استارتاپ «اچد» (Etched) که در سال 2022 توسط سه دانشجوی ترکتحصیلکرده دانشگاه هاروارد پایهگذاری شد، دور جذب سرمایه سری C خود را به مبلغ 300 میلیون دلار و با ارزشگذاری 10.3 میلیارد دلار به پایان رساند. رابرت واچن، همبنیانگذار و مدیر ارشد عملیات شرکت، این خبر را به تِککِرانچ اعلام کرد.
دور سرمایهگذاری با حضور غولهای سرمایهگذاری
هدایت این دور سرمایهگذاری را صندوق سکویا (Sequoia) بر عهده داشت و چهرههایی چون آندرسن هوروویتز، اسکی هاینیکس، جِین استریت و دیفیوژن کپیتال در کنار سرمایهگذاران پیشین در آن مشارکت کردند. فهرست حامیان اچد به این نامها محدود نمیشود؛ پیتر تیل، آندری کارپاتی، دیلن فیلد و امجد مسعد نیز از جمله سرمایهگذاران سرشناس این شرکت به شمار میروند.
ارزش اچد پیش از این، در دسامبر و زمان جذب 500 میلیون دلار سرمایه، 5 میلیارد دلار برآورد شده بود؛ بدین ترتیب ارزش شرکت در حدود هفت ماه دو برابر شده است. شرکت این رقم را بالاترین ارزشگذاری تاریخ برای یک دور سری C به رهبری سکویا میداند. اچد در ماه گذشته اعلام کرد که تراشههای بومی خود را با موفقیت تولید کرده، نخستین سیستمهای کامل در حال آزمایش توسط مشتریان هستند و تاکنون سفارشهایی به ارزش 1 میلیارد دلار ثبت کرده است.
تراشهای که در زمانی «دیوانهوار» به نظر میرسید
اچد در زمانی آغاز به کار کرد که ایده ساخت تراشهای بهطور خاص برای مدلهای هوش مصنوعی مبتنی بر معماری ترانسفورمر — همان معماری پشت اکثر سیستمهای هوش مصنوعی مدرن از جمله ChatGPT و Claude — ایدهای عجیب و حتی دیوانهوار به نظر میرسید. این شرکت هنوز با این تصور نادرست دستوپنجه نرم میکند که محصولاتش — که بهعنوان سیستمهای کامل و نه فقط تراشه فروخته میشوند — تنها برای اجرای مدلهای زبانی بزرگ (LLM) خاصی طراحی شدهاند.
واچن توضیح میدهد که چنین نیست. این سیستمها میتوانند هر مدل هوش مصنوعی را اجرا کنند، از جمله مدلهای «تلفیق متخصصان» (Mixture of Experts) مانند DeepSeek و Qwen که وظایف را میان زیرمدلهای تخصصی تقسیم میکنند تا به یک مدل واحد اتکا نکنند. این سیستمها همچنین از طراحیهای غیرترانسفورمری مانند Mamba پشتیبانی میکنند که بر پایه معماری متفاوتی به نام «مدل فضای حالت» (state-space model) ساخته شده است.
جالب اینجاست که ایده حک کردن بخشهایی از یک مدل هوش مصنوعی خاص مستقیماً در سیلیکون برای افزایش عملکرد، دیگر عجیب و غیرمنطقی محسوب نمیشود. گفته میشود گوگل نیز با تراشه Frozen v2 خود برای Gemini به دنبال پیادهسازی همین مفهوم است.
دو نوآوری بنیادین برای تسریع استنتاج
نقطه قوت و شهرت اچد امروزه در آن است که برای تسریع استنتاج (inference) — فرآیند محاسباتی که پس از ارسال درخواست توسط کاربر اتفاق میافتد — دو مؤلفه جدید را از پایه طراحی کرده است.
واچن میگوید: «استنتاج در دو مرحله ساخته میشود: پیشپر کردن (prefill) و رمزگشایی (decode).» مرحله «پیشپر کردن» شامل درک درخواست متن و بافتار (context) آن است و از نظر ریاضی و پردازشی بسیار پرهزینه و سنگین محسوب میشود. مرحله «رمزگشایی» توکنهای خروجی — همان پاسخ واقعی که کاربر میبیند — را تولید میکند و به محاسبات کمتری نیاز دارد اما مقادیر عظیمی از حافظه میطلبد.
تراشه پیشپرکننده با ولتاژ پایین
اچد یک تراشه پیشپرکننده ساخته که با کار کردن در ولتاژ بسیار پایینتری نسبت به هر تراشه هوش مصنوعی دیگری، به طور چشمگیری سریعتر عمل میکند. واچن این رویکرد را «استنتاج ولتاژ-پایین» مینامد. ولتاژ پایینتر حرارت کمتری تولید میکند و این امر اجازه میدهد تراشه ترانزیستورهای بیشتری را در خود جای دهد.
حافظه مقیاس کلاستر
برای فرآیند رمزگشایی، اچد نوع جدیدی از حافظه و فناوری اتصال داخلی را با نام «حافظه مقیاس کلاستر» (cluster scale memory) توسعه داده است. این فناوری به تراشههای زیادی اجازه میدهد به یکدیگر متصل شوند و از یک استخر حافظه مشترک با سرعتی بسیار بالا و تأخیر (latency) بسیار پایین بهره ببرند. اچد وعده میدهد نتیجه این امر، سرعت بالا و در عین حال هزینههای کمتر خواهد بود.
شکاکانی که حتی پس از تولید سیلیکون تردید کردند
از آنجا که اچد پیش از آنکه بیشتر دنیای فناوری — به جز انویدیا — نیازهای پردازشی تخصصی هوش مصنوعی را درک کند، راهاندازی شد، بنیانگذاران آن یعنی گاوین اوبرتی (مدیرعامل)، واچن و کریس ژو (مدیر فنی) با شکاکان زیادی روبرو شدند. این تردیدها حتی پس از اعلام شرکت مبنی بر تولید موفقیتآمیز نخستین دسته سیلیکون توسط TSMC نیز ادامه داشت.
بخش عمدهای از این شکاک از آنجا ناشی میشود که افراد کمی به این سیستمها دسترسی داشتهاند. تاکنون، این دسترسی به سرمایهگذاران و مشتریان اولیه محدود بوده است. در واقع، به همین ترتیب بود که اچد توانست فهرست سرمایهگذاران مشهور خود را گرد هم آورد — با نمایش دموهای خصوصی در دفتر کار خود.
واچن میگوید: «آندری کارپاتی، نوام براون از OpenAI، جفری هینتون و همچنین تمامی سرمایهگذاران این دور تأمین مالی — همگی افرادی هستند که در عمل سختافزار را آزمایش کردهاند و از آن بسیار هیجانزدهاند.»
با این حال، مسیر طولانی و دشواری در پیش بوده و تا تولید انبوه و تحویل سیستمهای رَکی (rack) راه زیادی باقی مانده است. این سه نفر با ترک هاروارد و راهاندازی اچد، ریسکی بزرگ را پذیرفتند — ریسکی که اکنون با ارزشگذاری 10.3 میلیارد دلاری به نظر میرسد دستبهنتیجه رسیده است. پرسش اینجاست که آیا اچد میتواند در رقابت با غولهایی چون انویدیا که اکنون بر بازار تراشههای هوش مصنوعی مسلط شدهاند، جایگاه خود را تثبیت کند یا این رکورد چشمگیر تنها آغاز مسیری طولانیتر خواهد بود.
