Il 30 giugno 2026 Etched ha finalmente alzato il velo sui progressi fatti dalla sua fondazione nel 2022: la startup che vuole contendere a Nvidia il dominio nell’hardware per AI ha annunciato una valutazione di 5 miliardi di dollari e commesse per oltre 1 miliardo in sistemi completi di inference. Il chip, prodotto con successo da TSMC nei mesi scorsi, è al centro di un ecosistema che Etched chiama “frontier inference clusters”: un pacchetto che include i processori, rack progettati su misura e software, nato per eseguire l’inference dei modelli linguistici di grandi dimensioni (LLM) in modo più rapido, economico ed efficiente dal punto di vista energetico.

Il chip che arriva dal silenzio

Dietro l’annuncio c’è una storia di resilienza. Gavin Uberti e Robert Wachen, co-fondatori di Etched, hanno lasciato Harvard per diventare Thiel fellow e hanno trascorso il 2023 cercando di convincere gli investitori che il futuro dell’AI avrebbe avuto bisogno di chip specializzati, non solo delle GPU general-purpose di Nvidia. Ogni grande fondo a cui si sono rivolti ha rifiutato, e l’azienda – raccontano i fondatori – è andata avanti mese per mese, a un passo dall’esaurire la cassa. Oggi lo scenario è radicalmente diverso: Etched ha raccolto in totale 800 milioni di dollari, di cui 500 milioni in un round non annunciato chiuso a dicembre, proprio a quella valutazione di 5 miliardi. Nel parterre degli investitori figurano VentureTech Alliance, Jane Street, Hudson River Trading, Two Sigma, Ribbit Capital e un gruppo di angeli di peso come Andrej Karpathy, Geoffrey Hinton, Fei-Fei Li, Arthur Mensch e Scott Wu, oltre ai miliardari Stanley Druckenmiller e Peter Thiel.

Corsa all’oro dell’inference su misura

L’interesse non è casuale. L’inference – il processo che trasforma un prompt in una risposta – è oggi il collo di bottiglia più costoso per le aziende che servono modelli AI su larga scala. Ogni richiesta consuma risorse di calcolo e denaro, e le GPU tradizionali, pur versatili, non sono ottimizzate per questo carico di lavoro specifico. Etched non è sola in questa corsa: Cerebras ha debuttato con l’IPO più rilevante dell’anno, Groq ha appena raccolto 650 milioni, mentre i grandi fornitori di cloud come Amazon, Google e Microsoft costruiscono i propri chip AI interni. Persino OpenAI ha presentato il suo primo processore custom, realizzato da Broadcom. La scommessa è che un silicio progettato da zero per l’inference possa abbattere i costi operativi e migliorare la latenza, offrendo un’alternativa ai costosi cluster di GPU.

Cosa significa per chi gestisce LLM in proprio

Il passaggio a chip specializzati per l’inference non riguarda solo i colossi del cloud. Per le aziende che valutano il deployment on-premise dei propri LLM – spinte da esigenze di sovranità dei dati, latenza controllata o costi prevedibili – sistemi come quelli di Etched potrebbero cambiare i calcoli del Total Cost of Ownership (TCO). Un appliance dedicato all’inference, con consumi energetici ottimizzati e prestazioni mirate, può rendere economicamente sostenibile il self-hosting anche per modelli di grandi dimensioni, evitando di inviare dati sensibili fuori dal perimetro aziendale. Naturalmente esistono dei trade-off: un hardware specializzato è meno flessibile di una GPU per carichi di lavoro misti o per il fine-tuning, e richiede un ecosistema software maturo. Su AI-RADAR, che segue da vicino l’evoluzione degli stack locali, esistono framework analitici su /llm-onpremise utili a orientarsi in queste decisioni.

Un ecosistema in ebollizione

L’ascesa di Etched segnala un mutamento profondo nell’infrastruttura dell’intelligenza artificiale. Dopo anni di dominio incontrastato delle GPU, il comparto dell’hardware per AI si popola di soluzioni eterogenee, ognuna ritagliata su un segmento della pipeline: training, fine-tuning, inference. Per chi progetta la propria strategia AI, la disponibilità di opzioni dedicate all’inference potrebbe ridefinire l’architettura dei data center e la distribuzione dei carichi di lavoro tra cloud e on-premise. In questo fermento, la notizia di un miliardo di dollari in contratti prima ancora della disponibilità commerciale dei sistemi è un segnale forte: l’industria è pronta a investire su un futuro in cui l’inference non sia più il tallone d’Achille dei modelli avanzati.