Sequoia 주도 3억 달러 시리즈 C 조달… GPU 일변도 시장에 특화 하드웨어 투자 신호

자금 조달 핵심 사실

Etched는 2026년 7월 23일 시리즈 C로 3억 달러를 조달하며 기업가치를 103억 달러로 끌어올렸다. 이전 라운드(2025년 12월 기준 약 50억 달러 밸류) 대비 7개월 만에 두 배 이상 상승한 수치다. Sequoia Capital이 리드 투자자로 나섰고, Andreessen Horowitz, Jane Street, Diffusion, SK Hynix 등이 참여했다. Sequoia가 이끈 시리즈 C 중 역대 최고 밸류에이션으로 알려졌다.

회사 측은 이번 자금을 생산 확대와 고객 배포 가속에 쓸 계획이라고 밝혔다. 이미 10억 달러 규모의 고객 계약(또는 선주문)을 확보했으며, 첫 랙 제품을 2026년 여름부터 출하하기 시작했다. 총 누적 조달액은 이전 약 8억 달러에서 이번 라운드를 포함해 11억 달러 이상으로 늘어났다.

기술 특징과 제품 포지셔닝

Etched의 핵심은 훈련이 아닌 추론(inference) 전용 아키텍처다. Nvidia GPU가 훈련·추론을 모두 처리하도록 설계된 반면, Etched는 prefill(프롬프트 이해)과 decode(토큰 생성) 단계에 최적화했다.

주요 기술적 선택지는 다음과 같다.

  • Low Voltage Inference(LVI): 연산 블록을 일반 AI 칩의 절반 수준 전압으로 구동해 열 스로틀링을 줄이고, 지속적인 높은 FLOPs 활용률(회사 주장 80% 이상)을 목표로 한다. 조밀한 모델과 대규모 Mixture-of-Experts(MoE)에 특히 유리하다고 설명한다.
  • Cluster Scale Memory(CSM): 랙 내 여러 가속기가 공유하는 하이브리드 SRAM/HBM 메모리 풀을 구축한다. 칩 간 초저지연 고대역폭 인터커넥트를 통해 메모리 복사 오버헤드를 줄이고, decode 단계의 지연 시간을 낮추는 데 초점을 맞췄다.
  • 제조: TSMC N4P 공정 풀-레티클 칩, HBM 스택 탑재. 칩·랙·소프트웨어·제조 공정을 수직 통합으로 공동 설계하는 방식을 취한다.

회사는 이미 TSMC에서 A0(첫 실리콘) 성공을 거뒀고, 40일 만에 클러스터를 가동해 DeepSeek, Qwen, Llama, Mamba 등 다양한 모델을 테스트했다고 밝혔다. 조기 고객 테스트에서 처리량·지연·전력 효율이 경쟁 수준을 보였다는 자체 평가를 내놓았다. 독립적인 공개 벤치마크는 아직 제한적이다.

시장 맥락: 왜 추론 특화에 자금이 몰리는가

AI 인프라 투자에서 추론 비중이 빠르게 커지고 있다. 훈련은 대형 모델 개발사 중심의 일회성·집중 투자가 주류인 반면, 추론은 실제 서비스 운영과 함께 지속적인 토큰 생성 수요를 만들어낸다. 장기적으로 추론이 AI 컴퓨팅 시장의 더 큰 부분을 차지할 것이라는 전망이 투자 논리를 뒷받침한다.

Etched의 접근은 이 흐름을 반영한다. 일반 목적 GPU의 유연성을 포기하는 대신, 특정 워크로드(대규모 언어 모델 추론)에 실리콘을 특화해 효율을 높이겠다는 전략이다. Sequoia는 “2022년 당시에는 추론 전용 하드웨어가 반대 의견에 가까웠지만, 지금은 합의에 가까워졌다”며 Etched가 그 전환의 선두에 있다고 평가했다.

동시에 이 전략은 리스크도 동반한다. 모델 아키텍처가 급변하거나(예: 새로운 어텐션 메커니즘, 비트랜스포머 구조의 급부상) 소프트웨어 생태계가 Nvidia CUDA 중심으로 굳어질 경우, 특화 칩의 이점이 줄어들 수 있다. Etched는 MoE와 Mamba 같은 비전통 모델까지 지원한다고 강조하지만, 실제 프로덕션 환경에서의 유연성은 앞으로 검증이 필요하다.

투자자 구성이 보여주는 신호

  • Sequoia: Nvidia의 초기 기관 투자자이기도 했던 Sequoia가 리드한 점은 상징적이다. 기존 GPU 생태계 내부에서도 추론 특화 수요를 인정하는 움직임으로 해석된다.
  • SK Hynix: HBM 시장 선두 업체의 참여는 메모리 공급망과의 전략적 연계를 강화한다. HBM은 AI 가속기의 병목 중 하나이며, Etched의 클러스터 스케일 메모리 설계와도 맞물린다.
  • Jane Street 등 퀀트·트레이딩 계열: 고빈도 트레이딩 환경에서 쌓은 저지연·고처리량 시스템에 대한 이해도가 높은 투자자들이 다수 참여했다. 이는 추론 클러스터의 실사용 성능에 대한 기대를 반영한다.
  • 엔젤 투자자로는 Peter Thiel, Andrej Karpathy 등이 이전부터 참여해 왔다.

이러한 구성은 단순 벤처 자금이 아니라, 반도체 공급망·실제 워크로드 수요·금융 엔지니어링 역량이 결합된 형태다.

생산·배포 단계와 향후 과제

Etched는 San Jose 인근에 8만 평방피트·10MW급 신규 시설을 열고, 대만 공장과 함께 생산 라인을 확대 중이다. 표면실장(SMT) 라인을 자체 구축해 조립 속도를 높이겠다는 계획이다. 팀 규모는 400명 이상으로, Nvidia·Google TPU·Broadcom·SK Hynix·TSMC 출신 엔지니어가 주축을 이룬다.

과제는 명확하다.

  • 실제 대량 생산 수율과 공급망 안정성
  • 고객 데이터센터에서의 장기 운영 신뢰성
  • 소프트웨어 스택(컴파일러, 스케줄러, 모니터링)의 완성도
  • Nvidia의 소프트웨어·생태계 장벽을 얼마나 우회할 수 있는지

회사는 “Production is the product”를 모토로 내세우며, 빠른 세대 교체와 기가와트급 스케일 달성을 목표로 삼고 있다.

더 넓은 함의

Etched의 사례는 AI 하드웨어가 GPU 중심의 일반 목적 설계에서 워크로드 특화 아키텍처로 분화하는 초기 신호를 보여준다. 훈련 단계에서 이미 일부 특화 칩이 등장했지만, 추론 단계에서 이 정도의 자본이 유입된 것은 비교적 최근 현상이다.

동시에 이 움직임은 메모리(SK Hynix), 파운드리(TSMC), 시스템 통합까지 아우르는 수직·수평 협업의 중요성을 다시 확인시킨다. 추론 수요가 계속 확대되는 한, 효율성·지연·전력 측면에서 우위를 증명하는 특화 하드웨어에 대한 투자 관심은 이어질 가능성이 높다. 다만 실제 상용화와 독립 검증이 뒤따르는 2026년 하반기가 이 흐름의 실질적 시험대가 될 전망이다.