Etched quiere reemplazar los GPUs de NVIDIA con un chip diseñado SOLO para IA: ya vale $10,000 millones y apunta a $20,000
Tres dropouts de Harvard recaudaron $300M con su chip Sohu, un ASIC que promete 20 veces la velocidad del H100 de NVIDIA en inferencia de transformers. Datos reales, riesgos reales.
Tres chavos que abandonaron Harvard en 2022 acaban de recaudar $300 millones de dólares para su startup de chips de IA. Valuación actual: $10,300 millones. Y están negociando una segunda ronda que los llevaría hasta $20,000 millones. Lo más alucinante: todavía no han enviado un solo rack a producción masiva.
Esto es la historia de Etched y su chip Sohu, la apuesta de hardware más agresiva contra NVIDIA que existe hoy.
Qué es Etched y por qué el mundo tech le está poniendo atención
Etched fue fundada en 2022 por Gavin Uberti (CEO), Chris Zhu y Robert Wachen, tres exestudiantes de Harvard que decidieron que los GPUs de propósito general son una herramienta mal optimizada para lo que la IA moderna necesita.
La premisa es sencilla y brutalmente arriesgada: en vez de hacer un chip que corra cualquier tipo de cómputo, hacer uno que SOLO corra modelos transformer. Sin flexibilidad extra. Sin lógica de más. Puro transistor al servicio de la inferencia.
El chip resultante se llama Sohu. Fabricado en el proceso N4P de 4nm de TSMC, con 144GB de memoria HBM3E por chip y aproximadamente 1.8 veces el ancho de banda de un H100 SXM5 de NVIDIA.
Los números que hacen ruido
Según datos publicados por TechPowerUp, un servidor de 8 chips Sohu puede generar más de 500,000 tokens por segundo corriendo Llama 3 70B. Un servidor equivalente con 8 H100 de NVIDIA genera alrededor de 23,000 a 25,000 tokens por segundo.
Más de 20 veces de diferencia.
Para ponerlo en concreto: si tienes un sistema de IA que puede manejar 100 conversaciones simultáneas con hardware NVIDIA, con Sohu podrías manejar más de 2,000 al mismo costo de infraestructura. En inferencia a escala, eso cambia el modelo de negocio de cualquier empresa que dependa de IA en producción.
El truco está en que Sohu no es un GPU: es un ASIC que hardwirea directamente en el silicio los patrones de cálculo específicos de los transformers: atención multi-cabeza, proyecciones lineales, softmax, normalización de capa. Nada de overhead. El resultado es una utilización de FLOPS que supera el 90%, contra el 30-40% que logra un GPU corriendo el mismo workload.
El dinero detrás de la apuesta
TechCrunch reportó que la ronda Serie C de $300M fue liderada por Sequoia Capital, con participación de Andreessen Horowitz, SK Hynix, Jane Street y una lista de ángeles que incluye a Peter Thiel, Andrej Karpathy (exdirector de IA de Tesla y cofundador de OpenAI), Dylan Field (CEO de Figma) y Amjad Masad (CEO de Replit).
Cuando Karpathy pone su dinero en algo, la comunidad de ML nota. Sin rodeos.
La valuación de Etched pasó de $5,000 millones en diciembre de 2025 a $10,300 millones en julio de 2026. Siete meses, el doble de valuación. Y todavía están negociando una ronda adicional que los llevaría hasta $20,000 millones, con Sequoia involucrado también en esa negociación paralela.
Adicionalmente, la empresa ya tiene más de $1,000 millones en contratos reservados de empresas de IA que prefieren no ser nombradas públicamente. Hay demanda real, no solo hype.
El pero, y es uno gordo
Sohu solo funciona con transformers puros. No puede correr:
- Arquitecturas MoE (Mixture of Experts) como DeepSeek V4 o Qwen3-235B
- Modelos multimodales tipo LLaVA o Qwen-VL
- Modelos de difusión para imágenes o audio
- Arquitecturas SSM/Mamba
- Entrenamiento o fine-tuning de ningún tipo
El chip es la raja para lo que hace, pero ese “lo que hace” es un perímetro bastante delimitado. Si el ecosistema de IA se mueve masivamente hacia MoE o arquitecturas híbridas, Sohu se queda como una inversión cara con mercado reducido.
Esa es la apuesta central: que los transformers puros siguen dominando los próximos 5 a 7 años, que es la vida útil esperada del chip. No es imposible, pero tampoco es una certeza. El ecosistema de IA ha cambiado de manera radical en periodos más cortos que ese.
El otro problema es el software. NVIDIA tiene CUDA, el ecosistema más maduro de la industria. vLLM, TensorRT-LLM, Triton: todas las herramientas que los equipos de ML ya dominan. Sohu usa un toolchain propietario sin migración directa desde esas herramientas estándar. Adoptar Sohu implica reentrenar al equipo de ingeniería y reescribir pipelines que ya funcionan. Para la mayoría de empresas, eso es un costo real que no aparece en los benchmarks.
El contexto: no es el único que viene por NVIDIA
Etched no está solo en esta pelea. La presión sobre NVIDIA viene de todos lados: Google con sus TPUs, AWS con Trainium, Azure con Maia, y startups de silicio apostando diferentes ángulos del problema. La pregunta ya no es “si” alguien va a fragmentar el dominio de NVIDIA en inferencia, sino cuándo y quién lo logra primero.
Lo que hace diferente a Etched es que está atacando exclusivamente inferencia a escala, el caso de uso que más crece. No entrenamiento, no investigación: producción masiva de aplicaciones de IA. Ese mercado vale cientos de miles de millones en los próximos años, y NVIDIA no lo tiene resuelto de manera óptima con su arquitectura de GPU general.
De hecho, las apuestas de infraestructura alternativa de IA se están multiplicando. Ya vimos en starcloud levantó $170 millones para meter servidores de IA en órbita cómo el mercado está explorando soluciones de cómputo desde ángulos que hace dos años hubieran sonado de ciencia ficción. Etched es la versión más terrenal y técnicamente más sólida de esa tendencia.
¿Qué significa para México y LATAM?
A corto plazo: nada directamente. Sohu no tiene disponibilidad pública todavía. Los primeros racks van a grandes empresas de IA en EE.UU. que ya tienen contratos firmados, y el precio oficial por sistema nunca ha sido publicado.
A mediano plazo: sí importa. Para proyectos como la supercomputadora Coatlicue, la apuesta de México por tener la infraestructura de IA más potente de LATAM, la existencia de alternativas reales a NVIDIA cambia el poder de negociación. Más competencia en el mercado de chips de inferencia implica mejores precios, mejores condiciones, y menos dependencia de un solo proveedor para toda la región.
La pregunta que México debería estar haciéndose: ¿en qué silicio vamos a apostar la infraestructura pública de IA de los próximos diez años?
El veredicto
Etched es la apuesta de semiconductor más interesante en lo que va del año. Los números de performance son impresionantes, el dinero inteligente ya está adentro, y el mercado que están atacando es exactamente hacia donde va la IA productiva.
El riesgo es igual de real: apostar a una sola arquitectura en un ecosistema que evoluciona rápido es jugársela en grande. Y la falta de pricing público y el toolchain propio son barreras concretas de adopción.
Para empresas mexicanas o latinoamericanas: todavía no es el momento de planear migrar a Sohu. Primero que lleguen los envíos, que haya benchmarks independientes, y que se conozca el precio real por sistema.
Pero para las empresas de IA a escala que pagan millones al mes en cómputo de NVIDIA: Etched es exactamente el tipo de alternativa que llevan años esperando.
¿Le tienes fe al movimiento de Etched o crees que NVIDIA tiene demasiado dominio para que esto despegue? Los comentarios son tuyos.
Fuentes
- TechCrunch: Etched defies skeptics, hits $10.3B valuation
- Tech Startups: Etched raises $300M at $10.3B valuation to take on NVIDIA
- TechPowerUp: Etched Sohu claims 20x speedup over NVIDIA H100
- Spheron: Etched AI Sohu vs NVIDIA H100 comparativa técnica
- RCR Tech: Etched in talks for $20B valuation dual funding rounds
Comentarios
No te pierdas ningún post
Recibe lo nuevo de Al Chile Tech directo en tu correo. Sin spam.
También te puede interesar
Starcloud vale $1.1 mil millones y quiere poner 88,000 data centers en órbita sobre México
La startup de YC más rápida en llegar a unicornio ya entrenó el primer LLM en el espacio. ¿Puede el cómputo orbital resolver el acceso a IA para empresas en México?
La alternativa a Nvidia que el mismo Nvidia está financiando: SiFive levantó $400M para chips RISC-V
SiFive cerró una Serie G de $400M con Nvidia entre los inversores para llevar chips RISC-V a los data centers de IA. Si funciona, podría romper el monopolio y abaratar la infraestructura de IA para startups mexicanas.
DeepSeek quiere hacer su propio chip de IA y NVIDIA ya sintió el golpe: lo que cambia para los devs en México
DeepSeek levantó $7.4 mil millones, ya vale $52 mil millones y ahora quiere fabricar su propio silicio de inferencia. Si lo logra, los precios de IA para desarrolladores en LATAM podrían bajar todavía más.