何が起きたか
AIチップ新興のEtchedが、Sequoia主導で3億ドルのシリーズCを調達し、時価総額は103億ドルに達しました。共同創業者兼COOのRobert Wachen氏が明らかにしたもので、Andreessen Horowitz、SK Hynix、Jane Street、Diffusion Capitalに加え、Peter Thiel氏やAndrej Karpathy氏、Figma創業者のDylan Field氏らも参加しています。2025年12月に50億ドルで5億ドルを調達した際から、約7か月で評価額が倍増しました。同社はこれを「Sequoia主導のシリーズCとして過去最高額」としています。
先月には自社設計チップの製造成功、初のフルシステムの顧客テスト開始、そして10億ドル分の受注獲得を発表。最初のシリコンはTSMCが製造しました。
なぜ重要か
Etchedが狙うのは、ChatGPTやClaudeを含む現代AIの大半が採用する「Transformer」に特化したチップです。汎用GPUを提供するNvidiaとは異なり、アーキテクチャを絞り込むことで推論効率を突き詰める設計思想です。
注目すべきは、単体チップではなく「フルシステム」として販売する点です。しかもTransformerに閉じず、DeepSeekやQwenのようなMixture of Experts、さらにMamba（状態空間モデル）のような非Transformer設計まで動かせるとしています。GoogleもGemini向け「Frozen v2」で特定モデルをシリコンに焼き込む発想を追っていると報じられており、専用化の潮流は業界全体に広がっています。
技術の核心
推論はプロンプト理解の「prefill（計算集約）」と、出力生成の「decode（メモリ集約）」の2段階に分かれます。Etchedはこの両方に新部品を投入しました。prefillでは「他のどのAIチップよりも低い電圧」で動く低電圧推論を採用。発熱が減る分、より多くのトランジスタを載せられます。decodeでは「cluster-scale memory」と呼ぶ新型メモリ・相互接続技術で、多数のチップが低遅延で共有メモリプールを使えるようにしました。
Karpathy氏、OpenAIのNoam Brown氏、Geoffrey Hinton氏らが実機を試したとされます。現在は400人体制、社内に2メガワットのデータセンターを持ち、Milpitasに80,000平方フィート・10MWの新拠点も開設しました。ガレージのサーバーを早期社員の妻がリブートしていた創業初期から、環境は一変しています。
💼 事業会社視点：これは自社にどう効くか
日本の事業会社にとって、この調達は「推論コストの構造が変わる」前触れとして読むべきです。生成AIをサービスに組み込むEC・SaaS各社の最大の悩みは、学習ではなく日々かかる推論コストです。Etchedのように特定アーキテクチャに特化した専用ハードが実用化すれば、同じ処理を数分の一のコストで回せる可能性が出てきます。
経営者が今すべきは、AI機能を「Nvidia GPUありき」で原価計算しないことです。10億ドルの受注が示すのは、大手が既に代替ハードの検証を始めている事実です。SaaSであれば、自社の推論負荷がprefill寄り（長文脈解析）かdecode寄り（大量生成）かを把握しておくと、将来の調達先選定で交渉材料になります。
受託開発企業にとっては逆風にもなり得ます。「GPUを確保して構築します」という提案価値は、専用システムの普及で相対的に下がるためです。ハード非依存で、モデル差し替えに耐えるアーキテクチャ設計力こそが差別化になります。まず自社・顧客のAIコストの内訳を可視化し、専用ハード登場を織り込んだ複数シナリオで投資判断を持つことを勧めます。