yozm.tech
피드로 돌아가기
TechCrunchHOTAI 재작성

AI 칩 스타트업 에치드, 103억 달러 가치 달성

하버드 중퇴생들이 설립한 AI 칩 스타트업 에치드(Etched)가 3억 달러 규모의 시리즈 C 투자를 유치하며 103억 달러(약 14조 원)의 기업 가치를 인정받았습니다. 이들은 GPU 없이도 모든 AI 모델의 추론(inference) 속도를 획기적으로 높이는 새로운 칩과 메모리 기술을 개발했다고 주장합니다. 엔비디아 중심의 AI 칩 시장에 새로운 경쟁자가 등장한 셈입니다.

6시간 전·2026.07.23·읽기 2·Julie Bort

하버드 중퇴생 3명이 설립한 AI 칩 스타트업 에치드(Etched)가 최근 3억 달러(약 4,100억 원) 규모의 시리즈 C 투자를 유치하며 103억 달러(약 14조 원)의 기업 가치를 달성했습니다. 이는 불과 7개월 만에 기업 가치가 두 배로 뛴 것으로, 세쿼이아(Sequoia)가 투자를 주도하고 안드레센 호로위츠(Andreessen Horowitz), SK 하이닉스(SK Hynix) 등 유수의 투자자들이 참여했습니다. 에치드는 이미 10억 달러(약 1조 3,700억 원) 규모의 주문을 확보했으며, 첫 시스템이 고객사 테스트 중이라고 밝혔습니다.

에치드는 트랜스포머(transformer) 아키텍처 기반의 AI 모델에 특화된 칩을 개발한다는 아이디어가 처음에는 회의적 시선을 받았다고 말합니다. 하지만 에치드의 공동 창업자이자 COO인 로버트 와첸(Robert Wachen)은 자사 시스템이 특정 대규모 언어모델(LLM)에만 국한되지 않고, Mixture of Experts(MoE) 모델이나 맘바(Mamba)와 같은 비트랜스포머(non-transformer) 모델을 포함한 모든 AI 모델을 실행할 수 있다고 설명합니다. 에치드의 핵심 기술은 추론(inference) 과정을 가속화하기 위해 두 가지 새로운 구성 요소를 설계한 것입니다. 첫 번째는 프롬프트 이해 단계인 '프리필(prefill)' 칩으로, 기존 AI 칩보다 훨씬 낮은 전압에서 작동하여 발열을 줄이고 더 많은 트랜지스터를 집적할 수 있습니다. 두 번째는 출력 생성 단계인 '디코드(decode)'를 위한 새로운 유형의 메모리 및 상호 연결 기술인 '클러스터 스케일 메모리(cluster-scale memory)'로, 여러 칩이 공유 메모리 풀을 매우 빠르고 낮은 지연 시간으로 사용할 수 있게 합니다. 이를 통해 에치드는 높은 속도와 낮은 비용을 동시에 제공한다고 약속합니다.

에치드의 성공적인 투자 유치와 빠른 기업 가치 상승은 엔비디아(Nvidia)가 지배하는 AI 칩 시장에 새로운 경쟁 구도를 형성할 가능성을 보여줍니다. 특히, GPU 없이도 AI 추론 성능을 크게 향상시킬 수 있다는 주장은 AI 개발 및 운영 비용 절감에 대한 기업들의 니즈를 충족시킬 수 있습니다. 이는 AI 기술의 상업적 활용을 더욱 가속화하고, 다양한 산업 분야에서 AI 도입을 촉진하는 계기가 될 수 있습니다. 에치드의 기술이 대규모 AI 모델의 효율적인 배포에 기여한다면, AI 서비스의 대중화에도 긍정적인 영향을 미칠 것으로 기대됩니다.

1인 창업자를 위한 기회 분석
AI 분석 · 참고용이며 검증이 필요합니다
3/10
약한 신호
3점인가

AI 칩 개발은 1인 창업자가 접근하기 어려운 고자본/고기술 영역입니다. 기회는 주로 대기업에 있습니다.

문제 / 미충족 수요

AI 모델 추론(inference) 비용과 속도 최적화는 여전히 중요한 과제입니다.

한국 시장
국내 있음한국에서도 AI 반도체 개발 및 관련 솔루션 기업들이 존재하며, 경쟁이 치열한 분야입니다.
수익 모델

B2B 하드웨어 시스템 판매 및 관련 소프트웨어/서비스 구독 · 돈 내는 주체: 대규모 AI 모델을 운영하는 클라우드 서비스 제공업체, 대기업, 연구기관

1인 실현 가능성
1/5

AI 칩 개발은 막대한 자본, 고도의 전문 기술, 대규모 팀이 필요한 영역입니다. 1인 창업자가 직접 칩을 개발하는 것은 현실적으로 불가능합니다.

진입 지점 (Wedge)

특정 산업 도메인에 최적화된 경량 AI 모델 추론 시스템 개발

이번 주 첫 실험

AI 모델 추론 비용에 어려움을 겪는 잠재 고객사 인터뷰를 통해 구체적인 문제점과 예산 확인

Original source
이 글은 TechCrunch의 기사를 yozm.tech가 한국어로 재작성한 버전입니다.
원문 보기