Etched — một startup phần cứng AI — đang trở thành tâm điểm của thị trường khi công bố huy động thêm 700 triệu USD với định giá 21 tỷ USD, vòng gọi vốn do Jane Street dẫn dắt sau khi quỹ này thử nghiệm và mua phần cứng AI của Etched. Jane Street còn cho biết họ đã có một rack của Etched chạy trong datacenter của mình, một tín hiệu hiếm hoi về việc “đã lắp đặt, đã vận hành” trong bối cảnh nhiều công ty phần cứng AI vẫn chủ yếu dừng ở hứa hẹn kỹ thuật.

Điều khiến giới đầu tư chú ý hơn cả là tốc độ tăng giá trị doanh nghiệp: Etched được định giá 5 tỷ USD vào tháng 12, tăng lên 10,3 tỷ USD ở vòng Series C tháng 7, và nay là 21 tỷ USD vào tháng 8 — tức tăng gần 11 tỷ USD trong một tháng. Mức nhảy này phản ánh kỳ vọng rất lớn rằng thị trường inference (chạy mô hình sau khi người dùng gửi prompt) sẽ là “mỏ vàng” kế tiếp của AI, và phần cứng chuyên biệt có thể bẻ cong đường cong chi phí.

1) Vì sao Etched được định giá lại nhanh đến vậy?

Jane Street: từ thử nghiệm đến triển khai rack

Việc Jane Street “test rồi mua” là chi tiết đáng chú ý nhất trong thông tin vòng gọi vốn. Theo chia sẻ được TechCrunch trích dẫn, Jane Street nói họ đã thử nghiệm chip, hài lòng với kết quả ban đầu, và đang có rack chạy trong datacenter. Với thị trường phần cứng AI, đây là dạng xác nhận sớm (early validation) có trọng lượng, bởi Jane Street nổi tiếng với yêu cầu khắt khe về hiệu năng, độ ổn định và hiệu quả vận hành.

Tất nhiên, “kết quả ban đầu” không đồng nghĩa với việc Etched đã chiến thắng cuộc đua; nhưng nó giúp giải thích vì sao định giá có thể “nhảy cóc”: nhà đầu tư nhìn thấy khả năng chuyển từ demo sang vận hành thực tế.

Định vị cạnh tranh ở cấp hệ thống, không chỉ chip

Etched không mô tả mình là một nhà sản xuất chip đơn lẻ. Công ty cung cấp công nghệ AI dưới dạng hệ thống hoàn chỉnh gọi là “frontier inference clusters”. Cách gọi này gợi nhắc xu hướng các hãng phần cứng đang chuyển từ bán linh kiện sang bán “giải pháp” (rack/cụm/kiến trúc tham chiếu), tương tự cách Nvidia từng quảng bá các hệ thống hoàn chỉnh như những “AI factories” (TechCrunch có đối chiếu thuật ngữ).

Với khách hàng doanh nghiệp, mua hệ thống thay vì mua chip rời có thể giảm rủi ro tích hợp, rút ngắn thời gian triển khai, và tối ưu end-to-end cho một mục tiêu cụ thể: inference.

2) Etched đang tối ưu inference theo cách nào?

Theo đồng sáng lập kiêm COO Robert Wachen, Etched tập trung vào một quan sát cốt lõi: inference thường gồm hai giai đoạn với “nút thắt” khác nhau.

“Prefill”: tốn compute

Wachen mô tả prefill là giai đoạn tốn toán học/compute: hệ thống “hiểu” prompt và ngữ cảnh trước khi bắt đầu sinh câu trả lời.

Để tăng tốc phần này, Etched thiết kế một chip cho giai đoạn prefill. Điểm nhấn kỹ thuật trong mô tả là chip hoạt động ở điện áp thấp, nhờ đó có thể nhét nhiều transistor hơn mà không gặp các vấn đề nhiệt “điển hình” như các chip AI cao cấp khác. Hệ quả, theo Etched, là chip có thể xử lý nhiều tokens nhanh hơn.

“Decode”: tốn bộ nhớ

Giai đoạn decode được mô tả là tốn bộ nhớ: hệ thống bắt đầu sinh output tokens.

Etched tuyên bố đã thiết kế từ đầu một lớp bộ nhớ + interconnect cho decode, gọi là “cluster-scale memory”. Theo mô tả, kiến trúc này cho phép nhiều chip kết nối và dùng chung một “shared memory pool” với độ trễ thấp, từ đó hứa hẹn tốc độ cao hơn và chi phí thấp hơn.

Điểm đáng chú ý trong cách tiếp cận là Etched không cố “làm một con chip vạn năng cho mọi thứ”, mà tách bài toán inference thành hai phần và tối ưu riêng. Đây là chiến lược kiến trúc chuyên biệt nhằm tạo khác biệt trước các phương án phần cứng mang tính tổng quát.

3) Câu chuyện “etch một mô hình” và thông điệp tương thích

Etched thừa nhận họ từng đối mặt với nhận thức từ giai đoạn đầu rằng chip của họ “etch” (khắc/đóng) một mô hình cụ thể. Công ty nói đó là ý định ban đầu nhưng hiện không còn, và các hệ thống của Etched có thể chạy “any frontier model”.

Về mặt thương mại, thông điệp này rất quan trọng: khách hàng doanh nghiệp thường muốn giảm phụ thuộc vào một mô hình đơn lẻ, vì mô hình thay đổi nhanh, yêu cầu tuân thủ và dữ liệu cũng thay đổi. Nếu Etched thuyết phục được thị trường rằng hệ thống của họ không bị “khóa” vào một mô hình, rào cản mua sắm sẽ thấp hơn.

4) Hệ sinh thái nhà đầu tư: tín hiệu “đặt cược lớn” vào inference

Ngoài Jane Street, danh sách nhà đầu tư của Etched gồm nhiều tên tuổi lớn: Kleiner Perkins, Sequoia Capital, Andreessen Horowitz, Peter Thiel, Tiger Global, Bain Capital Ventures, Neo, Stripes, Primary, Positive Sum, Diffusion, Argo, và Blackstone.

Danh sách này không tự động xác nhận ưu thế kỹ thuật, nhưng cho thấy một điều: dòng vốn đang đánh cược rằng “nút thắt” tiếp theo của AI sẽ chuyển mạnh từ huấn luyện sang triển khai và chạy mô hình ở quy mô lớn. Khi số lượng ứng dụng AI tăng, bài toán kinh tế của inference (latency, throughput, điện năng, chi phí hạ tầng) có thể quyết định biên lợi nhuận của sản phẩm.

Hàm ý thực tiễn cho doanh nghiệp, nhà đầu tư và đội ngũ kỹ thuật

Với doanh nghiệp vận hành AI

Nếu workload của bạn bị giới hạn bởi inference, cách Etched mô tả tối ưu theo prefill/compute và decode/memory gợi ý một hướng đánh giá mới: benchmark tách pha thay vì chỉ nhìn một con số tổng hợp.
Vì Etched bán theo dạng hệ thống (clusters/rack), bài toán không chỉ là “chip nhanh hơn bao nhiêu”, mà còn là tích hợp datacenter, vận hành, giám sát, thay thế linh kiện và khả năng mở rộng.

Với nhà đầu tư

Tốc độ tăng định giá từ 10,3 tỷ USD lên 21 tỷ USD trong một tháng cho thấy mức độ “nóng” của chủ đề phần cứng inference, nhưng đồng thời hàm ý kỳ vọng đã được đẩy rất cao.
Tín hiệu Jane Street triển khai rack là một điểm cộng về nhu cầu thực tế, song cần lưu ý: bài viết không cung cấp số liệu doanh thu, điều khoản vòng gọi vốn hay mức độ phổ cập ngoài một khách hàng tiêu biểu.

Với đội ngũ kỹ thuật/mua sắm

Thông điệp “chạy any frontier model” là điều nên kiểm chứng bằng thử nghiệm nội bộ: mức độ tương thích mô hình, công cụ, framework, cũng như lộ trình hỗ trợ.
Các tuyên bố “higher speeds/lower costs” nên được đối chiếu bằng benchmark độc lập theo đúng workload của doanh nghiệp, vì hiệu năng inference phụ thuộc lớn vào độ dài ngữ cảnh, batch size, mục tiêu latency và đặc điểm mô hình.

Hạn chế thông tin và những gì còn thiếu để kết luận

TechCrunch dẫn thông tin từ công bố/vòng gọi vốn và trích dẫn phía nhà đầu tư; không có benchmark định lượng (throughput, latency, chi phí/token, điện năng) để kiểm chứng các tuyên bố “nhanh hơn/rẻ hơn”.
Không có chi tiết điều khoản của vòng 700 triệu USD (cấu trúc, quyền ưu đãi), cũng như không có số liệu về doanh thu hay số lượng khách hàng.
Mô tả kỹ thuật về chip điện áp thấp và “cluster-scale memory” mới ở mức khái niệm; thiếu thông số và so sánh định lượng với các lựa chọn hiện hữu.

Nguồn tham khảo

TechCrunch (2026-08-18), Etched’s valuation doubles to $21B in a month: https://techcrunch.com/2026/08/18/etcheds-valuation-doubles-to-21b-in-a-month/

Etched tăng định giá lên 21 tỷ USD chỉ trong một tháng: Cơn sốt phần cứng inference và tín hiệu từ Jane Street