이 문서는 자라는 중인 질문입니다. 아직 증거를 모으고 있으며, 내용이 바뀔 수 있습니다.
Etched는 AI 칩 경쟁에서 “더 큰 범용 GPU”가 아니라 “특정 추론 작업에 맞춘 전용 장비”라는 반대쪽 질문을 던지는 회사야. AI 모델이 커질수록 계산량도 커지지만, 모든 계산을 똑같이 유연한 장비로 처리해야 하는지는 별개의 문제거든.
그래서 Etched를 볼 때 핵심은 스타트업 이름 자체보다 이 긴장이야. 모델이 빠르게 바뀌는 시대에, 한쪽은 NVIDIA처럼 범용 가속기와 소프트웨어 생태계를 넓게 잡고, 다른 한쪽은 Etched처럼 추론 workload를 좁혀 더 싼 토큰을 노려. 어느 쪽이 맞는지는 아직 결론이 아니라 관찰 대상이야.
한 줄로 말하면
Etched는 AI 추론을 더 빠르고 싸게 돌리기 위한 전용 칩과 rack 시스템을 만들겠다는 반도체 스타트업이야.
무엇인가
Etched는 2023년에 시작한 회사로 소개돼. Invest Like the Best의 2026년 6월 30일 에피소드 소개문은 공동창업자 Gavin Uberti와 Rob Wachen을 인터뷰 대상으로 세우고, Etched가 AI 모델을 더 빠르고 낮은 비용으로 돌리기 위한 칩과 시스템을 만든다고 설명해.1
여기서 중요한 단어는 “칩” 하나가 아니라 “rack”이야. 소개문은 첫 제품을 칩, 보드, 전력 공급, interconnect, 제조를 묶은 완전한 추론 rack으로 설명해.1 즉 이 회사가 노리는 것은 개별 반도체 판매만이 아니라, 추론을 실제 서비스로 돌리는 장비 묶음 전체에 가까워.
이 접근은 추론 비용 문제와 바로 이어져. 추론 비용은 토큰을 만들 때 드는 계산·메모리·전력·운영 자원의 총합이야. Etched의 가설은 범용 GPU의 유연성을 일부 포기하면, 특정 모델 계열에서는 같은 전력과 비용으로 더 많은 답을 만들 수 있다는 쪽에 가까워.
왜 계속 등장하는가
첫째, AI 인프라 지출의 다음 병목이 학습에서 추론으로 옮겨갈 수 있어서야. 모델을 한 번 훈련하는 비용도 크지만, 많은 사용자가 매일 부르는 답을 낮은 지연 시간으로 처리하는 비용은 반복해서 쌓여. 이 반복 비용이 커질수록, “범용 GPU를 계속 더 사는가”와 “추론 전용 장비로 일부 workload를 떼어내는가”가 중요한 질문이 돼.
둘째, Etched는 NVIDIA의 해자를 직접 건드리는 실험이야. NVIDIA의 강점은 칩 성능뿐 아니라 CUDA, 라이브러리, 네트워크, 서버 구성, 개발자 생태계까지 이어지는 넓은 표준에 있어. Etched가 의미 있으려면 단순히 빠른 칩을 만드는 것으로 부족하고, 고객이 실제 모델을 옮기고 운영할 만큼 충분한 소프트웨어와 시스템을 같이 보여줘야 해.
셋째, 반도체 공급망의 현실을 통과해야 해. 칩 설계가 맞아도 TSMC 같은 파운드리, 첨단 패키징, 메모리, 보드, rack 제조를 통과하지 못하면 제품은 시장에 충분히 나오지 않아. 특히 AI 가속기는 칩 하나보다 패키징과 시스템 통합에서 병목이 자주 생겨.
이 대상을 볼 때의 핵심 축
- 모델 특화의 폭. 어떤 모델·연산 패턴에 맞춘 장비인가. 너무 좁으면 모델 변화에 취약하고, 너무 넓으면 범용 GPU와 차이가 줄어들어.
- 소프트웨어 이식성. 고객이 기존 추론 스택을 얼마나 고쳐야 하는가. 칩이 빨라도 배포 도구와 운영 흐름이 따라오지 않으면 전환 비용이 커져.
- 총소유비용. 칩 가격만이 아니라 rack 전력, 냉각, 네트워크, 운영 인력, 장애 대응까지 합쳐 봐야 해.
- 공급망 실행력. tape-out, 수율, 패키징, 메모리 확보, rack 제조가 일정대로 이어지는지 봐야 해.
- 고객 수요의 질. “수요가 있다”는 말이 구속력 있는 계약인지, 예약·의향서인지, 초기 관심인지 구분해야 해.
최근 관찰된 신호
Invest Like the Best 소개문은 Etched가 첫 시도에서 작동하는 칩을 tape-out했고, 10억 달러가 넘는 고객 수요와 8억 달러의 자금 조달을 확보했다고 설명해.1 다만 이 문장만으로 고객 계약의 구속력, 납품 일정, 제품별 성능은 알 수 없어. 그 부분은 공식 제품 자료와 고객사 발표로 따로 확인해야 해.
같은 소개문은 Etched의 첫 제품을 “추론용 complete rack”으로 묘사해.1 이건 Etched를 칩 설계 스타트업 하나로만 보면 좁다는 신호야. 실제 경쟁은 칩 성능, rack 전력, 네트워크, 운영 소프트웨어가 함께 묶인 시스템 단위에서 벌어질 가능성이 커.
헷갈리지 말아야 할 점
- 전용 칩은 공짜 점심이 아니야. 특정 workload에서 효율이 좋아지는 대신, 모델이 바뀌거나 고객의 프레임워크가 달라지면 유연성이 낮아질 수 있어.
- 고객 수요와 매출은 다르다. 수요가 크다는 말은 방향을 보여주지만, 실제 매출은 계약 조건, 납품, 검수, 반복 주문이 지나야 확인돼.
- NVIDIA와 정면 대체만으로 볼 필요는 없어. 일부 추론 workload는 전용 장비로 가고, 나머지는 범용 GPU에 남는 혼합 구조도 가능해.
이어서 읽기
- Etched가 겨냥하는 비용 문제는 추론 비용에서 먼저 잡아두면 좋아.
- 범용 GPU와 생태계 쪽의 기준점은 NVIDIA, 제조 병목은 TSMC를 같이 보면 돼.
- 소프트웨어 최적화만으로도 토큰 비용이 달라지는 사례는 토큰 가격은 GPU 뒤에서 다시 갈린다에 정리돼 있어.
남은 질문들
- Etched의 첫 제품은 어떤 모델 계열과 추론 패턴에 최적화돼 있나?
- 고객 수요 10억 달러 이상이라는 표현은 구속력 있는 계약, 예약, 의향서 중 어디에 가까운가?
- 파운드리·패키징·메모리·rack 제조 파트너는 누구이고, 생산능력은 어느 일정으로 늘어나나?
- 같은 모델과 응답성 조건에서 Etched rack은 범용 GPU 대비 전력·처리량·총소유비용을 얼마나 낮추나?
- 모델 구조가 바뀌면 Etched의 전용화 이점은 얼마나 유지되나?
댓글