--- title: "SK Hynix investe em startup de IA Etched para sistemas de inferência de fronteira" author: "Gabriela P. Torres" date: "2026-07-26 07:00:00-03" category: "Inteligência Artificial & Dados" url: "http://desbugados.scale.press/portal/desbugados/post/2026/07/26/sk-hynix-investe-em-startup-de-ia-etched-para-sistemas-de-inferencia-de-fronteira/md" --- ## Resumo - A Etched levantou US$ 300 milhões em 23 de julho de 2026 a valuation de US$ 10,3 bilhões, dobrando o valor da rodada B em sete meses. - Fundada por Gavin Uberti (CEO), Robert Wachen (presidente) e Chris Zhu, ex-estudantes de Harvard e Thiel Fellows. - Tecnologias centrais são LVI para maior densidade de FLOPs em baixa voltagem e CSM para pool de memória compartilhada de baixa latência com HBM. - Equipe superior a 400 pessoas recrutadas de NVIDIA, Broadcom, Google TPU e SK Hynix, com demanda de clientes acima de US$ 1 bilhão. - Instalações incluem fábrica em Taiwan, escritório em San Jose com datacenter de 2 MW e nova unidade de 80 mil pés quadrados e 10 MW em Milpitas. - Sistemas suportam modelos MoE como DeepSeek e Qwen, além de arquiteturas como Mamba, e são vendidos como clusters completos em escala de rack. - A participação da SK Hynix conecta sua expertise em memória HBM a sistemas integrados de inferência, alinhando-se a expansões anteriores de capacidade. --- A **SK Hynix** participou em 23 de julho de 2026 da rodada Series C da startup americana **Etched**, que levantou **US$ 300 milhões** a uma valuation de **US$ 10,3 bilhões**, e se a empresa sul-coreana líder em memórias HBM decide entrar nesse investimento junto a fundos como Sequoia, Andreessen Horowitz, Jane Street, Diffusion e Argo, então o movimento indica que o fornecimento de componentes de memória precisa ser complementado por sistemas integrados de inferência para atender à demanda explosiva por execução eficiente de modelos de IA. ## A trajetória da Etched e o histórico de financiamento que sustenta as promessas A **Etched** foi fundada em 2022 por três ex-estudantes de Harvard que abandonaram os cursos, **Gavin Uberti** como CEO, **Robert Wachen** como presidente e **Chris Zhu**, que se tornaram Thiel Fellows com bolsa de **US$ 250 mil**, e se a empresa saiu do stealth há menos de um mês e já fechou a rodada C liderada pela Sequoia com participação da **SK Hynix**, então o histórico de captações anteriores — seed de **US$ 5,4 milhões** em 2023, série A de **US$ 120 milhões** em 2024 e série B de **US$ 500 milhões** em 2025 — totalizando mais de **US$ 925 milhões** mostra consistência no interesse dos investidores, pois a valuation dobrou de **US$ 5 bilhões** para **US$ 10,3 bilhões** em sete meses e isso só ocorre quando os dados de demanda de clientes, que já somam **US$ 1 bilhão**, e o time de mais de **400 pessoas** recrutadas de **NVIDIA**, Broadcom, Google TPU e **SK Hynix** convencem os aportadores de que a produção em escala é viável. Com fábrica estabelecida em Taiwan, escritório em San Jose que inclui laboratório de prototipagem NPI e datacenter de 2 MW, além da nova instalação de 80 mil pés quadrados e 10 MW em Milpitas inaugurada recentemente, a **Etched** demonstra que se o crescimento da equipe e das instalações acompanha o volume de financiamento, então a empresa está posicionada para entregar sistemas completos de inferência em vez de apenas chips como o Sohu, e isso conecta diretamente ao papel da **SK Hynix** que já planeja dobrar a capacidade de wafers nos próximos cinco anos para suprir a IA [conforme relatado em análise anterior do portal](https://desbugados.com.br/post/2026/06/02/sk-hynix-planeja-dobrar-capacidade-de-wafers-nos-proximos-cinco-anos). ## LVI e CSM: como as tecnologias traduzem eficiência em aplicações reais de IA A **Low Voltage Inference** ou **LVI**, detalhada por **Chris Zhu** em post no LinkedIn, permite múltiplas vezes a densidade de FLOPs operando em menos da metade da voltagem tradicional, e se sistemas de inferência convencionais baseados em GPUs gerais consomem energia excessiva ao processar modelos grandes em data centers com restrições de potência, então o **LVI** oferece uma alternativa que reduz o consumo enquanto eleva o desempenho por watt, tornando viável a execução de inferências em escala sem aumentar proporcionalmente os custos de energia ou a necessidade de infraestrutura de refrigeração. A **Cluster Scale Memory** ou **CSM** cria um pool de memória compartilhada de baixa latência por meio de uma arquitetura híbrida de SRAM e HBM com interconexão proprietária, e se o acesso rápido a grandes volumes de dados é o gargalo principal em modelos Mixture of Experts ou **MoE** como DeepSeek e Qwen, bem como em arquiteturas não-transformer como Mamba, então o **CSM** resolve esse ponto ao permitir que múltiplos chips no rack compartilhem memória sem latências elevadas, o que na prática significa que empresas que rodam inferências de modelos avançados podem obter respostas mais rápidas e com menor custo operacional quando comparado a configurações tradicionais que dependem exclusivamente de GPUs de propósito geral. ## O envolvimento da SK Hynix e sua conexão com estratégias anteriores de memória para IA Se a **SK Hynix** já atua como principal fornecedora de memórias HBM para a **NVIDIA** e anunciou parcerias de vários anos com a empresa americana e com a Naver para construir fábricas de IA em escala de gigawatts na Coreia do Sul [detalhadas em reportagem anterior](https://desbugados.com.br/post/2026/06/08/nvidia-anuncia-parcerias-com-sk-hynix-e-naver-para-fabricas-de-ia-na-coreia-do-sul), então sua entrada na rodada da **Etched** que utiliza HBM no conceito de **CSM** representa uma extensão lógica da estratégia, pois permite que a fabricante sul-coreana não apenas forneça chips de memória mas também invista em sistemas integrados de inferência que dependem diretamente dessa memória para alcançar baixa latência e alta eficiência. A participação ocorre em um momento em que a **SK Hynix** prepara expansão de capacidade produtiva para evitar gargalos que podem persistir até 2030, e se o investimento na **Etched** acelera o desenvolvimento de hardware que demanda volumes crescentes de HBM, então o movimento reforça a posição da empresa como player que vai além da fabricação de componentes para influenciar o design de arquiteturas completas de IA, oferecendo aos clientes uma alternativa mais integrada que pode mitigar dependências exclusivas de um único fornecedor de GPUs. ## Implicações práticas e o que muda para quem implanta modelos de IA Com o hardware da **Etched** sendo agnóstico a arquiteturas e suportando tanto LLMs tradicionais quanto modelos **MoE** e Mamba, e com demanda de clientes já superior a **US$ 1 bilhão**, se organizações que executam inferências em larga escala buscam reduzir custos de energia e latência em data centers, então a disponibilidade futura desses sistemas em escala de rack pode alterar a equação econômica de projetos de IA, permitindo maior volume de consultas por watt e viabilizando aplicações que antes eram limitadas por consumo energético ou pela necessidade de clusters massivos de GPUs convencionais. A nova instalação de 10 MW em Milpitas e a fábrica em Taiwan indicam que a produção está sendo acelerada conforme declarado pelo presidente **Rob Wachen**, e se a empresa visa vender sistemas completos para provedores de nuvem e empresas com alta demanda de inferência, então o impacto se estende além do anúncio de financiamento para uma possível reconfiguração de como a infraestrutura de IA é adquirida e implantada nos próximos anos, especialmente quando comparada a soluções que dependem de hardware de propósito geral. ## A Caixa de Ferramentas: próximos passos para acompanhar e aplicar o tema Para profissionais e empreendedores que trabalham com IA, o primeiro passo é monitorar anúncios da **Etched** sobre as primeiras implantações com os clientes que já representam **US$ 1 bilhão** em demanda, verificar como a integração de HBM da **SK Hynix** evolui nos produtos futuros e avaliar os custos de inferência em projetos próprios à medida que alternativas especializadas se tornam disponíveis, pois acompanhar esses desenvolvimentos permite tomar decisões mais informadas sobre arquitetura de hardware sem depender apenas de comunicados de imprensa, transformando o entendimento técnico em vantagem competitiva concreta para iniciativas de IA.