Etched daagt Nvidia uit: de chip die alleen transformers kan draaien

Hardware · AI-chips · Inferentie Etched daagt Nvidia uit: de chip die alleen transformers kan draaien Chipstartup Etched haalt een waardering van 10 miljard dollar op met steun van geheugengigant SK Hynix. De inzet: één AI-architectuur zo diep in silicium branden dat er niets sneller is. Afbeelding: KenShirriff via Wikimedia Commons, CC BY-SA 4.0 Wat er deze week speelt De AI-hardwaremarkt draait al jaren om één bedrijf: Nvidia. Toch verschijnen er steeds meer uitdagers die niet proberen om Nvidia op zijn eigen terrein te verslaan, maar juist een smaller pad kiezen. Deze week kwam daar een opvallend voorbeeld bij. Etched, een jonge Amerikaanse chipontwerper, maakte bekend dat het een nieuwe financieringsronde heeft afgesloten tegen een waardering van rond de 10 miljard dollar, met het Zuid-Koreaanse SK Hynix als een van de kapitaalverschaffers. Dat is opmerkelijk om twee redenen. Ten eerste is het een enorme sprong voor een bedrijf dat pas een paar jaar geleden werd opgericht. Ten tweede zit SK Hynix, een van de grootste geheugenfabrikanten ter wereld, hier aan tafel. En geheugen is precies de flessenhals waar de hele AI-industrie op stukloopt. ~10 mldDollar waardering na de nieuwe ronde 1Architectuur: alleen de transformer, verder niets 2022Oprichtingsjaar van Etched Eén architectuur, in silicium gebrand Om te begrijpen waarom deze chip bestaat, moet je weten hoe een gewone AI-versneller werkt. Een GPU van Nvidia is bewust flexibel: hij kan vrijwel elk type neuraal netwerk draaien, van beeldherkenning tot taalmodellen. Die veelzijdigheid heeft een prijs. Een groot deel van het silicium en de energie gaat op aan het algemeen bruikbaar houden van de chip, niet aan de eigenlijke rekentaak. Etched gooit die flexibiliteit bewust overboord. Zijn chip, Sohu, is een zogeheten ASIC: een chip die maar één ding kan, maar dat extreem goed. In dit geval is dat de transformer, de architectuur die onder vrijwel alle moderne taalmodellen ligt, van ChatGPT tot Claude en Llama. Etched heeft die architectuur letterlijk in de hardware vastgelegd. Het gevolg: de chip kan geen ouderwetse beeldnetwerken, geen recurrente netwerken en geen exotische nieuwe modelvormen draaien. Alleen transformers. De gok is even simpel als gedurfd. Als vrijwel de hele AI-wereld toch op dezelfde bouwsteen draait, waarom zou je dan blijven betalen voor een chip die ook duizend dingen kan die je nooit gebruikt? Door alle overbodige flexibiliteit weg te laten, houd je ruimte over voor meer rekenkernen en een veel efficiëntere gegevensstroom. De ruil: veelzijdigheid tegen snelheid Conceptueel: waar een algemene GPU en een transformer-ASIC hun silicium aan besteden. Flexibiliteit GPU (algemeen) ASIC (Sohu) Snelheid GPU (algemeen) ASIC (Sohu) Breed inzetbaar Beperkt tot transformers Doorvoer per transformer-model Etched claimde bij de introductie van Sohu dat één server vol met deze chips het werk kan doen van een fors aantal Nvidia H100-versnellers, en dat het grote taalmodellen aan honderdduizenden tokens per seconde kan verwerken. Die cijfers komen van het bedrijf zelf en zijn nog niet breed door onafhankelijke partijen bevestigd, maar ze geven wel de ambitie aan: niet iets sneller, maar een orde van grootte sneller op precies dat ene type werk. De redenering achter een transformer-ASIC is dat een model dat de hele markt gebruikt geen algemene chip meer nodig heeft, maar een chip die dat model in zijn DNA heeft zitten. Waarom SK Hynix meedoet De betrokkenheid van SK Hynix is minstens zo interessant als het bedrag. SK Hynix is een van de drie bedrijven ter wereld die HBM maken, het snelle stapelgeheugen dat naast elke serieuze AI-chip zit. Zonder voldoende HBM staat de snelste rekenchip stil, want hij kan zijn data niet snel genoeg aan- en afvoeren. Precies dat geheugen is de afgelopen jaren schaars en duur geweest, omdat Nvidia een groot deel van de productie opkoopt. Voor een uitdager als Etched is toegang tot dat geheugen dus even belangrijk als het chipontwerp zelf. Een geheugenfabrikant die meebetaalt, geeft niet alleen kapitaal maar ook een plek in de rij bij de leverancier. SK Hynix, dat onlangs zijn beursnotering richting de Amerikaanse markt uitbreidde en inmiddels tot de meest waardevolle chipbedrijven ter wereld hoort, koopt op zijn beurt een belang in een mogelijke groeimarkt buiten Nvidia om. Even kaderen: een waardering van 10 miljard dollar betekent niet dat Etched al voor dat bedrag verkoopt of verdient. Het is wat investeerders bereid zijn te betalen voor een aandeel in de verwachte toekomst. In de AI-hardwaremarkt liggen die verwachtingen op dit moment torenhoog. De bredere strijd om inferentie Etched staat niet alleen. De hele sector is aan het opsplitsen in twee soorten werk. Het trainen van modellen blijft het domein van grote, flexibele GPU-clusters. Maar het uitvoeren van die getrainde modellen, ook wel inferentie genoemd, is een heel ander probleem: dat gebeurt miljarden keren per dag en moet vooral goedkoop en snel. Juist daar richten gespecialiseerde chipmakers zich op. Bedrijven als Groq en Cerebras kiezen ieder een eigen invalshoek op datzelfde inferentieprobleem, van extreem lage vertraging tot enorme chips ter grootte van een hele wafer. Wat ze delen is de overtuiging dat de algemene GPU niet het laatste woord heeft zodra de vraag verschuift van experimenteren naar op grote schaal draaien. Naarmate AI-diensten in gewone software terechtkomen, telt elke cent en elke milliseconde per antwoord. Het risico van een chip met één taak De keerzijde van Etcheds strategie is even duidelijk als het voordeel. Een chip die alleen transformers kan draaien, is volledig afhankelijk van het voortbestaan van die architectuur. De transformer domineert nu, maar het AI-onderzoek staat niet stil. Als er de komende jaren een fundamenteel andere en betere modelvorm doorbreekt, dan verandert een in silicium gebrande transformer in duur, onbruikbaar glas. Een GPU zou zich in dat geval simpelweg aanpassen; een ASIC niet. Er is ook een timingrisico. Een chip ontwerpen, laten produceren en op grote schaal leveren duurt jaren. Ondertussen zit Nvidia niet stil en brengt het zelf steeds efficiëntere generaties uit. De uitdager moet dus niet alleen sneller zijn dan de Nvidia van vandaag, maar sneller dan de Nvidia die er staat wanneer zijn chip eindelijk in de racks ligt. Toch is er iets fundamenteels aan het verschuiven. Dat een geheugenreus als SK Hynix geld in een Nvidia-uitdager steekt, laat zien dat de industrie serieus rekening houdt met een toekomst waarin niet één chip alles doet, maar waarin gespecialiseerd silicium de rekenkracht levert voor de modellen die we het meest gebruiken. Of Etched die weddenschap wint, is nog lang niet zeker. Maar de vraag die het bedrijf stelt, is inmiddels niet meer te negeren: waarom zou je voor veelzijdigheid betalen als de hele wereld toch hetzelfde model draait? Bronnen TechRadar Pro, Nvidia-rival Etched krijgt SK Hynix-steun bij waardering van 10 miljard dollar (augustus 2026) inkl, $10 billion startup gets SK Hynix backing to build a transformer (augustus 2026) CNBC, Meet SK Hynix, the trillion-dollar chipmaker debuting on U.S. markets (9 juli 2026)

Etched daagt Nvidia uit: de chip die alleen transformers kan draaien

Reacties 0

Meer tech artikelen

AI bouwt AI: Claude leidt nu een kwart van het onderzoek bij Anthropic

Switch 2 haalt de achterstand in: VRR komt eindelijk naar de tv

Apple vouwt open: de iPhone Duo en een lineup zonder instapmodel