikle yapay zeka çıkarımı (eğitilmiş modelleri çalıştırarak yanıt üretme süreci) için özel donanımlara doğru stratejik bir geçiş yaşıyor. Nvidia'nın genel amaçlı GPU'ları uzun süredir hem yapay zeka eğitimi hem de çıkarımında baskın olsa da, Etched gibi girişimler belirli yapay zeka görevleri için üstün verimlilik ve maliyet etkinliği sağlamak amacıyla uygulamaya özel entegre devreler (ASIC'ler) üzerine yoğunlaşıyor. Bu uzmanlaşma, yapay zeka modelleri daha karmaşık ve yaygın hale geldikçe optimize edilmiş işlem gücüne yönelik artan ihtiyacı karşılamayı hedefliyor.

San Jose merkezli yapay zeka çip girişimi Etched, şu anda değerlemesini önemli ölçüde artırabilecek iki eş zamanlı finansman turu için görüşmeler yapıyor. Mevcut yatırımcı Jane Street liderliğindeki bir tur, şirketin önceki değerlemesini dört katına çıkararak 20 milyar dolarlık bir değerlemeyi hedefliyor. Eş zamanlı olarak, Sequoia Capital'in liderliğindeki ayrı bir tur ise 10 milyar dolarlık bir değerlemeyi amaçlıyor. Henüz kapanmamış olsa da bu anlaşmalar, yatırımcıların Etched'in yaklaşımına ve piyasanın mevcut yapay zeka donanım çözümlerine alternatif arayışına olan yoğun güvenini gösteriyor.

Şirketin amiral gemisi ürünü olan Sohu çipi, çoğu modern büyük dil modelinin temelini oluşturan transformatör mimarileri için özel olarak tasarlanmış bir ASIC. Etched, mimarisinin matematik bloklarını önemli ölçüde daha düşük voltajlarda çalıştırabildiğini ve termal kısma olmadan mevcut yapay zeka çiplerinin FLOPs yoğunluğunun kat kat fazlasını sağlayabildiğini iddia ediyor. Transformatör iş yükleri için optimizasyona odaklanma, çıkarım görevleri için sınıfının en iyisi verim, gecikme süresi ve güç verimliliği vaat ediyor.

Henüz büyük ölçekli ticari teslimatlara başlamamış olsa da Etched, web sitesinde yaklaşık 1 milyar dolarlık müşteri talebi olduğunu belirterek önemli ilgi topladı. 2022'de Harvard'dan ayrılan Gavin Uberti, Chris Zhu ve Robert Wachen tarafından kurulan girişim, stratejisini yeni bir yapay zeka donanım kategorisi olan öncü çıkarım kümeleri oluşturmak olarak görüyor. Çip tasarımından üretim yöntemlerine kadar dikey entegrasyonları, yeni nesil yapay zekanın taleplerini hızlı bir şekilde karşılamayı amaçlıyor.

Bu iddialı fon toplama ve değerleme hedefi, yapay zeka endüstrisindeki kritik bir eğilimin altını çiziyor: genel amaçlı bilgi işlemin ötesine geçerek yüksek düzeyde uzmanlaşmış, verimli donanımlara yönelme. Yapay zeka uygulamaları yaygınlaştıkça, çıkarım için amaca yönelik olarak üretilmiş çiplerin ekonomik ve performans avantajları giderek daha belirgin hale geliyor. Bu durum, yeni oyuncuların belirli, yüksek değerli iş yüklerine odaklanarak köklü devlere meydan okuyabileceği rekabetçi bir ortam yaratıyor.