Hace poco más de dos años, Etched era una startup al borde del colapso. Sus fundadores —tres estudiantes que dejaron Harvard para lanzarse al mundo de los semiconductores— no lograban convencer a ningún inversor de que su idea tenía sentido. Hoy, la compañía acaba de cerrar una ronda Serie C de 300 millones de dólares liderada por Sequoia que la valúa en 10.300 millones de dólares, duplicando los 5.000 millones que alcanzó en diciembre pasado.
¿Qué cambió? La respuesta tiene que ver con un concepto que cada vez pesa más en las cuentas de resultados de las empresas de inteligencia artificial: la inferencia.
El cuello de botella de la IA
Entrenar un modelo grande cuesta millones de dólares en poder de cómputo. Pero una vez que el modelo está listo y empieza a usarse —cada vez que un usuario escribe un prompt en ChatGPT, genera una imagen o pide una recomendación— el costo no desaparece. Al contrario: la inferencia, que es el proceso de ejecutar el modelo para producir una respuesta, se ha convertido en el principal gasto operativo de las compañías de IA. Según estimaciones de la industria, el mercado de chips especializados en inferencia podría superar los 100.000 millones de dólares anuales para 2030.
Ahí es donde entra Etched. La empresa diseñó dos componentes desde cero: un chip para la fase de "prefill" (cuando el sistema entiende el contexto del prompt, una tarea computacionalmente intensiva) y una nueva tecnología de memoria para la fase de "decode" (cuando genera la respuesta). Su propuesta es que estos componentes trabajan juntos a un voltaje mucho más bajo que cualquier otro chip de IA del mercado, generando menos calor y permitiendo empaquetar más transistores. El resultado, según la compañía, es una ejecución más rápida y más barata que la de cualquier GPU de Nvidia.
Un giro que tardó en llegar
Cuando Etched lanzó su idea en 2022, la noción de construir un chip que solo sirviera para modelos basados en transformers —la arquitectura detrás de ChatGPT, Claude o Gemini— parecía una apuesta extravagante. Los fundadores recuerdan haber enviado un memorando de 30 páginas a los grandes fondos de venture capital explicando por qué la IA eventualmente necesitaría hardware especializado. Todos pasaron. En 2023 la empresa operaba mes a mes, al borde de quedarse sin efectivo.
Hoy el panorama es distinto. El fabricante taiwanés TSMC produjo con éxito el primer chip de Etched a principios de 2026, y la startup ya acumula 1.000 millones de dólares en pedidos contratados por sus "clústeres de inferencia de frontera" —sistemas completos que incluyen los chips, racks diseñados a medida y software. Entre los primeros clientes y evaluadores del hardware figuran nombres como Andrej Karpathy (de Anthropic), Noam Brown (de OpenAI) y Geoffrey Hinton, según contó a TechCrunch Robert Wachen, cofundador y COO de la compañía.
La ronda de julio también incluye a Andreessen Horowitz, SK Hynix, Jane Street y Diffusion Capital. En total, Etched ha levantado 800 millones de dólares desde su fundación.
Lo que esto significa para América Latina
Para ejecutivos de la región, la historia de Etched no es solo una nota de tecnología de Silicon Valley. Es una señal de que la infraestructura de IA está entrando en una fase de especialización que puede cambiar las reglas del juego para empresas que hoy dependen de servicios en la nube con GPUs de Nvidia.
Hoy, cualquier startup latinoamericana que quiera correr modelos de IA en producción paga el costo de la inferencia en dólares, con márgenes que en muchos casos consumen entre el 30% y el 60% del presupuesto operativo. Si empresas como Etched logran reducir ese costo de forma significativa, el ahorro podría traducirse en modelos de negocio viables para aplicaciones que hoy son inviables en la región: asistentes virtuales en español para pymes, sistemas de detección de fraude en tiempo real para fintech locales o análisis predictivo para cadenas de suministro.
Además, la aparición de alternativas a Nvidia abre la puerta a una diversificación de la oferta de chips que, en el mediano plazo, podría hacer que la capacidad de cómputo sea más accesible y menos dependiente de un solo proveedor. Para un ecosistema donde la adopción de IA muchas veces choca contra el costo de la nube, esa no es una noticia menor.
El riesgo de escalar
Wachen lo admite con honestidad: "No teníamos idea de lo difícil que iba a ser. Y creo que todavía tenemos que ser humildes sobre lo que tomará realmente escalar". La compañía pasó de tener sus servidores en el garaje de un empleado —donde su esposa tenía que ir a presionar el botón de reinicio— a operar un centro de datos de 2 megavatios y emplear a 400 personas. Pero pasar de ahí a la producción masiva de sistemas completos es otro salto.
El camino está lleno de competidores que también apuestan por lo mismo. Cerebras ya tuvo la primera oferta pública inicial del año en el sector de chips de IA, Groq levantó 650 millones de dólares en junio, y los hiperescaladores —Amazon, Google, Microsoft— construyen sus propios chips. Incluso OpenAI acaba de presentar su primer chip personalizado, fabricado por Broadcom. En ese contexto, Etched llega con una ventaja: sus chips ya están funcionando, sus clientes ya los probaron, y sus inversores —que incluyen desde Peter Thiel hasta el fondo de cobertura Two Sigma— están dispuestos a apostar que el futuro de la IA no se escribirá solo con GPUs.
Para una startup latinoamericana que hoy paga fortunas en inferencia, la pregunta ya no es si llegará una alternativa a Nvidia. Es cuándo estará disponible en sus nubes locales.
