ارزش ۱۰.۳ میلیارد دلاری استارتاپ تراشه Etched؛ طلوع چالشگران جدید در پردازش هوش مصنوعی

در میانه رقابت نفس‌گیر برای ساخت سخت‌افزارهای شتاب‌دهنده هوش مصنوعی، استارتاپ Etched با ایده‌ای که روزگاری جسورانه و حتی ناممکن به نظر می‌رسید، حالا به مرحله‌ای تازه رسیده است. بر اساس گزارش TechCrunch، این شرکت که توسط سه دانشجوی ترک‌تحصیل‌کرده هاروارد بنیان گذاشته شده، موفق به جذب ۳۰۰ میلیون دلار سرمایه در دور Series C شده و ارزش آن به ۱۰.۳ میلیارد دلار رسیده است. این رشد خیره‌کننده در شرایطی رقم می‌خورد که هنوز تردیدهای زیادی درباره کارایی تراشه‌های سفارشی در برابر غول‌های پردازنده‌های گرافیکی مانند Nvidia وجود دارد.

دور جدید سرمایه‌گذاری به رهبری Sequoia و با مشارکت Andreessen Horowitz، SK Hynix، Jane Street و Diffusion Capital انجام شده است. همچنین چهره‌های مشهوری چون Peter Thiel و Andrej Karpathy از سرمایه‌گذاران قبلی هستند. این درحالی است که Etched تنها هفت ماه پیش و در دسامبر ۲۰۲۶ با جذب ۵۰۰ میلیون دلار به ارزش‌گذاری ۵ میلیارد دلاری دست یافته بود. نکته جالب این که شرکت اعلام کرده اکنون یک میلیارد دلار سفارش قطعی برای سامانه‌های خود دارد.

معماری نوآورانه: چالش با انحصار GPU

تراشه‌های Etched بر خلاف پردازنده‌های همه‌منظوره، از ابتدا برای شتاب‌دهی به فرآیند استنتاج (inference) در مدل‌های مبتنی بر معماری ترانسفورمر (transformer) طراحی شده‌اند. Robert Wachen، مدیر ارشد عملیات شرکت، توضیح می‌دهد که استنتاج از دو مرحله تشکیل شده: «prefill» که در آن درخواست کاربر تحلیل می‌شود و «decode» که پاسخ نهایی تولید می‌گردد.

تراشه Etched برای مرحله prefill از روشی به نام «استنتاج با ولتاژ پایین» (low-voltage inference) بهره می‌گیرد. ولتاژ کمتر گرمای کمتری تولید کرده و امکان جا دادن ترانزیستورهای بیشتری روی تراشه را فراهم می‌کند. برای مرحله decode هم از یک فناوری جدید حافظه با عنوان «cluster scale memory» استفاده شده که تراشه‌های متعدد را با تأخیر کم به یک استخر حافظه مشترک متصل می‌کند. نتیجه، سرعتی «به طرز چشمگیری» بالاتر و هزینه‌ای کمتر نسبت به رقبای مبتنی بر GPU خواهد بود.

برخلاف تصور رایج، این سامانه‌ها تنها برای مدل‌های زبانی بزرگ (LLM) خاص طراحی نشده‌اند و از معماری‌های جدیدتری مانند Mixture of Experts (MoE) یا حتی مدل‌های غیرترانسفورمر مثل Mamba نیز پشتیبانی می‌کنند. جالب این که گوگل نیز با تراشه Frozen v2 خود برای مدل Gemini به دنبال مفاهیم مشابهی است.

از شک و تردید تا تأیید غول‌های فناوری

ایده Etched از ابتدا با دیده تردید نگریسته می‌شد. بسیاری از کارشناسان طراحی تراشه اختصاصی برای هوش مصنوعی را در برابر قدرت نرم‌افزاری و انعطاف‌پذیری GPUها شکست‌خورده می‌پنداشتند. اما نمایش‌های خصوصی برای مشتریان و سرمایه‌گذاران بالقوه، ورق را برگرداند. Wachen می‌گوید: «چهره‌هایی مانند Andrej Karpathy از Anthropic، Noam Brown از OpenAI و حتی Geoffrey Hinton شخصاً سخت‌افزار ما را آزمایش کرده‌اند و بسیار هیجان‌زده‌اند.»

روایت شکل‌گیری این شرکت نیز شنیدنی است. بنیان‌گذاران که بدون هیچ تجربه‌ای در جذب سرمایه یا حتی استخدام نیرو دانشگاه را رها کرده بودند، روزهای اولیه را با چالش‌های فراوانی پشت سر گذاشتند. Wachen از خوابیدن روی زمین خانه یک دوست با حوله‌ای به جای پتو می‌گوید و از سرورهایی که در گاراژ راه‌اندازی شده بود و برای راه‌اندازی مجدد، همسر یکی از کارمندان دکمه ریست را می‌زد.

امروز اما Etched دفتری با ۴۰۰ کارمند و یک دیتاسنتر ۲ مگاواتی دارد و در حال اجرای آزمایشی توکن‌ها برای بزرگ‌ترین شرکت‌های هوش مصنوعی جهان است.

طنین در ایران: روزنه‌ای برای توسعه بومی؟

اگرچه دسترسی مستقیم به چنین فناوری‌هایی برای پژوهشگران و استارتاپ‌های ایرانی به دلیل تحریم‌ها دشوار است، اما جهت‌گیری کلی صنعت به سمت تراشه‌های تخصصی و کاهش هزینه‌های استنتاج می‌تواند در بلندمدت به غیرمتمرکز شدن قدرت محاسباتی بینجامد. کاهش وابستگی به GPUهای گران‌قیمت Nvidia و ظهور رقبایی مانند Etched می‌تواند زمینه را برای توسعه راه‌کارهای بومی فراهم کند یا حداقل الهام‌بخش تیم‌های داخلی برای سرمایه‌گذاری روی طراحی تراشه‌های سفارشی باشد.

داستان Etched نشان می‌دهد که حتی در میدان رقابت با غول‌هایی مانند Nvidia، باور به یک ایده و پشتکار می‌تواند ارزشی ۱۰ میلیارد دلاری بیافریند. برای جامعه فناوری ایران که همواره با محدودیت‌های زیرساختی دست‌وپنجه نرم می‌کند، این پیام امیدوارکننده‌ای است: آینده سخت‌افزار هوش مصنوعی لزوماً در انحصار چند شرکت باقی نخواهد ماند.