مرداد
اخبار
استارتاپ اِچد؛ سه دانشجوی هاروارد و شرکتی ۱۰.۳ میلیارد دلاری
داستان از یک اتاق خالی و کف خوابیدن شروع شد و به ارزشگذاری ۱۰.۳ میلیارد دلاری رسید. سه دانشجوی هاروارد که تحصیل را رها کردند تا تراشه بسازند، حالا مدیران شرکتی هستند که مستقیم به قلب سلطنت انویدیا نشانه رفته است. شرکت اِچد در تازهترین دور سرمایهگذاری خود ۳۰۰ میلیون دلار جذب کرد و ارزشگذاریاش نسبت به حدود هفت ماه قبل دو برابر شد. شرط این شرکت روشن است: تراشهای که فقط برای یک کار ساخته شده، از تراشهای که همهکاره است سریعتر و ارزانتر خواهد بود.
لیست مطالب
۱) سه دانشجو، یک شرط بزرگ
شرکت اِچد در سال ۲۰۲۲ توسط سه نفر تأسیس شد که همگی تحصیل در هاروارد را نیمهکاره رها کردند: گَوین اوبرتی که مدیرعامل است، رابرت واکن که مدیر عملیات است و کریس ژو. روایت روزهای نخست شرکت — خوابیدن روی کف اتاق و راهاندازی سرور در گاراژ — حالا بخشی از افسانهی سیلیکونولی شده است، اما نکتهی مهمتر شرطی است که آنها بستند.
در سال ۲۰۲۲، وقتی همهی دنیا داشت روی پردازندههای گرافیکی عمومی سرمایهگذاری میکرد، این سه نفر تصمیم گرفتند تراشهای بسازند که فقط برای اجرای مدلهای هوش مصنوعی طراحی شده باشد. در آن زمان این تصمیم پرریسک به نظر میرسید: اگر معماری غالب مدلها عوض میشد، کل سیلیکون آنها بیمصرف میشد.
جالب اینکه طبق گزارشها، سکویا کاپیتال — همان صندوقی که حالا رهبری این دور را بر عهده گرفته — در روزهای نخست این تیم را رد کرده بود. واکن این دور را «بالاترین ارزشگذاری تاریخ برای یک سری سی به رهبری سکویا» توصیف کرده است.
۲) اعداد دور تازه
مبلغ جذبشده ۳۰۰ میلیون دلار و ارزشگذاری پس از سرمایهگذاری ۱۰.۳ میلیارد دلار است. برای درک سرعت رشد، کافی است بدانید این شرکت در دسامبر ۲۰۲۵ با ارزش ۵ میلیارد دلار ارزشگذاری شده بود؛ یعنی ارزشگذاری در حدود هفت ماه دو برابر شده است.
ترکیب سرمایهگذاران هم بهاندازهی عدد گویاست. در کنار سکویا، آندرسن هوروویتز و جین استریت و دیفیوژن کپیتال حضور دارند. اما نام اسکی هاینیکس از همه معنادارتر است: یکی از سه غول جهانی حافظه، مستقیماً در شرکتی سرمایهگذاری کرده که میخواهد لایهی استنتاج هوش مصنوعی را بازتعریف کند. این یعنی سازندگان حافظه هم قبول کردهاند که آیندهی مصرف حافظه در استنتاج است، نه فقط آموزش مدل.
فهرست سرمایهگذاران فردی هم قابل توجه است: پیتر تیل، آندری کارپاتی (از چهرههای شناختهشدهی حوزهی یادگیری عمیق و از بنیانگذاران اولیهی اوپنایآی)، دیلن فیلد و امجد مسعد.
۳) تراشهی تخصصی در برابر پردازندهی همهکاره
برای فهم تز اِچد باید یک تمایز پایهای را روشن کرد. پردازندههای گرافیکی امروزی همهکارهاند؛ میتوانند مدل آموزش دهند، مدل اجرا کنند، گرافیک رندر کنند و شبیهسازی علمی انجام دهند. این انعطاف هزینه دارد: بخش بزرگی از سیلیکون تراشه صرف مدارهای کنترلی و انعطافپذیری میشود، نه محاسبهی خالص.
تراشهی تخصصی این معادله را وارونه میکند. وقتی میدانید تراشه فقط قرار است یک نوع محاسبه انجام دهد، میتوانید مدارهای اضافی را حذف کنید و همان مساحت سیلیکون را به واحدهای محاسباتی بیشتر اختصاص دهید. نتیجه در تئوری، چند برابر شدن بازده در واحد وات و کاهش چشمگیر هزینهی هر پاسخ است.
طبق توضیحات منتشرشده، تراشههای اِچد برای استنتاج طراحی شدهاند و از فناوریهایی مانند پردازش پیشپرکردن با ولتاژ پایین و اتصال حافظه در مقیاس خوشه بهره میبرند. نکتهی مهم اینکه سیستمهای آنها صرفاً به معماری ترنسفورمر محدود نیست و طبق گزارشها از معماریهای ترکیب متخصصها و مدلهای فضای حالت هم پشتیبانی میکند — پاسخی مستقیم به همان ریسکی که در روزهای اول شرکت را تهدید میکرد.
۴) چرا استنتاج مهمتر از آموزش شد؟
سالها روایت غالب صنعت حول آموزش مدل میچرخید؛ خوشههای عظیم پردازنده که ماهها یک مدل را آموزش میدهند. اما اقتصاد واقعی جای دیگری است. یک مدل یک بار آموزش میبیند و میلیاردها بار اجرا میشود. هر پرسشی که کاربران در سراسر جهان میپرسند، یک عملیات استنتاج است.
با گسترش استفادهی روزمره از دستیارهای هوش مصنوعی، وزن هزینه از آموزش به استنتاج جابهجا شده است. برای شرکتهایی که سرویس مبتنی بر مدل ارائه میدهند، هزینهی هر پاسخ مستقیماً حاشیهی سود را تعیین میکند. کاهش این هزینه — حتی به میزان چند ده درصد — میتواند تفاوت میان کسبوکار سودده و زیانده باشد.
این دقیقاً بازاری است که اِچد هدف گرفته و توضیح میدهد چرا یک میلیارد دلار سفارش ثبتشده قبل از عرضهی گستردهی محصول، غیرمنطقی نیست. برای درک بهتر اینکه چرا این هزینهها برای کسبوکارها حیاتیاند، مطلب چرا هوش مصنوعی برای کسبوکار مهم است را بخوانید.
۵) از طراحی تا سیلیکون؛ شرکت کجای مسیر است؟
تفاوت میان یک استارتاپ تراشهی امیدوارکننده و یک شرکت واقعی در همین نقطه مشخص میشود. طبق گزارشها، اِچد تراشههای خود را از طریق تیاسامسی به تولید رسانده و نخستین سیستمهای کامل در حال آزمایش توسط مشتریان است.
زیرساخت هم در حال رشد است: شرکت یک مرکز دادهی ۲ مگاواتی در اختیار داشته و بهتازگی مرکز ۱۰ مگاواتی تازهای در میلپیتاس کالیفرنیا افتتاح کرده است. این ارقام در مقایسه با مراکز دادهی گیگاواتی غولهای ابری کوچکاند، اما برای یک شرکت در مرحلهی سری سی نشانهی جدی بودناند: یعنی سختافزار واقعاً وجود دارد و روشن است.
۶) شکاف اصلی؛ نرمافزار
سختترین بخش رقابت با انویدیا سیلیکون نیست، اکوسیستم نرمافزاری است. کودا و لایههای بالای آن حاصل بیش از یک دهه سرمایهگذاریاند و تقریباً هر کتابخانه، ابزار و بهینهسازی در حوزهی یادگیری عمیق حول آنها ساخته شده. مهاجرت از این اکوسیستم برای تیمهای مهندسی هزینهی واقعی دارد.
هر رقیب تازهواردی باید نشان دهد که صرفهجویی در هزینهی اجرا آنقدر بزرگ هست که هزینهی مهاجرت را توجیه کند. تجربهی چند سال اخیر نشان داده این معادله برای بسیاری از استارتاپهای تراشه جواب نداده است. اینکه اِچد بتواند از این سد عبور کند یا نه، پرسش اصلی سالهای آینده است — و برای مطالعهی نمونههای دیگری از فاصلهی وعده و واقعیت در این صنعت، مطلب توهم هوش مصنوعی؛ توسعهدهندهی تنها در برابر مهندس واقعی خواندنی است.
۷) ریسکهایی که نباید نادیده گرفت
سه ریسک عمده در برابر این شرط قرار دارد. نخست، ریسک معماری: اگر معماری غالب مدلها در سالهای آینده به شکلی بنیادی تغییر کند، تخصصی بودن که امروز مزیت است، فردا میتواند محدودیت شود. پشتیبانی از چند معماری این ریسک را کم میکند اما حذف نمیکند.
دوم، ریسک رقابتی: انویدیا بیحرکت نایستاده و نسلهای تازهی محصولاتش هر بار بهرهوری استنتاج را بهبود میدهند. غولهای ابری هم تراشههای داخلی خود را توسعه میدهند و مشتریان بزرگ ترجیح میدهند به سیلیکون خودشان تکیه کنند.
سوم، ریسک اجرا: فاصلهی میان نمونهی آزمایشگاهی و تحویل انبوه در صنعت نیمهرسانا پر است از شرکتهایی که در همین مرحله متوقف شدهاند. تولید، بستهبندی، تأمین حافظه و پشتیبانی نرمافزاری همگی مسائل عملیاتی سنگینی هستند.
۸) این خبر برای اکوسیستم چه معنایی دارد؟
فارغ از سرنوشت خود اِچد، سیگنال کلی روشن است: بازار سرمایه پذیرفته که انحصار عملی در سختافزار هوش مصنوعی وضعیت پایداری نیست و حاضر است میلیاردها دلار روی رقبای احتمالی شرط ببندد. برای کاربر نهایی، هر درجه از رقابت در این لایه بهمعنای ارزانتر شدن اجرای مدلها و در نهایت ارزانتر شدن سرویسهای هوش مصنوعی است.
برای دنبال کردن روزانهی تحولات این حوزه بخش اخبار را دنبال کنید و اگر تازه با این اکوسیستم آشنا میشوید، مطلب اوپنایآی چیست و مجموعهی آموزشهای چتجیپیتی نقطهی شروع خوبی هستند.
پرسشهای پرتکرار دربارهی استارتاپ اِچد
شرکت اِچد دقیقاً چه میسازد؟
تراشههای تخصصی برای اجرای مدلهای هوش مصنوعی (استنتاج). برخلاف پردازندههای گرافیکی همهکاره، این تراشهها فقط برای یک نوع محاسبه بهینه شدهاند تا بازده در واحد وات و هزینهی هر پاسخ بهشکل چشمگیری بهبود یابد.
ارزشگذاری فعلی چقدر است؟
۱۰.۳ میلیارد دلار پس از جذب ۳۰۰ میلیون دلار در دور سری سی؛ دو برابر ارزشگذاری ۵ میلیارد دلاری دسامبر ۲۰۲۵.
چه کسانی سرمایهگذاری کردهاند؟
سکویا کاپیتال رهبر دور بوده و آندرسن هوروویتز، اسکی هاینیکس، جین استریت و دیفیوژن کپیتال مشارکت کردهاند. پیتر تیل، آندری کارپاتی، دیلن فیلد و امجد مسعد هم در فهرست حامیان فردی هستند.
آیا محصول واقعاً وجود دارد؟
بله. طبق گزارشها تراشهها از طریق تیاسامسی تولید شدهاند و نخستین سیستمهای کامل در حال آزمایش توسط مشتریان است. شرکت مرکز دادهی ۲ مگاواتی داشته و مرکز ۱۰ مگاواتی تازهای در میلپیتاس افتتاح کرده است.
بزرگترین مانع پیش روی این شرکت چیست؟
اکوسیستم نرمافزاری. بیش از یک دهه ابزار، کتابخانه و بهینهسازی حول پلتفرم انویدیا ساخته شده و مهاجرت از آن برای تیمهای مهندسی هزینه دارد. صرفهجویی در هزینهی اجرا باید آنقدر بزرگ باشد که این هزینه را توجیه کند.
