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.

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, 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.