Etched完全解説――3兆円の米AI半導体新興はNVIDIAの牙城を崩せるか
Sohu、低電圧推論、クラスタースケールメモリー、Jane Street導入、NVIDIA人材流出の全貌
生成AIの競争は、「最も賢いモデルを作る競争」から、「そのモデルを誰が最も安く、速く、少ない電力で動かせるか」という競争へ移り始めています。
その転換点で、米国サンノゼから急浮上したのがEtched（エッチト）です。
2022年にハーバード大学を中退した若者たちが創業。2024年にはTransformer専用ASIC「Sohu」を発表しました。その後は約2年間ほぼ沈黙し、2026年6月30日にステルスを解除。TSMCのN4Pプロセスで製造した実チップを搭載するラックスケール推論システムを、翌7月に最初の顧客へ出荷しました。相手は、世界有数のクオンツ取引会社Jane Streetです。
さらに2026年8月18日、Jane Street主導で7億ドルを調達。企業価値は210億ドル、1ドル160円換算で約3兆3600億円に達しました。7月23日の103億ドルからわずか26日で倍増した計算です。その前日、LPUで低遅延推論の代名詞となったGroqは、35億ドルの評価で3億5000万ドルを調達しています。24時間のあいだに、二つの推論チップ企業に6倍の価格差がつきました。この調達は一部メディアでシリーズDと表現されていますが、Etchedの公式発表はラウンド名を明記していません。社員400人超のうち約15％がNVIDIA出身者だとWSJは報じています（会社の公式確認値ではありません）。
しかし、本当に重要なのは「若い創業者が3兆円企業を作った」という物語ではありません。
Etchedが挑戦しているのは、GPUより速いチップを一枚作ることではなく、AI推論の計算機構造そのものを、トランジスタからメモリー、通信、冷却、ラック、コンパイラ、製造方法まで設計し直すことです。
NVIDIAは、GPU、CUDA、NVLink、NVSwitch、DGX、Spectrum-X、InfiniBandを積み上げ、AI計算基盤を事実上の産業標準にしました。Etchedは、その巨大な城に同じ種類のGPUで正面攻撃するのではありません。「生成AIの推論だけなら、汎用GPUは多機能すぎる」という一点に賭け、推論専用の計算工場を作ろうとしています。
ただし、この構図は2026年に入って複雑になりました。NVIDIAは2025年にRubin CPXで長文脈処理向けの専用化を示し、2026年3月のGTCではGroqからライセンスした技術を使う「NVIDIA Groq 3 LPX」をVera Rubinプラットフォームの第7のチップとして発表しました。同じ月、AWSはTrainiumとCerebras CS-3を組み合わせる分離型推論を公表しています。CNBCはGroq関連取引を約200億ドル規模と報じましたが、当事者は金額を公表しておらず、Groq自体も独立会社として存続しています。Etchedが挑んでいるのは、静止した巨人でも、単独の巨人でもありません。
では、Etchedの半導体はなぜ速いとされるのでしょうか。2024年に発表したSohuと、2026年の最新製品は同じものなのでしょうか。Low Voltage InferenceとCluster Scale Memoryとは何か。「Transformer専用」という有名な説明は、いまも正しいのでしょうか。Jane Streetの採用はどこまで技術を証明したのでしょうか。そして、Etchedは本当にNVIDIAの牙城を崩せるのでしょうか。
本稿では、公開情報で確認できる事実、Etched自身の性能主張、外部報道、技術的な推定を区別しながら、この異例のAI半導体新興企業を詳しく解説します。
目次
Etchedとは何者か
なぜ今、AI半導体の主戦場が「推論」へ移るのか
Etched創業の原点――Transformerだけに賭ける
2024年に発表されたSohuとは何か
Sohuの「H100の20倍」という主張をどう読むべきか
2026年のEtchedはチップ会社ではなくラック会社になった
ステルス解除――2026年6月30日に何が公表されたか
最新A0シリコンとTSMC N4P
44日、700ナノ秒、決定論性――三つの技術主張を検証する
核心技術① Low Voltage Inference
核心技術② Cluster Scale Memory
PrefillとDecode――推論には二つの異なる問題がある
NVIDIAも専用化へ動いた――Rubin CPXからGroq 3 LPXへ
「推論の分業」は2026年の業界標準になった――AWS×Cerebrasという第三の実例
MoE、長文脈、AIエージェント時代にCSMが重要な理由
HBMとSRAMをどう使い分けるのか
「Transformer専用」だけでは説明できない――対応範囲の拡張
NVIDIA出身者を続々獲得できた理由
社内データセンター、台湾工場、ミルピタス10MWラボ
Jane Streetが最初の顧客になった意味
なぜクオンツ4社が投資家に並ぶのか
資金調達と企業価値の異常な上昇
投資家と戦略パートナーの構造
NVIDIAとの本当の違い
NVIDIAの反撃――Groq技術のライセンスと推論市場の再編
2026年8月17日と18日――GroqとEtchedの価格が交差した日
2026年の推論チップ勢力図
懐疑論を正面から読む
Etchedが勝てる市場、勝ちにくい市場
ソフトウェアという最大の壁
製造、歩留まり、冷却、保守という量産の壁
HBMと先端パッケージ――2026年の本当のボトルネック
アーキテクチャ依存という賭けは危険なのか
公開情報で分かっていないこと
企業価値3兆円は正当化できるのか
Etchedが成功する三つのシナリオ
Etchedが失速する三つのシナリオ
日本企業にとっての示唆
結論――NVIDIAを倒す会社ではなく、推論市場を分割する会社
主要参考リンク
第1章 Etchedとは何者か
Etchedは、米カリフォルニア州サンノゼを拠点とするAI半導体・AIインフラ企業です。2022年、Gavin Uberti、Robert Wachen、Chris Zhuの3人によって創業されました。3人はいずれもハーバード大学に在籍していましたが、半導体開発に集中するため大学を離れました。
創業当初の会社は、AI業界の主流から見ればかなり無謀に映りました。半導体は、ソフトウェア企業とは違い、少人数で製品を公開して顧客の反応を見ながら毎週改良することができません。設計、検証、物理実装、テープアウト、製造、パッケージ、基板、電源、冷却、ファームウェア、ドライバーまで、膨大な工程と資金が必要です。
しかも、Etchedが挑もうとした相手はNVIDIAでした。NVIDIAはGPUそのものだけでなく、CUDAを中心とするソフトウェア環境、AIライブラリ、サーバー、ネットワーク、開発者コミュニティ、クラウド事業者との関係を築いています。単に演算性能が高いチップを作るだけでは対抗できません。
Etchedは、この問題に対して「NVIDIAと同じものを作らない」という答えを選びました。
NVIDIAのGPUは、AI学習、推論、HPC、科学技術計算、レンダリングなどを広く処理できます。Etchedはその柔軟性を捨て、推論という一工程へ回路を集中させます。会社名のEtchedには、回路をシリコンへ刻み込む半導体企業としての思想が表れています。
なお、創業初期の3人はティール・フェローシップの支援も受けています。ピーター・ティールが大学中退者に2年間で25万ドルを支給する制度です。
2024年6月、Etchedは1億2000万ドルのシリーズA調達とTransformer専用ASIC「Sohu」の計画を公表しました。当時の社員数は約35人でした。2026年には400人を超え、NVIDIA、Broadcom、Google TPUチーム、SK hynix、そして高頻度取引系クオンツ企業から経験者を採用しています。
2026年8月現在、公式サイトが掲げる使命は「世界の推論を動かす」ことです。製品の表現も、単独チップのSohuから「Frontier Inference Clusters」へ変化しています。これは、事業の中心が半導体単体から、チップ、メモリー、接続、冷却、ラック、ソフトウェア、量産を統合した推論システムへ移ったことを意味します。
Etchedは、世界人口の1％未満しか最先端AIモデルへアクセスできていないと指摘し、ギガワット規模の計算基盤を作ることを目標に掲げています。
第2章 なぜ今、AI半導体の主戦場が「推論」へ移るのか
AIの計算需要は、大きく学習と推論に分かれます。
学習とは、大量のデータを使ってモデルのパラメータを更新する工程です。巨大モデルの学習では、大規模なGPUクラスターを数週間から数カ月動かします。高い演算性能、チップ間通信、安定性、ソフトウェアの成熟度が必要であり、NVIDIAが圧倒的な強さを持つ領域です。
一方、推論とは、学習済みモデルへ入力を与え、回答や画像、音声、コード、判断を生成する工程です。ChatGPTに質問するたび、AIエージェントがウェブを検索するたび、ロボットが次の動作を判断するたびに推論が発生します。
学習は大きな費用が集中的に発生しますが、推論は利用者数、リクエスト数、生成トークン数に比例して継続的に増えます。AIが人間の補助ツールから、常時稼働するエージェントへ変われば、1人の利用者の裏側で複数のモデルが何十回、何百回と推論するようになります。
例えば、従来のチャットAIは一度の質問に一度答えるだけでした。高度なAIエージェントは、課題を分解し、検索し、複数の候補を生成し、結果を検証し、誤りがあればやり直します。ユーザーへ見える出力が数千トークンでも、内部ではその何倍ものトークンが生成される可能性があります。
このため、AIサービスの収益性を左右する指標は、単純なピークFLOPSだけではなくなります。
1秒当たり何トークン生成できるか
1ドルで何トークン処理できるか
1ワットで何トークン処理できるか
最初のトークンが何ミリ秒で返るか
同時に何人へ応答できるか
長い文脈をどれだけ低コストで保持できるか
Etchedが狙うのはこの市場です。AIモデルの学習競争ではなく、完成した巨大モデルを世界中で動かす「推論工場」の経済性を支配しようとしています。
第3章 Etched創業の原点――Transformerだけに賭ける
Etchedの創業仮説は、非常に明確です。
第一に、TransformerがAIの中心的アーキテクチャであり続ける。第二に、推論需要が学習需要以上の巨大市場になる。第三に、処理内容が十分に安定すれば、汎用GPUより専用ASICの方が速く、安く、低消費電力になる。この三つです。
Transformerは、2017年の論文「Attention Is All You Need」で提示されたアーキテクチャです。現在のLLMだけでなく、画像、音声、動画、マルチモーダルAIでもTransformer系の構造が広く使われています。
GPUの強みはプログラム可能性です。新しい演算やモデルが登場しても、CUDAカーネルやコンパイラを更新すれば対応できる可能性があります。しかし、柔軟性を実現するためには、命令制御、キャッシュ階層、スケジューリング、汎用演算などの回路が必要です。
ASICは、用途を限定する代わりに、使わない機能を減らし、必要な演算とデータ移動へシリコン面積を集中できます。動画圧縮、暗号処理、通信基地局、ビットコイン採掘など、処理が大量かつ定型化した市場でASICが強い理由もここにあります。
EtchedはTransformerが一時的な流行ではなく、少なくとも大規模推論市場を形成する期間は残り続けると判断しました。Ubertiは2024年の取材で、Transformerが消えれば会社も終わるが、残り続ければ非常に大きな会社になれる、という趣旨の説明をしています。
この発言は、Etchedの危うさと強さを同時に示しています。あらゆるAIを処理できる小さなNVIDIAを作るのではなく、巨大な一つの需要に全資源を集中する会社なのです。
当時、この仮説はまったく支持されませんでした。
創業者たちは後に、Positive Sum創業者パトリック・オショーネシーのポッドキャスト「Invest Like the Best」で、2023年当時の資金調達がいかに困難だったかを語っています。AIには汎用GPUではなく専用チップが必要になると論じた30ページの投資家向けメモを用意しましたが、当時面談した主要投資家はすべて見送ったという趣旨の説明です。
Sequoia CapitalのゼネラルパートナーSonya Huangは後にWSJへ、若く経験の浅いチームが半導体に挑むことへの業界の警句を紹介しています。半導体は経験のない若者が手を出す領域ではない、という趣旨の通念です。
2026年8月時点で、そのSequoiaがEtchedのシリーズCを主導しています。
ただし、この創業仮説そのものが2026年に修正されている点は、あらかじめ断っておく必要があります。詳しくは第17章で扱います。
第4章 2024年に発表されたSohuとは何か
Sohuは、Etchedが2024年6月に発表したTransformer専用ASICです。
当時の公表情報や報道を総合すると、SohuはTSMCの4nm級プロセスで製造し、Transformer推論に特化した演算回路と大容量HBMを組み合わせる構想でした。1チップ当たり144GBのHBM3Eを搭載すると紹介された資料もあります。
EtchedがSohuで削ろうとしたのは、Transformer推論で使用頻度の低い汎用機能です。その空いた面積を、行列演算、Attention、データ移動などへ振り向けることで、GPUより高い実効演算密度を狙いました。
2024年当時に示された代表的な主張は、8チップのSohuサーバーでLlama 70Bを毎秒50万トークン以上生成し、8基のNVIDIA H100システムの約2万3000トークン毎秒を大幅に上回る、というものでした。Etchedは、1台のSohuサーバーが約160基のH100に相当するとも宣伝しました。
ただし、ここで慎重さが必要です。
この数字は、同じ条件で第三者機関が実測した標準ベンチマークではありません。推論性能は、モデル、重み精度、量子化、バッチサイズ、入力長、出力長、KVキャッシュ、投機的デコード、レイテンシー条件、消費電力上限によって大きく変わります。
また、2024年のSohu発表時点では、現在の量産ラックと同じ実機による公開比較だったとは確認できません。したがって、Sohuの性能数字は「設計目標または会社による公称値」として扱うのが適切です。
それでも、Sohu発表には意味がありました。EtchedはTransformer専用ASICという賭けを明示し、TSMCとの製造関係を構築し、ピーター・ティール、Replit CEOのAmjad Masad、GitHub CEOのThomas Dohmkeらから資金を集めました。半導体を作るためのテープアウト費用と組織を確保し、単なる研究構想から実シリコンへ進む土台を作ったのです。
なお、2026年のEtchedの公式資料に「Sohu」という製品名は登場しません。一部メディアは現在も最新チップをSohuと呼んでいますが、社名変更や製品名の継続については会社の説明がありません。本稿では、2024年発表の構想をSohu、2026年の製品を「最新ラック」と区別して扱います。
第5章 Sohuの「H100の20倍」という主張をどう読むべきか
「NVIDIA H100の20倍」という表現は非常に強力ですが、半導体比較では、何を20倍としたのかを確認する必要があります。
推論性能には、少なくとも次の異なる指標があります。
高いバッチサイズでの総スループット
1ユーザー当たりの生成速度
最初のトークンまでの時間
1リクエスト全体の遅延
チップ当たり性能
サーバー当たり性能
ラック当たり性能
1ワット当たり性能
購入価格を含む1ドル当たり性能
電気代、冷却、保守を含む総保有コスト
大量のリクエストを束ねれば、スループットは高くできます。しかし、利用者一人への応答が速いとは限りません。反対に低いバッチサイズでレイテンシーを優先すると、演算器の利用率が下がり、1トークン当たりコストが上昇します。
Etchedが2026年にLow Voltage InferenceとCluster Scale Memoryの両方を強調したのは、このトレードオフを解消しようとしているからです。LVIは高スループット側、CSMは低レイテンシー側を改善する技術として位置付けられています。
また、比較対象がH100である点にも注意が必要です。H100はNVIDIA Hopper世代の製品であり、その後NVIDIAはBlackwell、Blackwell Ultraへ進み、さらにRubin世代を展開します。Etchedが商用量産へ入る時点では、顧客は旧世代H100ではなく最新システムとの経済性を比較します。
したがって、Etchedを評価する際に必要なのは、広告上の倍率ではなく、同一モデル、同一精度、同一品質、同一レイテンシー制約、同一電力条件におけるtokens／秒、tokens／ドル、tokens／ワットです。
Jane Streetの実機導入は、Sohuの初期公称値をそのまま証明するものではありません。しかし、少なくとも高度な顧客が実機を試験し、一定の価値を認めたことを示す、初めての重要な商用証拠です。
第6章 2026年のEtchedはチップ会社ではなくラック会社になった
2026年6月、Etchedは「Frontier Inference Clusters」を公表しました。ここでの主語はSohuという一枚の半導体ではなく、推論クラスター全体です。
Etchedは、チップ、パッケージ、PCB、電源、コールドプレート、液体冷却、独自インターコネクト、ソフトウェア、製造工程を共同設計すると説明しています。
これはAI半導体業界の現実を反映しています。最先端AIの性能は、チップの理論FLOPSだけでは決まりません。
演算器へデータを供給できなければ、演算器は待機します。HBM容量が足りなければ、モデルを多くのチップへ分割する必要があります。チップ間通信が遅ければ、MoEやTensor Parallelismの同期で時間を失います。電力密度が高すぎればクロックを下げなければなりません。冷却能力が不足すればラック全体の性能を維持できません。
そのため、NVIDIAも単体GPUの販売から、HGX、DGX、GB200 NVL72などのラックスケールシステムへ移行しました。Etchedも同じく、顧客が導入可能なシステム全体を作らなければ、実効性能を保証できません。
ただし、EtchedはNVIDIAと同じ道を後追いしているだけではありません。低電圧演算とクラスタースケールメモリーを前提に、最初からトランジスタ、電源、冷却、通信、推論ソフトウェアを一体設計しようとしています。
この意味で、Etchedの製品は「GPUの代替チップ」ではなく、「GPUを使わない推論ラック」です。
第7章 ステルス解除――2026年6月30日に何が公表されたか
Etchedを理解するうえで、時系列の整理は欠かせません。
Etchedは2024年6月にSohuを発表した後、約2年間、まとまった製品情報を公表しませんでした。この間の資金調達も公表していません。
2026年6月30日、Etchedはステルス状態を解除し、次の内容を一度に公表しました。
「Frontier Inference Clusters」という製品カテゴリー
TSMC N4PでのA0（初回）シリコン成功
10億ドルを超える顧客契約
社員400人超という規模
未公表だった資金調達4回分、累計8億ドル
そのうち2025年12月の5億ドル調達（ポストマネー評価額50億ドル、Stripes主導）
つまり、外部から見て「4カ月前にはアイデアに過ぎなかった製品」に見えたものは、実際には2年以上、非公開で開発が進んでいたものです。冒頭で引用したWSJの表現は、公表のタイミングを指しており、開発期間そのものを指してはいません。
この点は、Etchedの評価において重要です。半導体の設計、テープアウト、パッケージ、ラック、ソフトウェアを4カ月で作ることは不可能です。実際にはシード（2023年3月）から初回ラック出荷まで約3年半かかっています。Uberti自身も「最初のラックをゼロから届けるのに3年かかった」と述べています。
ステルス解除から資金調達までの流れも異例の速さでした。
2026年6月30日 ステルス解除、動作チップと10億ドル契約を公表
2026年7月 Jane Streetへ初号ラックを出荷
2026年7月23日 シリーズC 3億ドル、評価額103億ドル（Sequoia主導）
2026年8月18日 7億ドルの新規調達、評価額210億ドル（Jane Street主導。公式発表はラウンド名を明記せず）
7月23日から8月18日まで、26日間で評価額が倍増した計算になります。
なお、この2年間の沈黙は、資金が集まらなかったからではありません。2026年6月30日の公式リリースによれば、2025年12月の5億ドル調達はStripesが主導し、VentureTech Alliance、Jane Street、Hudson River Trading、Jump Trading、Two Sigma、Ribbit Capital、Radical Ventures、Primary VC、Positive Sumが参加しています。個人ではピーター・ティール、Andrej Karpathy、Geoffrey Hinton、Fei-Fei Li、Stanley Druckenmiller、Mistral AI CEOのArthur Mensch、Cognition CEOのScott Wuらが名を連ねました。
沈黙していたのは製品情報だけで、資本と人材の蓄積は静かに進んでいたということです。
第8章 最新A0シリコンとTSMC N4P
Etchedによると、最新製品のA0シリコンは2026年初頭にTSMCから戻り、N4Pプロセスで製造されました。
N4PはTSMCの5nmファミリーを強化した4nm級プロセスです。成熟度、性能、消費電力、設計資産、量産性のバランスを取りやすく、最先端ノードだけを追うよりも、製品の早期立ち上げに適した選択となる場合があります。
A0は最初のシリコン版を意味します。設計した回路が実際のウェハー上に製造され、電源を入れて動作検証できる段階に入ったことは大きな節目です。
一方、A0が動いたからといって量産が完成したわけではありません。半導体製品では、次の検証が必要になります。
論理機能の確認
高温・低温での動作
電圧変動への耐性
HBMとパッケージの安定性
チップ間接続の誤り率
長時間連続運転
製造ばらつき
歩留まり
ラック単位の故障管理
ソフトウェアとの統合
WSJは、Etchedがテストシリコン受領後44日で機能するシステムへ到達したと報じています。これが事実なら非常に速い立ち上げです。ただし、「44日でゼロから半導体を設計した」のではありません。テープアウト前の設計とシミュレーション、FPGAやエミュレーターによる検証、基板やソフトウェアの準備があってこそ可能になります。この点は次章で詳しく検証します。
Etchedは、シードラウンドから3年未満で初回シリコン成功に到達したと説明しています。共同創業者のRobert Wachenは、スタートアップが設計したAIチップで初回から成功した例は自社だけかもしれない、という趣旨の発言をしています。
EtchedがNVIDIA、Cypress、Broadcom、TSMCなどから経験者を集めた理由もここにあります。半導体の立ち上げは、大学生の発想だけで完結する仕事ではありません。何世代もの製品を量産した人材の暗黙知が重要です。
第9章 44日、700ナノ秒、決定論性――三つの技術主張を検証する
2026年の報道でEtchedが繰り返し引用された数字は三つあります。いずれも会社発表またはWSJ報道であり、第三者検証は済んでいません。しかし、何を主張しているのかは正確に理解しておく価値があります。
【主張1 44日】
TSMCからテストシリコンを受領してから、推論ワークロードを走らせるまで44日。WSJによれば、この工程は通常6カ月以上かかります。
これはチップ設計期間ではなく、「ブリングアップ」と呼ばれる立ち上げ期間の話です。実チップが届いた後、基板、電源、冷却、ファームウェア、ドライバー、コンパイラを噛み合わせ、実際のモデルを動かすまでの時間を指します。
この期間が短いことは、テープアウト前の検証環境（エミュレーター、FPGA、ソフトウェアスタック）がどれだけ作り込まれていたかを示します。半導体企業の実力が最も出る局面の一つです。
なお、この数字を大きく拡散させた人物の一人が、映画『マネー・ショート』で知られる投資家マイケル・バーリです。バーリは2026年8月18日にX上で、この44日を引用し、EtchedはNVIDIAにとって深刻な競合だという趣旨の投稿をしました。ただしバーリは以前からAI関連銘柄に弱気の立場を取っており、この投稿もその文脈で読む必要があります。「最初に拡散した人物」とまでは公開情報から確定できないため、本稿では影響力の大きい論評の一例として扱います。
【主張2 700ナノ秒】
WSJによれば、Etchedのチップは特定の通信処理を約700ナノ秒で実行し、NVIDIAのBlackwellでは約4000ナノ秒かかるとされます。
これはCluster Scale Memoryの中核である独自インターコネクトの性能主張と考えられます。差は約5.7倍です。
ただし、何の通信を測ったのかは公開されていません。チップ間のホップ数、パケットサイズ、トポロジー、測定条件が不明である以上、この数字だけでシステム性能を判断することはできません。それでも、Etchedが「演算速度」ではなく「通信遅延」を前面に出した点は、同社の設計思想を正確に反映しています。
【主張3 決定論性】
CEOのGavin Ubertiは、第一世代製品が決定論的であると説明しています。最終テストで通した10億トークン超のすべてが、期待される出力と完全一致したという趣旨です。
決定論性とは、同じ入力に対して常に同じ出力が返る性質です。GPUでは、浮動小数点演算の実行順序がバッチサイズやスケジューリングによって変わるため、ビット単位で完全に同じ結果が返る保証はありません。
この性質が重要になるのは、金融、監査、医療、規制対応など、再現性が要件になる分野です。Jane Streetが「我々の最も厳しいワークロードに必要な精度」という表現を使ったことも、この文脈で読めます。
つまりEtchedは、速度と電力効率だけでなく、「結果が毎回同じである」という、GPUが構造的に苦手とする特性を売りにしている可能性があります。これは価格や電力とは別軸の差別化です。
第10章 核心技術① Low Voltage Inference
Etchedが公表した第一の技術がLow Voltage Inference、略してLVIです。
半導体の動的消費電力は、概念的に次の式で表されます。
`動的消費電力 ≒ 回路容量 × 電圧の2乗 × 動作周波数`
電圧を下げる効果は大きく、例えば電圧を半分にできれば、他の条件が同じなら動的消費電力は理論上4分の1方向へ下がります。しかし、実際の設計ではそれほど単純ではありません。電圧を下げるとトランジスタの切り替えが遅くなり、動作周波数を維持しにくくなります。製造ばらつきやノイズの影響も受けやすくなります。
Etchedは、演算ブロックを一般的なAIチップの半分未満の電圧で動かす新しいアーキテクチャを設計したと説明しています。共同創業者のChris Zhuは、現在のAIチップはFLOPS利用率が上がるほど消費電力が増えてクロックを落とすため、持続的な推論スループットがピークFLOPSの半分以下に落ちることが多い、と説明しています。
重要なのは、LVIがラック全体ではなくPrefill工程向けのチップに適用される技術だという点です。TechCrunchの取材で、Robert Wachenは低電圧で動作するPrefillチップを設計したと明言しています。低電圧化によって発熱を抑え、同じ電力枠により多くのトランジスタを詰め込む設計です。
この設計は、既存チップの電圧設定を下げただけではありません。Etchedの説明では、分割可能な演算アレイ、回路技術、タイル分割、スケジューリング、電力供給ネットワーク、VRM、先端パッケージ、コールドプレートまで共同設計しています。
狙いは、1個の演算器を最高周波数で動かすことではなく、低電圧で動作する多数の演算器を同じ電力枠内へ配置し、高い実効演算密度を得ることです。
現在のAIチップでは、ピークFLOPSを増やしても、実際に高い利用率で動かすと消費電力と発熱が増え、サーマルスロットリングによってクロックが低下することがあります。Etchedは、兆パラメータ級の疎なMoEモデルをピークFLOPSの80％以上で継続動作させられると主張しています。
この80％以上という数字は、Etchedの公式ブログに明記されています。同社は、現在のAIチップでは持続的な推論スループットがピークFLOPSの半分を下回ることが多いと指摘したうえで、LVIによって現在のAIチップの数倍のFLOPS密度を実現できると説明しています。
この数字が同条件の第三者評価で確認されれば、非常に大きな競争力になります。AIデータセンターでは、チップ価格以上に電力供給と冷却能力が導入上限になるからです。
ただし、LVIの詳細な回路構成、電圧、周波数、精度、チップ当たり消費電力、演算器数は公開されていません。現時点では、技術原理は理解できても、その優位性の大きさは独立検証待ちです。
第11章 核心技術② Cluster Scale Memory
第二の技術がCluster Scale Memory、略してCSMです。
大規模AI推論では、演算よりデータ移動がボトルネックになることが少なくありません。モデルの重み、Attentionで使用するKVキャッシュ、MoEのExpert間データを、どこへ置き、どの経路で移動するかが性能を決めます。
HBMは大容量・高帯域ですが、SRAMほど低遅延ではありません。一方、SRAMだけで巨大モデルを保持しようとすると、必要なシリコン面積とコストが増え、容量が不足します。
Etchedは、HBMとSRAMを組み合わせ、独自の超低遅延・高帯域インターコネクトを介して、複数チップのメモリーを共有プールのように扱うと説明しています。より正確には、スケールアップ領域全体にまたがる巨大な共有SRAMプールを作る設計です。
CSMはDecode工程向けの技術です。会社説明では、SRAM単独構成、3D DRAMチップ、そして光学方式が抱えるコスト、信頼性、歩留まり、熱、演算量のトレードオフを回避しながら、遅延を改善することを狙っています。
「光学方式」が名指しで挙がっている点は見逃せません。第27章で触れるOlixのように、HBMを避けてSRAMと光インターコネクトで構成する競合が現れているからです。Etchedは公式ブログの中で、その方式を採らない理由を明示しています。
Etchedはまた、CSMがメモリー容量とメモリー間遅延（mem2mem latency）の両方を解決し、高スループットと対話性を同時に成立させると説明しています。
従来のクラスターでは、別チップ上のデータへ到達するまでに、ローカルメモリー、チップI/O、ネットワークインターフェース、スイッチ、相手側I/O、相手側メモリーという複数階層を通ります。各段階で遅延、バッファリング、プロトコル処理が発生します。
CSMの狙いは、この階層を可能な限り薄くし、ラックまたはスケールアップ領域全体を、一つの低遅延メモリー空間に近づけることです。
これは、巨大モデルを単に動かせるだけでなく、高いスループットと低い応答遅延を同時に実現するための設計です。
ただし、共有メモリーに近い抽象化を実現するには、ハードウェアだけでなく、コンパイラ、モデル分割、スケジューラー、障害処理、整合性管理が必要です。CSMの成否は独自インターコネクトの物理性能だけではなく、ソフトウェアが通信をどれだけ隠蔽できるかに左右されます。
第12章 PrefillとDecode――推論には二つの異なる問題がある
LLM推論を理解するには、PrefillとDecodeを分ける必要があります。
Prefillは、入力されたプロンプト全体を読み、内部表現とKVキャッシュを作る段階です。多数のトークンを並列に処理できるため、行列演算性能が重要になります。長い資料を読み込ませる場合や、大量の文脈を与える場合はPrefill負荷が大きくなります。
Decodeは、回答を1トークンずつ生成する段階です。次のトークンは、それ以前の結果に依存するため、時間方向の並列化が難しくなります。モデルの重みやKVキャッシュを何度も読み出すため、メモリー帯域と遅延の影響が大きくなります。
高バッチ処理では、多数の利用者のリクエストをまとめ、重み読み出しの効率を高められます。しかし、リクエストを待ってまとめるほど、個々の利用者のレイテンシーが悪化する可能性があります。
低バッチで対話性を優先すると、メモリーと演算器を十分に使い切れず、1トークン当たりコストが上がります。
Etchedの設計は、この二つを別々のハードウェアで解こうとしています。
LVI：Prefill向け。低電圧で演算密度を上げ、スループットを稼ぐ
CSM：Decode向け。クラスター全体の共有SRAMプールで遅延を減らす
つまりEtchedのラックは、一種類のチップを並べたものではなく、工程ごとに役割の異なるハードウェアを一体設計した構成です。
もし両方が機能すれば、Etchedは大量処理に強いだけでなく、リアルタイムAI、音声会話、コーディングエージェント、クオンツ処理のような低遅延用途でも優位に立てます。
第13章 NVIDIAも専用化へ動いた――Rubin CPXからGroq 3 LPXへ
ここで、Etchedの技術戦略を正しく位置づけるために、NVIDIA側の動きを見ておく必要があります。
Etchedは、Prefillを低電圧技術（LVI）で、Decodeの低遅延化を共有メモリー（CSM）で解くという二段構えを取っています。これに対しNVIDIAも、推論の全工程を一種類のGPUだけで処理するのではなく、役割の異なるラックやアクセラレーターを組み合わせる方向へ進みました。ただし、両社の実装が「まったく同じ」というわけではありません。
2025年9月、NVIDIAは「Rubin CPX」を発表しました。CPXはPrefill（コンテキスト処理）に特化した専用GPUです。通常のRubin GPUがHBM4を積んでDecodeを担当するのに対し、CPXは高価なHBMを使わず、安価なGDDR7を128GB搭載します。NVFP4で約30ペタフロップス、Attention処理をGB300 NVL72比で約3倍高速化するとされます。
NVIDIAはこれを「ディスアグリゲーテッド・サービング（分離型推論）」と呼びました。2025年発表時のVera Rubin NVL144 CPX構想は、Rubin GPU、Rubin CPX、Vera CPUを組み合わせるもので、NVIDIAはGB300 NVL72比で大幅な性能向上を主張しました。
その後、2026年3月のGTCで競争構図はさらに変わります。Vera Rubinプラットフォームの「第7のチップ」として、Groq由来のLPUを使うNVIDIA Groq 3 LPXが追加されました。
公開されている仕様は次の通りです。
【LPUチップ単体】
オンチップSRAM 500MB
SRAM帯域 150TB／秒
FP8演算 1.2ペタフロップス
スケールアップ帯域 2.5TB／秒
製造 Samsungの4nmプロセス
【LPXラック】
液冷1Uトレイ32枚、1トレイ当たりLPU 8基、合計256基
オンチップSRAM合計 128GB
SRAM総帯域 40ペタバイト／秒
スケールアップ帯域 640TB／秒
DDR5 12TB
提供時期 2026年後半（一部報道では第3四半期へ前倒し）
比較のため、Rubin GPU単体はHBM4を288GB、帯域22TB／秒です。LPUは容量を約500分の1に落とす代わりに、帯域を約7倍にしています。
分担の仕方も、単純な「Prefill対Decode」ではありません。NVIDIAはこれをAttention－FFN分離（AFD）と呼びます。Rubin GPUがPrefillとDecode時のAttention処理およびKVキャッシュを担い、LPUがFFN層とMoEのExpert実行を引き受けます。GTC 2026でJonathan Rossは、すべてをLPUで動かせばAttentionで使い切れず、すべてをGPUで動かせばFFN層で使い切れない、両者を組み合わせれば双方の利用率が上がる、という趣旨の説明をしています。
NVIDIAは、Vera Rubin NVL72とLPXの組み合わせにより、兆パラメータ級モデルで推論スループット／MWを最大35倍、収益機会を最大10倍にすると主張しています。いずれもNVIDIA自身による比較値です。報道によれば、NVIDIAはこの構成での「プレミアムトークン」の価格目標を100万トークン当たり45ドル前後に置いているとされます。事実であれば、Etchedが競争する際の実質的な価格の物差しになります。
一方、LPX側にも明確な制約があります。ラック全体のSRAMが128GBであるため、1ラックに載せられるモデルはFP8換算でおよそ53GBまでという計算になります。DeepSeek R1のようにFFN層の重みだけでFP8で600GB超に達するモデルでは、複数のLPXラックを前面のチップ間接続で連結し、重みを分散させる必要があります。NVIDIAはDynamoとネットワークスタックでこの複雑さを隠す設計にしていますが、ラック台数が増えることに変わりはありません。
EtchedのCSMがHBMとSRAMのハイブリッドを選んだ理由は、まさにこの容量制約にあります。SRAMだけでは巨大モデルを載せきれない、という判断です。どちらの設計が実運用で有利かは、モデルサイズ、文脈長、同時実行数によって変わります。
なお、この統合によって2025年発表のRubin CPXの位置づけは大きく変わりました。GTC 2026の記者向け質疑でRubin CPXの今後を問われた際、NVIDIA側はLPUとLPXラックによるDecode最適化に注力するという趣旨の回答をし、CPXの継続を明言しませんでした。複数の専門メディアは、CPXラック構想が実質的にLPXラックへ置き換わったと分析しています。ただしNVIDIAはCPXの中止を公式には発表していません。
さらにNVIDIAは、この分離を制御するソフトウェアとして「Dynamo」を用意しています。PrefillとDecodeを別ハードウェアへ振り分け、KVキャッシュを階層ストレージへ退避させる仕組みです。
この一連の動きは、Etchedの評価を二方向へ動かします。
一方では、Etchedの問題設定が正しかったことの傍証になります。業界最大手も、長文脈処理、低遅延Decode、KVキャッシュ、電力効率を、それぞれ適したハードウェアとストレージへ分担させ始めたからです。推論を異種ハードウェアで処理する発想は、もはや異端ではありません。
他方では、Etchedの差別化余地を狭めます。「GPUは推論に対して多機能すぎる」という批判に対し、NVIDIAはGroq 3 LPX、BlueField-4 STX、Dynamoなどを一つのプラットフォームへ統合して答えました。しかもLPUはCUDAの変更を必要とせず、既存のCUDAスタックに対するアクセラレーターとして、トークン単位で透過的に処理を引き受けます。顧客から見た移行コストは、独自スタックへ乗り換えるEtchedよりはるかに低くなります。
Etchedが示すべき優位は、発想そのものではなく、LVI、CSM、独自接続、ソフトウェアを組み合わせた実測上のtokens／ドルとtokens／ワットです。
タイミングも重要です。NVIDIAはVera Rubin製品とGroq 3 LPXを2026年後半から提供するとしています。台湾側の報道では、LPXラックの出荷は第3四半期へ前倒しされ、Foxconnがコンピュートトレイの独占供給元になったとされます。Etchedが初号ラックを出荷した2026年7月時点で、NVIDIAの異種ラック型推論基盤も量産立ち上げへ進んでいます。
Etchedの210億ドルという評価は、この短い窓の中で、複数顧客への量産出荷を実現できるかに賭けられています。
第14章 「推論の分業」は2026年の業界標準になった――AWS×Cerebrasという第三の実例
前章でNVIDIAの動きを見ました。しかし、推論工程を異種ハードウェアで分担させる動きは、NVIDIAとEtchedだけのものではありません。2026年3月、三つ目の実例が現れました。
2026年3月13日、AWSとCerebrasが多年契約を発表しました。内容は次の通りです。
AWSのTrainiumがPrefillを担当し、CerebrasのCS-3がDecodeを担当します。両者はAWS独自のネットワーク装置Elastic Fabric Adapter（EFA）で接続されます。TrainiumがKVキャッシュを計算してEFA経由でCS-3へ渡し、CS-3が出力トークンの生成に専念する構成です。
Cerebrasによれば、この構成は同じハードウェア設置面積で高速トークン容量を5倍にします。提供先はAmazon Bedrockとされています。ただし、2026年3月13日の発表時点では「今後数カ月で提供」とされており、本稿執筆時点で一般提供開始を確認できる一次情報はありません。5倍という数字も、実運用の第三者検証値ではなくCerebras側の性能主張です。AWSはCerebrasの分離型推論を採用すると発表した最初のクラウド事業者です。
つまり2026年3月の1カ月足らずのあいだに、次の三つが同時に起きたことになります。
3月13日 AWSがTrainium（Prefill）＋Cerebras CS-3（Decode）を発表
3月中旬 NVIDIAがGTC 2026でGroq 3 LPX（Decode）をVera Rubinへ統合すると発表
（その前後）Etchedが同じ思想のラックを単独ベンダーとして仕上げ、7月に初出荷
三者の答えは驚くほど似ています。「推論は一種類のチップでは最適化できない」という結論です。
ただし、実装の形は決定的に違います。
AWSは、自社チップと外部企業のシステムを高速ネットワークで結びました。NVIDIAは、外部企業の技術をライセンスして自社プラットフォームの一部にしました。Etchedは、両方の役割を最初から自社設計し、一つのラックの中に収めました。
この違いがEtchedの本当の主張です。
AWSの構成では、TrainiumとCS-3のあいだにEFAというネットワークが挟まります。NVIDIAの構成では、NVL72ラックとLPXラックのあいだにSpectrum-Xベースの接続が挟まります。いずれも別筐体のあいだをまたぐ通信です。
EtchedのCluster Scale Memoryは、その境界そのものを消そうとしています。WSJが報じた700ナノ秒という数字は、この設計の目標を端的に示しています。
もっとも、Etchedの構成には不利な点もあります。
AWSとCerebras、NVIDIAとGroqの組み合わせには、それぞれ既存製品や稼働実績があります。Cerebrasは2025年に5億1000万ドルを売り上げ、OpenAIから750メガワット分の契約を得ています。ただしAWSとの分離型推論サービスは、2026年3月の発表時点では提供予定の段階でした。Groqは推論クラウドの運用実績を公表しており、その技術はNVIDIAの製品計画へ組み込まれました。CNBCは関連取引を約200億ドルと報じましたが、公式に確認できる法的形式は非独占ライセンスと人材移籍であり、当事者は金額を開示していません。
Etchedは、その両方を自社で新規に作りました。設計の一貫性という利点と、実績の不在というリスクを、同時に抱えています。
そして最も重要な点があります。ハイパースケーラーの「Decode枠」は、2026年3月時点で既に埋まりつつあるということです。AWSはCerebrasを選び、NVIDIAはGroqを取り込みました。EtchedがAI企業やクラウドから確保したという10億ドル超の契約が、どの枠を取ったものなのかは公開されていません。
第15章 MoE、長文脈、AIエージェント時代にCSMが重要な理由
Etchedは最新システムの対象として、数兆パラメータ規模のMoE、長文脈、エージェント型ワークロードを挙げています。パラメータ数については、任意に大きな規模へ対応できると説明しています。
MoEは、モデル全体に多数のExpertを持ちながら、各トークンで一部のExpertだけを動かす構造です。総パラメータ数を大きくしつつ、1トークン当たりの演算量を抑えられます。
しかし、MoEでは選ばれたExpertが別チップ上に存在する場合、トークンを高速に転送する必要があります。演算量を減らしても通信が遅ければ、全体性能は上がりません。
長文脈ではKVキャッシュが膨らみます。ユーザーとの長い会話、巨大なコードベース、企業文書、動画、ロボットの履歴をモデルが参照するほど、保持・読み出すデータが増えます。
AIエージェントでは、一つの問いに対して複数回の推論が連鎖します。計画、検索、ツール実行、検証、再計画が繰り返されるため、応答速度のわずかな差が全体では大きな差になります。
例えば、一回の推論が10秒で、100段階の処理が直列に発生すれば1000秒です。これを1秒へ短縮できれば、100秒になります。エージェント時代には、単発チャットで目立たなかったレイテンシー差が、作業完了時間へ増幅されます。
Etchedが「Frontier Inference Clusters」を掲げる背景には、AIモデルが巨大化するだけでなく、推論が長時間の仕事を担うようになるという予測があります。
第16章 HBMとSRAMをどう使い分けるのか
AI半導体を理解するうえで、HBMとSRAMの違いは重要です。
HBMは、複数のDRAMダイを積層し、非常に広いインターフェースで接続する高帯域メモリーです。GPUやAIアクセラレーターの近くに配置し、大量のモデル重みを高速に供給します。
SRAMは、チップ上に置ける高速メモリーです。遅延が小さく帯域も高い一方、1ビット当たりの面積が大きく、同じ容量を実現するコストが高くなります。
NVIDIAは大容量HBMとチップ上キャッシュ、NVLink／NVSwitchを組み合わせます。Cerebrasはウェハースケールの巨大チップ上に大容量SRAMと多数の演算コアを配置します。GroqはオンチップSRAMと決定論的データフローを重視します。
EtchedはHBMとSRAMのハイブリッドを採り、さらに複数チップ間のメモリーをCSMで結びます。
この位置取りは合理的です。SRAMだけでは巨大モデルや長文脈に必要な容量が不足しやすく、HBMだけでは低遅延Decodeで階層の深さが問題になります。両方を使い、ソフトウェアが重み、KVキャッシュ、アクティベーションを適切に配置できれば、容量と速度のバランスを取れます。
一方で、HBM／SRAMハイブリッドと独自接続はシステムを複雑にします。性能を引き出すには、モデルごとにデータ配置と通信を最適化する高度なコンパイラが必要です。
第17章 「Transformer専用」だけでは説明できない――対応範囲の拡張
本稿でこれまで使ってきた「Transformer専用ASIC」という表現は、2024年のSohu構想を説明する言葉としては正確でした。2026年のラック製品については、それだけでは説明できなくなっています。
2024年のSohu構想は、Transformerのアテンション機構を回路へ焼き付ける設計でした。会社名のEtchedも、その思想を表しています。一部メディアは現在も「Sohuは畳み込みや拡散モデルを動かせない」と説明しています。
しかし、2026年のEtchedは対応範囲を広げています。
共同創業者のRobert Wachenは、TechCrunchの取材に対し、特定モデルをチップへ焼き付けるという初期構想は現在の製品を十分に表さず、幅広いフロンティアモデルを対象にしていると説明しています。
2026年8月18日のEtched公式リリースは、稼働中のクラスターが大規模MoEモデルと非Transformer設計の双方を動かしていると明記しました。これは会社の公式文書に記された記述です。
個別のモデル名については、扱いを分ける必要があります。DeepSeek、Qwen、Llama、そして状態空間モデルのMambaが動作するという内容は、複数の媒体が「会社の説明」として報じています。ただしEtchedの公式ブログとプレスリリースの本文には個別モデル名が現れないため、本稿では報道ベースとして扱い、公式確認済み仕様とは区別します。
いずれにせよ、非Transformer設計への対応は公式文書に明記されており、この一点だけでも2024年の「Transformer専用」という説明は更新が必要です。
これは、Etchedの設計上の重心が移動したことを意味します。
公開情報から確実に言えるのは、Etchedが特定のモデル名より、推論という工程全体へ製品の焦点を移したことです。大規模な行列演算、メモリー管理、チップ間のデータ移動、低電圧での高密度演算をラック全体で最適化しています。ただし、どの演算を固定回路にし、どこまでプログラム可能にしたかは未公開です。
この転換は、投資リスクの評価を大きく変えます。
「Transformerが廃れたらEtchedも終わる」という2024年型のリスク論は一定程度弱まりました。逆に、対応範囲を広げるほど、専用ASICとしての効率優位が薄まる可能性があります。
したがって、2026年のEtchedを一言で言い直すなら、「Transformer専用チップ会社」ではなく、「推論という工程に特化したラックスケール計算機の会社」です。
第18章 NVIDIA出身者を続々獲得できた理由
WSJによると、Etchedの約400人の社員のうち、およそ15％がNVIDIA出身です。単純計算では約60人になります。
ただし、この15％という数字はWSJの報道であり、Etchedが公式に確認した数値ではありません。
象徴的な採用がBrian Loilerです。NVIDIAに約23年間在籍し、HGXとDGXのプラットフォーム構築を担った人物です。2024年にVP of PlatformとしてEtchedへ移籍しました。
重要なのは、Loilerが一人で移ったのではないことです。WSJによれば、Loilerはその後、NVIDIAから約12人のエンジニアをEtchedへ引き入れました。しかも、そのうち何人かはNVIDIAからの好条件の慰留提案を断ったとされています。
Saptadeep Palは、NVIDIAのV100、A100、H100アーキテクチャチームに関わった経歴を持ち、EtchedではASICとアーキテクチャを担当します。CTOのMark Rossは、Cypress Semiconductorの元CTOで、複数の半導体システムを最初のシリコンから製品化した経験を持ちます。
流出は現在も続いています。2026年4月には、システムエンジニアのAnthony GamermanがNVIDIAからEtchedへ移籍したと報じられました。また、NVIDIAでデータセンター・システムズエンジニアリング担当バイスプレジデントを務め2026年7月に退職したJimmy Daleyは、現在Etchedの投資家になっています。
Etchedの採用元はNVIDIAだけではありません。2026年6月30日の公式ブログでは、400人超のエンジニアの出身として、NVIDIA、Google TPUチーム、Broadcom、SK hynix、そしてTSMCを挙げています。7月23日のプレスリリースでは、これに加えてHFT（高頻度取引）系クオンツ企業からの採用も明記されました。
TSMC出身者を社内に抱えている点は、単なる人材の質の話ではありません。第9章で触れた44日という立ち上げ速度と、A0シリコンの初回成功を支えた実務能力に直結します。
若い創業者だけでは、先端半導体の量産会社を作れません。Etchedは、創業者の大胆な仮説と、ベテランの製品化能力を組み合わせています。
では、なぜNVIDIAで成功していた人材がEtchedへ移るのでしょうか。
第一に、Etchedでは一人の技術者が製品全体へ大きな影響を与えられます。巨大企業では担当領域が細分化されますが、新興企業ではチップ、システム、ソフトウェア、顧客導入を横断できます。
第二に、株式報酬の上昇余地があります。企業価値が短期間に大きく上がる会社では、初期社員が持つ株式の潜在価値が採用力になります。8カ月で評価額が50億ドルから210億ドルへ動いた会社では、この効果は極めて大きくなります。
第三に、GPU以後のアーキテクチャをゼロから設計する技術的魅力があります。NVIDIA内部では既存製品、互換性、顧客、ロードマップを守る必要があります。Etchedは推論だけに最適化する大胆な設計を選べます。
ただし、約15％がNVIDIA出身という事実は、直ちにNVIDIAの組織が崩れていることを意味しません。NVIDIAは4万人規模の企業であり、人材の流出入は常にあります。重要なのは人数より、DGX／HGX、GPUアーキテクチャ、量産などの中核経験者をEtchedが獲得した点です。
第19章 社内データセンター、台湾工場、ミルピタス10MWラボ
Etchedは、ファブレス半導体企業の一般的な範囲を大きく超えて、システム統合と量産立ち上げを内製化しています。拠点は三層構造になっています。
【第一層 サンノゼ本社】
本社オフィス内に、NPI試作ラボと2MW規模のデータセンターを設けています。NPIとはNew Product Introductionで、新製品を試作から量産へ移す工程です。このデータセンターでは、Etched製ハードウェアが24時間体制で稼働しています。
【第二層 ミルピタスの10MWラボ】
2026年、オフィスから車で約15分のカリフォルニア州ミルピタスに、8万平方フィート（約7400平方メートル）、10MW規模の施設を開設しました。ここにはNPIラボ、社内SMT（表面実装）ラインを設置し、顧客向け展開能力も持たせています。
社内にSMTラインを持つ意味は小さくありません。基板への部品実装を外部委託に頼らず、初期量産段階での試作と検証を自社で回せるからです。
なお、本稿の初出時点で流通した「オフィス近くの8万平方フィート施設が10MW」という記述は、正確にはミルピタスの新ラボを指します。本社内のデータセンターは2MWです。
【第三層 台湾】
Etchedは2026年前半に台湾へ拠点を設けました。ここは単なる連絡事務所ではありません。報道によれば、Etchedはサーバー部品を製造するための工場を自社で保有し、約20人のチームを置いています。
一般的な半導体スタートアップは製品テストを外部委託します。Etchedはそれを自前で抱えました。
なぜここまで内製化するのか。
半導体企業が実チップを受け取ると、問題の切り分けが始まります。チップ設計、パッケージ、基板、電源、冷却、ファームウェア、ドライバー、コンパイラのどこに原因があるのかを特定しなければなりません。外部のデータセンターや複数の委託先を往復すると、検証速度が落ちます。
オフィス内に実ラック、冷却設備、計測器、試作設備を置けば、ハードウェアとソフトウェアの担当者が同じ場所で問題を再現できます。台湾側に工場と常駐チームを持てば、部品・基板・パッケージ・組立企業と24時間体制で改良できます。
第9章で触れた「44日」という立ち上げ速度は、この三層構造があって初めて成立します。
Etchedはこの体制を、公式ブログで「24時間のエンジニアリングサイクルを可能にするため、台湾に工場を開設し、サンノゼのオフィス内にデータセンター、テストハウス、NPI試作ラボを構築した」と説明しています。
さらに踏み込んだ記述もあります。同社は、代表的なデータセンター環境でラックを試験し、本番相当のトラフィックパターンをテラバイト規模で自社シミュレーターへ流し、数十人のエンジニアが数カ月にわたって海外に居住してサプライチェーン企業と共同設計にあたった、と述べています。
これは、ファブレス企業が通常は外部委託する工程を、人を送り込んで内側から握りにいった、ということです。
垂直統合の描写も具体的です。演算ブロックの設計者が推論エンジニアの隣に座り、熱設計の専門家がサプライチェーン管理担当の隣に座る、という組織構成を挙げています。
Etchedにとって「製造そのものが製品」という考え方は重要です。設計図上で速いチップを作るだけではなく、安定して製造し、ラックとして顧客へ届け、連続稼働させる能力が競争力になります。
第20章 Jane Streetが最初の顧客になった意味
Jane Streetは、ETF、株式、債券、オプションなどを扱う世界有数のクオンツ取引会社です。市場データの処理、価格計算、リスク管理、取引判断に高度な計算基盤を使用します。
2026年7月、Etchedは最初のラックをJane Streetへ出荷しました。Jane Streetはハードウェアを試験し、初期結果を評価したうえで、2026年8月の7億ドル調達を主導しました。同社は現在、自社データセンターでEtchedのラックを稼働させ、実ワークロードに投入していると説明しています。
Jane Streetのコメントで注目すべきは「精度」という言葉です。同社は、Etchedの推論アプローチが、最も要求の厳しいワークロードを支えるために必要な精度をもたらす、という趣旨の評価を出しました。単なる速度ではなく、結果の正確さと再現性を評価しているように読めます。
この関係には三つの意味があります。
一つ目は、投資家が実機を評価した顧客でもあることです。半導体新興企業では、シミュレーション上の性能、試作品、将来の予約だけで高い評価額がつくことがあります。Jane Streetは少なくとも実ハードウェアを受け取り、自社ワークロードで検証しました。
二つ目は、低遅延と信頼性に厳しい顧客であることです。クオンツ取引では遅延が経済価値に直結します。AI推論が取引判断のどこへ使われるかは公開されていませんが、性能と精度に厳しい組織が最初の顧客になったことには意味があります。
三つ目は、顧客、投資家、製品共同設計者が重なることです。Jane Streetは実際の需要を提供しながら、Etchedの量産資金も供給できます。
なお、Etchedは公式ブログで、設計上の判断を主要AI企業、クラウド事業者、ハイパースケーラーと「手を取り合って」下してきたと述べています。Jane Streetが最初の納入先になっただけで、共同設計の相手はそれだけではないという主張です。ただし、その企業名は公開されていません。
CEOのGavin Ubertiは公式リリースで、初日からハードウェアを顧客の手元へ届けて実ワークロードを走らせることに切迫感を持ってきた、Jane Streetがこのクラスターを本番投入したことが自分たちの作ったものの証明だ、という趣旨のコメントを出し、続けて「残りの顧客向けに量産を全力で進めている」と述べています。この言い回しは、契約済みの顧客が複数控えていることを前提としています。
CEOのGavin Ubertiは、調達そのものよりも最初の顧客がラックを気に入ったことのほうが嬉しかった、Etchedを作る過程には浮き沈みがあり、Jane Streetの肯定的な反応はここ数年で最も幸せな瞬間だった、という趣旨の投稿をしています。
一方、注意点もあります。Jane Streetの導入規模は、最初のラック段階です。汎用クラウドの大規模展開とは異なります。また、投資家でもあるため、完全に利害関係のない第三者ベンチマークではありません。
したがって、Jane Street導入の正確な評価は、「Etchedの全性能が証明された」ではなく、「実シリコンとラックが顧客環境へ入り、初期試験を通過した」です。
第21章 なぜクオンツ4社が投資家に並ぶのか
Etchedの投資家名簿には、通常のAI半導体企業では見かけない特徴があります。
世界有数のクオンツ取引会社が4社そろっているのです。Jane Street、Hudson River Trading（HRT）、Jump Trading、Two Sigma。いずれもEtchedの株主として公式に名前が挙がっています。
さらに、Etchedの採用元にも「HFT（高頻度取引）クオンツ企業」が明記されています。NVIDIA、Broadcom、Google TPU、SK hynixと並ぶ人材供給源としてです。
これは偶然ではありません。
クオンツ取引会社は、金融業界の中で最も低遅延計算に投資してきた組織です。FPGA、カスタムASIC、マイクロ波通信、カーネルバイパス、専用ネットワークを日常的に運用しています。ナノ秒単位の遅延が損益に直結する世界で、20年以上ハードウェアを内製してきました。
そのため、彼らは三つの役割を同時に果たせます。
第一に、技術評価者です。ベンダーの公称値を鵜呑みにせず、自社ワークロードで実測できます。Jane Streetが「チップをテストし、初期結果に満足した」と述べたのは、この能力を前提としています。
第二に、資金提供者です。クオンツ企業は自己資本が厚く、外部LPへの説明責任が小さいため、長期の非流動投資を素早く決断できます。
第三に、要求水準の設定者です。低遅延と決定論性という、汎用クラウドがあまり重視してこなかった要件を、設計段階からEtchedへ持ち込みます。
一方で、この構造には注意点もあります。
顧客と投資家が同一である場合、初期評価は完全に中立とは言えません。Jane Streetが自社の投資先製品を高く評価するインセンティブは存在します。ロイターが引用したCerity Partnersのマイケル・アシュリー・シュルマン氏も、10億ドルの顧客契約に対して評価可能な過去財務がほとんど存在しない点を指摘しています。
Etchedの技術が本当に一般市場で通用するかは、クオンツ以外の顧客、すなわちAI企業やクラウド事業者での稼働実績が公表されて初めて判断できます。
第22章 資金調達と企業価値の異常な上昇
Etchedの資金調達速度は、半導体企業として異例です。しかも、その大部分は非公表のまま進みました。
【公表されている調達履歴】
2023年3月 シード540万ドル（評価額3400万ドル）。Primary Venture Partnersが主導
2024年6月 シリーズA 1億2000万ドル。Primary Venture PartnersとPositive Sum Venturesが共同主導
2025年12月 5億ドル（ポストマネー評価額50億ドル）。Stripes主導、VentureTech Alliance、Jane Street、Hudson River Trading、Two Sigma、Ribbit Capitalが参加。2026年6月まで非公表
2026年6月30日 ステルス解除時に、未公表だった4回分・累計8億ドルを開示
2026年7月23日 シリーズC 3億ドル、評価額103億ドル。Sequoia Capital主導
2026年8月18日 7億ドルの新規調達、評価額210億ドル。Jane Street主導。公式発表はラウンド名を明記せず
シリーズCについてEtchedは、Sequoiaが主導したシリーズCとして史上最高の評価額だと説明しています。
この7億ドル調達の公式リリースで参加者として列挙されたのは、Kleiner Perkins、Sequoia Capital、Andreessen Horowitz、Tiger Global、Bain Capital Ventures、Neo、Primary、Stripes、Positive Sum、Blackstoneです。Etched公式サイトにはPeter Thiel、Diffusion、Argoも支援者として記載されていますが、今回ラウンドの参加者と累計投資家は区別して読む必要があります。Kleiner Perkinsは今回が初参加です。
この点には食い違いがあります。GlobeNewswire配信のプレスリリースの参加者リストにティールの名前はありませんが、Etched自身の公式ブログ「From Zero to One」では、Jane Streetに続く参加者の一人としてティールが明記されています。本稿では公式ブログの記載を優先し、参加者に含まれるものとして扱います。
【評価額の推移】
2023年3月 3400万ドル
2025年12月 50億ドル
2026年7月23日 103億ドル
2026年8月18日 210億ドル
2025年12月から2026年8月までの約8カ月で42倍、7月23日から8月18日までの26日間で約2倍になった計算です。
累計調達額は19億ドルに達しました。1ドル160円換算で約3040億円です。
比較すると、この上昇の異常さがより鮮明になります。2026年8月17日、GroqはシリーズA 3億5000万ドルを企業価値35億ドルで調達しました。2025年9月時点の69億ドルからほぼ半減しています。その翌日にEtchedが210億ドルを発表しました。この対比は第26章で詳しく扱います。
【何がこの上昇を支えたのか】
推論市場が巨大化するという期待
NVIDIA代替への強い需要
初回シリコンで動作した実チップ
Jane Streetによる実導入と検証
10億ドル超の顧客契約
TSMCとの製造関係
SK hynixの戦略参加
NVIDIAなどからの人材獲得
電力制約を解決する可能性
一方、企業価値210億ドルは、現在の売上や利益だけから算出されたものではありません。将来の推論市場で大きな占有率を取るという期待を先取りした評価です。
第23章 投資家と戦略パートナーの構造
Etchedの投資家には、一般的なベンチャーキャピタルだけでなく、半導体供給網、AI研究、顧客候補と関係するプレイヤーが含まれます。
2026年8月の公式発表で挙げられた投資家は次の通りです。
Sequoia Capital、Andreessen Horowitz、Jane Street、SK hynix、VentureTech Alliance、Kleiner Perkins、Tiger Global、Bain Capital Ventures、Peter Thiel、Hudson River Trading、Jump Trading、Two Sigma、Ribbit Capital、Stripes、Radical Ventures、Primary Venture Partners、Positive Sum。
このほか報道ベースでは、Blackstone、Neo、Diffusion、Argoの名前も挙がっています。
個人投資家・支援者の顔ぶれも異例です。2026年6月30日の公式リリースは、Andrej Karpathy、Geoffrey Hinton、Fei-Fei Liに加えて、投資家のStanley Druckenmiller、Mistral AI CEOのArthur Mensch、Cognition CEOのScott Wuの名前を挙げています。このほか、FigmaのDylan Field、ReplitのAmjad Masad、GitHubのThomas Dohmke、Balaji Srinivasanなども報じられています。
MistralとCognitionのCEOが個人として名を連ねている点は示唆的です。両社とも、大量の推論を継続的に必要とするAI企業です。
特に注目すべきは四つの層です。
第一に、顧客と投資家が重なる層。Jane Streetは投資家であり最初の顧客です。
第二に、供給網の層。SK hynixはHBMを含む世界的メモリー企業であり、シリーズCから参加しています。VentureTech AllianceはTSMCとの関係が深い投資会社として知られ、Etchedは同社の支援がTSMCとの製造関係を深めるうえで重要だと説明しています。
第三に、低遅延計算の層。Hudson River Trading、Jump Trading、Two Sigmaという三つのクオンツ企業がJane Streetに加わっています。この構造の意味は第21章で述べた通りです。
第四に、AI研究の層。Karpathy、Hinton、Fei-Fei Liといった研究者が名を連ねることは、資金額以上に技術的な信認のシグナルとして機能します。
AI半導体企業の成否は、資金だけでは決まりません。TSMCの製造枠、先端パッケージ、HBM、基板、冷却部品、顧客データセンターへの接続が必要です。Etchedの投資家構成は、資金調達と供給網・顧客開拓を重ねる戦略とみることができます。
このうちSK hynixとVentureTech Allianceの二社については、2026年の供給制約を前提に読むと意味がまったく変わります。詳しくは第32章で扱います。
第24章 NVIDIAとの本当の違い
Etchedを「NVIDIAの代替」と呼ぶと、両社が同じ市場で同じ製品を売るように見えます。しかし、設計思想は大きく異なります。
【基本製品】
Etched：推論特化のチップとラックスケールシステム
NVIDIA：汎用GPUとフルスタック基盤
【主用途】
Etched：大規模モデルの推論
NVIDIA：学習、推論、HPC、シミュレーション
【柔軟性】
Etched：推論工程に限定される
NVIDIA：非常に高い
【演算最適化】
Etched：Prefill／Decodeの分離最適化
NVIDIA：多様なモデルと計算（Rubin、Groq 3 LPX、STXなどで役割分担）
【メモリー】
Etched：HBM／SRAMハイブリッド、CSMによるクラスター共有プール
NVIDIA：HBM、キャッシュ、NVLink／NVSwitch
【ソフトウェア】
Etched：独自スタック、構築途上
NVIDIA：CUDA中心の巨大生態系
【商用実績】
Etched：初期出荷段階（顧客1社に初号ラック）
NVIDIA：世界規模で量産・導入済み
【強み】
Etched：tokens／ドル、tokens／ワット、低遅延、決定論性
NVIDIA：汎用性、互換性、供給、開発者基盤
【最大リスク】
Etched：量産、ソフトウェア、NVIDIAの追随速度
NVIDIA：電力、価格、専用ASICによる切り崩し
NVIDIAのGPUには、幅広い用途を処理できる保険があります。新しいAI構造が登場しても、ソフトウェアで対応できる可能性が高い。顧客は研究から学習、推論まで同じ環境を使えます。
Etchedはその保険料を払わない代わりに、推論工程で高い効率を狙います。大規模クラウド事業者やAI企業が、安定したモデルを何兆トークンも処理する場合、汎用性より1トークン当たりコストが重要になります。
ただし、第13章で見た通り、NVIDIAはRubin GPU、Groq 3 LPX、BlueField-4 STXなどを組み合わせ、低遅延DecodeとKVキャッシュ処理を専用ラックへ分担させました。「GPUは推論に対して多機能すぎる」という批判の射程は、2024年より確実に短くなっています。
したがって、Etchedが成功しても、NVIDIAが消えるとは限りません。学習と開発にはNVIDIAを使い、完成したモデルの大規模推論をEtchedへ移す構成が考えられます。
NVIDIAにとって本当の脅威は、GPU市場を全て奪われることではなく、最大の成長市場である推論の高収益部分が、複数の専用ASICへ分割されることです。
第25章 NVIDIAの反撃――Groq技術のライセンスと推論市場の再編
Etchedを評価する際、最も見落とされやすいのがNVIDIA側の動きです。NVIDIAは推論専用チップの脅威を放置していません。
2025年12月24日、Groqは、NVIDIAとの非独占ライセンス契約を締結したと発表しました。創業者Jonathan Rossら一部の中核人材がNVIDIAへ移ったと報じられ、NVIDIAは2026年3月にGroq技術を使うNVIDIA Groq 3 LPXを正式発表しました。CNBCは取引規模を約200億ドルと報じましたが、GroqとNVIDIAの公式発表は金額を開示していません。
取引の法的形式は買収ではなく、非独占ライセンスと人材移籍です。Groqは独立企業として存続し、2026年6月22日にAI推論クラウド拡大のため6億5000万ドルを、同年8月17日にはさらに3億5000万ドルを調達しました。8月のラウンドの企業価値は35億ドルです。同社は13カ所のデータセンター、600万人超の開発者、週当たり数兆トークンの処理実績を公表しています。したがって、Groqを「NVIDIAへ吸収されて消えた企業」と表現するのは正確ではありません。
ただし、事業の性質は変わりました。GroqはNVIDIA Cloud Partnerとなり、自社データセンターにNVIDIAのLPXを含む機材を導入する側へ回っています。自社チップを設計して売る企業から、他社チップで推論クラウドを運営する企業への転換です。経営陣も入れ替わり、Adam WinterがCEO、Alan Rice（xAI、Meta出身）がCOOに就いています。
構造としては「リバース・アクイハイア」と呼ばれる形式です。企業そのものを買わないことで、独占禁止法審査を回避する狙いがあると分析されています。実際、2026年3月20日には、エリザベス・ウォーレン、リチャード・ブルーメンソール両上院議員がNVIDIAへ書簡を送り、この取引が合併審査の回避を意図したものではないかと質しています。
報道された金額が正しければ、その規模は大きいものです。ただし、69億ドルという過去の資金調達時評価額と、ライセンス、人材、知的財産などを含み得る取引額を単純比較し、「市場価格の約3倍」と断定することはできません。
そして2026年3月のGTCで、NVIDIAはGroq技術の統合先を明らかにしました。Vera Rubinアーキテクチャの中で、GPUが不得手とする最も遅延に厳しい部分をGroq由来の技術に担わせる構想です。ジェンスン・フアンCEOは、Groqの技術がデータセンター負荷の約25％に関係し得ると述べたと報じられています。
2026年3月のNVIDIA公式ロードマップは、Rubin GPUに加えてGroq 3 LPXを第7のチップとして位置づけました。GTC 2026の記者向け質疑では、Rubin CPXの今後を問われたNVIDIA側がLPUとLPXラックによるDecode最適化への注力を語り、CPXの継続を明言しませんでした。複数の専門メディアは、CPXラック構想が実質的にLPXラックへ置き換わったと分析しています。NVIDIAはCPXの中止を公式発表していないため、断定はできません。
フアンCEOはこの取引を2020年のMellanox買収になぞらえています。買収した企業の技術を独立製品として運営するのではなく、自社プラットフォームの中核部品として吸収する、という位置づけです。
この一連の動きが、Etchedにとって何を意味するのか。
第一に、市場の正当性が強まりました。NVIDIAがGroqの技術を正式にライセンスし、Vera Rubinへ統合したこと自体が、専用の低遅延推論アーキテクチャに戦略価値があることを示します。約200億ドルという金額は有力報道ですが、当事者確認済みの数字ではありません。
第二に、競争環境が厳しくなりました。Etchedが差別化を狙う低遅延Decodeへ、NVIDIAが外部技術を取り込んで本格参入したからです。
第三に、大手企業が買収以外のライセンス・人材移籍を使って新興企業の技術を取り込む可能性が可視化されました。Etchedも将来、同種の提案を受ける可能性はありますが、現時点でその事実や交渉を示す公開情報はありません。
Etchedにとって最大の問いは、「NVIDIAに勝てるか」ではなく、「NVIDIAが買いに来る前に、独立した供給者として量産規模へ到達できるか」なのかもしれません。
第26章 2026年8月17日と18日――GroqとEtchedの価格が交差した日
Etchedの210億ドルという評価額を理解するうえで、その前日に起きたことを併せて見る必要があります。
2026年8月17日、Groqは3億5000万ドルのシリーズAを発表しました。主導はDisruptive、NVIDIAも参加を予定しているとされます。企業価値は35億ドルです。
2025年9月時点で69億ドルだった評価額が、ほぼ半分になった計算です。
そして翌8月18日、Etchedが210億ドルを発表しました。
わずか1日の差で、二つの数字が並びました。
Groq（LPU技術の開発元、13カ所のデータセンター、600万人超の開発者、稼働中の商用クラウド）：35億ドル
Etched（顧客1社にラック1本を納入した段階）：210億ドル
差は6倍です。
この対比は、2026年の市場が何を評価しているかを残酷なほど明確に示しています。
Groqが失ったのは技術そのものではありません。技術の帰属です。LPUの中核はNVIDIAへライセンスされ、創業者と主要エンジニアもNVIDIAへ移りました。Groqは現在、NVIDIA Cloud Partnerとして、自社データセンターにNVIDIAのLPXを含む機材を導入する側へ回っています。事業としては拡大しますが、独自ハードウェアで価格を決める立場ではなくなりました。
Groqは54メガワットから2027年に200メガワット超へ拡大する計画を掲げています。事業規模では明確にEtchedを上回っています。それでも評価額は6分の1です。
この評価差からは、市場が稼働実績だけでなく、「独立したアーキテクチャの所有権」と将来の供給者としての選択肢に大きな価値を置いている、と推測できます。ただし両社は同条件の比較対象ではありません。Groqは中核技術を非独占でライセンスし、推論クラウドへ事業の重心を移した後の評価額であり、Etchedは量産前後のハードウェア供給者に対する将来期待を含む評価額です。6倍の差を技術力の差と読むことはできません。
これはEtchedにとって両刃です。
追い風としては、独立系の推論ハードウェア企業が減るほど、残った企業の希少価値が上がります。Groqが実質的に退場し、SambaNovaにIntelによる買収観測が出た2026年、独自アーキテクチャを持つ独立企業はほとんど残っていません。
向かい風としては、Groqの結末そのものが警告になっています。技術的に優れた推論チップを作り、開発者を集め、69億ドルの評価を得ても、NVIDIAが十分な金額を提示した時点で、独立した競争者としての物語は終わりました。
Etchedにとっての問いは、この構図の中で「買われる前に量産へ到達できるか」であり、同時に「210億ドルという価格が、買われる選択肢を実質的に閉ざしていないか」でもあります。
第27章 2026年の推論チップ勢力図
Etchedの立ち位置を理解するには、2026年に競争環境そのものが大きく再編されたことを押さえる必要があります。
【Groq――技術をNVIDIAへライセンスし、クラウド企業として独立継続】
GroqはLPU（Language Processing Unit）と決定論的実行、オンチップSRAMで低遅延推論の代名詞となった企業です。2025年12月、NVIDIAと非独占ライセンス契約を締結し、NVIDIAはGroq技術を使うLPXを製品化しました。CNBCは取引規模を約200億ドルと報じていますが、当事者は金額を開示していません。
Groq自体は独立企業として存続し、2026年6月に6億5000万ドル、8月17日にさらに3億5000万ドルを調達しました。8月ラウンドの企業価値は35億ドルで、2025年9月の69億ドルからほぼ半減しています。NVIDIAも参加を予定しているとされます。
事業の重点は自社チップの単体販売から、NVIDIAのLPXを含む推論クラウドの運営へ移りました。54メガワットから2027年に200メガワット超への拡大を計画しています。それでも低遅延推論サービスではEtchedと競合し得るため、「競合ではなくなった」とまでは言えません。
【Cerebras――上場企業になった】
Cerebrasは、ウェハー全体を一枚の巨大チップとして使うWafer Scale Engineを開発してきました。2026年、同社は資本市場で決定的な一歩を踏み出します。
2026年2月にTiger Global主導で10億ドル（評価額約230億ドル、AMDも参加）を調達したあと、5月13日にIPO価格を1株185ドルで決定しました。当初の想定レンジ115〜125ドル、引き上げ後の150〜160ドルをさらに上回る価格です。5月14日にナスダックへCBRSとして上場し、3000万株で55億5000万ドルを調達しました。公開価格時点の完全希薄化後評価額は564億ドルです。
初値は350ドル前後、初日終値は約311ドルで公開価格比68％高でした。米テック企業のIPOとしては2019年のUber以来最大規模とされます。
Cerebrasが決定的に重要なのは、監査済みの実売上を持つ唯一の比較対象だからです。2025年通期の売上は5億1000万ドル、前年の2億9000万ドルから76％増です。GAAP純利益は約2億3800万ドルですが、その大半は先渡契約に関する非現金の評価益であり、営業段階では赤字が続いている点に注意が必要です。年末時点の残存履行義務は246億ドルにのぼります。
これを可能にしたのが二つの契約です。2025年12月に締結し2026年1月に公表したOpenAIとの多年契約は、750メガワット分の低遅延推論容量を2028年まで供給する内容で、S-1では2030年までに2ギガワットへ拡張した場合の総額を200億ドル超と記載しています。OpenAIはさらに10億ドルの運転資金を貸し付け、非議決権株のワラントも取得しました。もう一つが後述のAWSとの提携です。
EtchedもGroqも、この水準の売上実績を公表していません。210億ドルという評価額を評価するとき、Cerebrasの数字は最も現実的な物差しになります。
【d-Matrix――量産へ到達した】
d-Matrixは、演算をメモリー近傍へ配置するデジタル・インメモリー・コンピューティングで低遅延推論を狙う企業です。2025年11月に2億7500万ドルを評価額20億ドルで調達し、2026年6月には「Corsair」が本格量産に入りました。
d-Matrixの戦略はEtchedと対照的です。NVIDIA GPUを置き換えるのではなく、GPUの隣にDecode専用アクセラレーターを追加する形を取ります。既存投資を捨てさせない設計です。
【Positron AI】
推論サーバーの電力効率に特化し、2026年2月に2億3000万ドルのシリーズBを調達しました。累計3億500万ドル。Atlasシステムは既に出荷段階にあります。
【SambaNova】
企業向けオンプレミス推論で最も明確な実績を持ちます。JPMorgan Chaseが内部推論用にRDUを採用しました。ただし2026年1月には、Intelが買収の基本合意書に署名したと報じられています。
【Olix（旧Flux Computing）】
ロンドン拠点の光チップ企業です。2026年2月に2億2000万ドル（評価額10億ドル）、同年8月に3億1200万ドル（評価額33億ドル）を調達しました。Arm、Hudson River Trading、Netflix共同創業者リード・ヘイスティングス、英国政府のソブリンAIファンドが参加しています。
Olixの設計思想はEtchedと近い部分と、真逆の部分があります。近いのは、推論の各工程を専用チップへ分けるという発想です。真逆なのは、HBMも先端パッケージも使わず、SRAMと光インターコネクトだけで構成する点です。初号チップの顧客提供は2027年後半とされ、Etchedより1年以上遅れます。
【Google TPU】
Googleは長年、社内AIサービスとGoogle Cloud向けにTPUを開発してきました。ハードウェア、コンパイラ、フレームワーク、クラウドを統合できる点が強みです。
Etchedは独立企業として複数のAI企業やクラウドへ提供する必要があります。Googleのように巨大な内部需要を最初から持たないため、顧客獲得とソフトウェア互換性がより重要です。
【AWS、Microsoft、Meta】
AWSは学習向けTrainium、推論向けInferentiaを開発します。Microsoft MaiaとMeta MTIAも推論の内製化を進めています。Etchedの競争相手はNVIDIAだけではなく、自社需要を持つ巨大テクノロジー企業です。
【AWS、Microsoft、Meta──そして「Decode枠」】
AWSは学習向けTrainium、推論向けInferentiaを開発します。Microsoft MaiaとMeta MTIAも推論の内製化を進めています。
しかしAWSに関しては、2026年3月13日にもう一つ重要な発表がありました。Cerebrasとの多年提携です。TrainiumがPrefill、Cerebras CS-3がDecodeを担当し、Elastic Fabric Adapterで接続する分離型推論をAmazon Bedrock上で提供します。Cerebrasによれば、同じ設置面積で高速トークン容量が5倍になります。
つまり2026年3月時点で、ハイパースケーラーとNVIDIAの「Decode枠」はそれぞれCerebrasとGroqで埋まりました。Etchedが確保したという10億ドル超の契約が、どの層のどの枠を取ったものなのかは公開されていません。
【この地図の中でのEtched】
2026年時点で、Etchedの特異性は三点に集約されます。
第一に、初回シリコン成功からわずか数カ月で顧客ラックを納入した速度。第二に、Prefill向けの低電圧チップとDecode向け共有メモリーを、二社の製品を接続するのではなく、単独ベンダーとして同一ラック内で組み合わせる構成。第三に、顧客と投資家が同一というJane Streetとの関係です。
一方、Etchedに欠けているのは、Cerebrasが持つ監査済み売上、d-Matrixが持つ量産実績、Googleが持つ内部需要、そしてGroqが持っていた開発者基盤です。
第28章 懐疑論を正面から読む
Etchedをめぐる報道は熱狂的です。だからこそ、批判的な見方を整理しておく価値があります。
【懐疑論1 優れたチップと優れた事業は別物である】
ロイターの取材に対し、Cerity Partnersのパートナーであるマイケル・アシュリー・シュルマン氏は、Etchedの技術と顧客の関心は本物だが、半導体の歴史は優れたチップを作りながら事業として成立しなかった企業で埋め尽くされている、という趣旨の指摘をしています。
さらに同氏は、市場が評価しようとしているのは、機会の大きさ、NVIDIA代替の希少性、10億ドルの顧客契約であり、その一方で評価に使える過去の財務実績がほとんど存在しない点を挙げています。
これは本質的な指摘です。Etchedには、公開された売上、粗利率、受注残の内訳、キャンセル条項が存在しません。
【懐疑論2 スケールとエコシステムは別の問題である】
マイケル・バーリの投稿への返信では、チップを作ることと、世界的な需要規模でスケールさせ、ソフトウェア、エコシステム、サポート体制を備えることは別問題だという反論が寄せられました。
これは第30章から第32章で扱う論点そのものです。Etchedは現在、顧客1社に1ラックを納入した段階です。数千ラック規模の保守、交換部品、ファームウェア更新、24時間障害対応の実績はありません。
【懐疑論3 情報の出所が偏っている】
44日、初回シリコン成功、15％という数字は、いずれも会社発表またはWSJによる報道です。WSJはこれらを伝えていますが、TSMCへの独立確認は行っていません。Jane Streetの導入規模も、ラック数、稼働モデル、容量のいずれも公開されていません。
投資家名簿にも食い違いがあります。EtchedがX上で公表した参加者リストにはピーター・ティールが含まれますが、公式プレスリリースの今回ラウンド参加者にはティールの名前がなく、累計投資家リストにのみ登場します。
【懐疑論への反論】
とはいえ、Etchedを単なる誇大広告として片付けることもできません。
実シリコンが動作し、ラックが顧客のデータセンターで稼働し、その顧客が7億ドルのラウンドを主導しました。これは、パワーポイント上の性能主張とは質的に異なります。
評価すべきは「主張の大きさ」ではなく、「主張が検証可能な段階へどれだけ進んだか」です。その基準で見れば、Etchedは2024年から明確に前進しています。同時に、210億ドルという価格を正当化する段階には、まだ到達していません。
第29章 Etchedが勝てる市場、勝ちにくい市場
Etchedが勝ちやすいのは、次の条件がそろう市場です。
推論量が非常に大きい
同じモデルを長期間使用する
モデル構造が安定している
出力の再現性（決定論性）が要件になる
電力が導入制約になっている
低レイテンシーが直接的な価値を持つ
NVIDIA依存を減らしたい
ラック単位で専用システムを導入できる
具体的には、AIモデル提供企業、推論クラウド、検索、コード生成、音声AI、金融、AIエージェント基盤などが候補になります。
逆に、次の市場ではNVIDIAが強いままです。
新しいモデルを頻繁に研究・開発する
学習と推論を同じ基盤で行いたい
CNN、物理シミュレーション、レンダリングなども使う
CUDA専用コードが大量にある
少数台だけ導入したい
世界中の保守・供給体制が必要
既存クラウドで即座に利用したい
Etchedは全市場を奪う必要はありません。世界のAI推論支出が巨大化すれば、その一部だけでも数百億ドル規模の事業になり得ます。
第30章 ソフトウェアという最大の壁
AI半導体新興企業が失敗する最大の理由は、チップの演算性能が低いこととは限りません。ソフトウェア移行の負担が大きいことです。
NVIDIAにはCUDA、cuDNN、TensorRT、Triton Inference Server、NCCL、各種最適化ライブラリがあります。PyTorchや主要AIフレームワークはNVIDIA環境で広く検証されています。問題が起きても、開発者コミュニティ、クラウド、システムインテグレーターが対応できます。
Etchedが顧客を増やすには、次の機能が必要です。
PyTorchなどからのモデル取り込み
新しいTransformer演算への迅速な対応
FP8、FP4、INT8などの量子化
Attentionの各種変形
MoEルーティング
KVキャッシュ管理
Tensor ParallelismとPipeline Parallelism
投機的デコード
動的バッチング
監視と課金
障害時の再配置
セキュリティとモデル保護
推論特化ASICであっても、モデル内部の演算は固定ではありません。RoPE、GQA、MLA、FlashAttention、各種MoE、量子化方式などが変化します。
さらに、NVIDIAはPrefill／Decode分離を制御するソフトウェアとして「Dynamo」を用意し、オープンソースで公開しています。Etchedは、ハードウェアだけでなく、この層でも独自解を用意しなければなりません。
Etchedが回路を硬直的に固定しすぎれば、新モデルへの対応が遅れます。逆にプログラマビリティを増やしすぎれば、専用ASICの効率優位が小さくなります。
この「効率と柔軟性の境界」をどこに置くかが、Etchedの設計上の核心です。
Etched自身もこの壁を認識しています。2026年8月18日の公式ブログは、ギガワット規模へ向かう過程で直面する課題として、新工場、グローバルな供給網、フリート管理ソフトウェア、そして「self-improving kernel agents（自己改善するカーネルエージェント）」を挙げました。
最後の項目は注目に値します。専用ハードウェアの性能を引き出すには、モデルごとに最適化されたカーネルが必要です。NVIDIAは十数年かけて人手でCUDAカーネルを積み上げました。Etchedにその時間はありません。だからカーネル最適化そのものをAIに任せる、という発想です。
うまくいけば、専用ASIC最大の弱点であるソフトウェア対応速度を一気に埋められます。うまくいかなければ、ハードウェアが速くても顧客が使えない状態が続きます。ここが今後最も注視すべき技術領域の一つです。
第31章 製造、歩留まり、冷却、保守という量産の壁
半導体業界には、優れた試作品を作りながら事業化に失敗した企業が数多くあります。
量産では、チップ単体の性能以外に次の問題が発生します。
ウェハー歩留まり
HBM供給
先端パッケージ能力
基板の信号品質
高電流電源
液冷設備
コネクターと配管の信頼性
ラック組立
出荷検査
顧客施設での設置
故障部品の交換
ファームウェア更新
24時間運転の障害対応
EtchedのLVIは電力効率を改善する可能性がありますが、低電圧動作には製造ばらつきや電源ノイズへの慎重な対応が必要です。CSMは低遅延化の可能性を持つ一方、独自インターコネクトが増えるほど検証と保守は難しくなります。
NVIDIAはTSMC、SK hynix、Micron、Samsung、基板企業、サーバーメーカー、クラウド事業者と巨大な供給網を構築しています。Etchedが数ラックから数千ラックへ拡大するには、同じ種類の問題を短期間で解かなければなりません。
Etchedが台湾拠点、社内データセンター、NPIラボ、10MW施設へ投資する理由はここにあります。設計会社のままでは、量産時の問題を制御できないからです。
ただし、2026年に限って言えば、この一覧の中で決定的に重いのは最初の三つ、すなわちHBM供給、先端パッケージ能力、そして製造枠です。次章で詳述します。
第32章 HBMと先端パッケージ――2026年の本当のボトルネック
前章では量産の一般的な壁を挙げました。しかし2026年に関して言えば、Etchedを含むすべてのAI半導体企業の前に立ちはだかっている壁は、二つに絞られます。HBMと先端パッケージです。
この二つは、記事の他の論点とは性質が違います。技術力でも資金力でもなく、枠を確保できたかどうかという、極めて即物的な問題だからです。
【HBMは2026年分が完売している】
SK hynix、Samsung、Micronの3社が、事実上すべてのHBMを供給しています。3社とも2026年分の生産枠が完売したと表明しました。
SK hynixは2025年10月の段階で、DRAM、NAND、HBMのすべてについて2026年分を売り切ったと述べています。Samsungのメモリー責任者は2026年4月30日の決算発表で、深刻な不足が少なくとも2027年まで続くと警告しました。SK hynixのCEOに至っては、逼迫が2030年まで続く可能性に言及したと報じられています。
業界トラッカーの推計では、2027年末時点でも需要に対する不足幅は4割程度残ります。
なぜここまで逼迫するのか。理由は構造的です。HBMは複数のDRAMダイを積層するため、同じ容量を作るのに標準DRAMの3倍前後のウェハー面積を消費します。増産すればするほど、一般向けDRAMの供給が減る。しかも新規capacity の立ち上げには12〜18カ月かかります。
価格も上がっています。HBM3Eは1スタック300ドル前後、次世代のHBM4は550ドル前後と推計されています。そしてHBMスタックは、AIアクセラレーターの製造原価の4割から5割5分を占めるとされます。演算チップより、隣に載せるメモリーのほうが高いのです。
【枠を買える者と買えない者】
2026年7月下旬、二つの巨大な供給契約が発表されました。NVIDIAとSKグループが5000億ドル超の戦略的取り組みでHBM4の長期供給を固め、その数日後にSamsungとBroadcomが2000億ドル規模の協業を結びました。関連するHBMのコミットメントは合計で9500億ドルを超えると集計されています。
ここに、Etchedのような企業の構造的な不利があります。
ハイパースケーラーは、前払いで枠を押さえ、その枠を自社のTPUやTrainiumへ回します。NVIDIAは5000億ドル規模の契約を結べます。一方、数十億ドル規模のスタートアップは、NVIDIA、Samsung、Broadcomが確保した後に残る分を取り合うことになります。待ち行列は長くなり、スポット価格は上がります。
【先端パッケージはさらに厳しい】
HBMを載せるには、CoWoSに代表される先端パッケージが必須です。3nmのウェハーを完璧に作っても、この工程を通らなければAIアクセラレーターにはなりません。
TSMCのC.C. Wei CEOは2026年6月4日の株主総会で、CoWoSの生産能力は極めて逼迫しており2026年分は完売していると述べました。バックエンド工場のリードタイムは52週から78週、予約は2027年まで伸びています。
数字で見ると事態はより明確です。TSMCのCoWoS能力は2023年末に月産1万3000枚、2024年末に3万5000枚、2025年末に7万5000枚、2026年末の目標が12万〜13万枚。2年足らずで4倍近い拡張です。それでも足りません。2026年の需要は約100万枚と推計され、2024年の約37万枚から急増しています。
そして配分が極端です。NVIDIA単独で約6割、59万5000枚前後を押さえたとされ、しかも2026〜2027年の拡張分の半分以上を予約したと報じられています。上位3社で85%超。残る15%未満を、二線級のAIチップメーカー、ASIC専業企業、スタートアップが奪い合う構図です。
先端パッケージの平均販売価格は、ロジックウェハーの2〜4倍の速度で上昇しています。
【Googleでさえ削られた】
この制約の深刻さを示す事例があります。報道によれば、Googleは2026年のTPU生産目標を約400万個から約300万個へ、およそ25%引き下げました。理由はCoWoSの確保難です。
世界最大級のテクノロジー企業であり、自社で長年ASICを設計してきたGoogleが、パッケージ工程の枠を取れずに生産計画を削った。この事実は、Etchedのような新規参入企業が直面する現実を端的に示しています。
【この視点で見直すと、Etchedの投資家構成の意味が変わる】
ここまでの前提を置くと、本稿の第23章で「供給網の層」として整理した投資家二社の位置づけが、まったく違って見えてきます。
SK hynixは、世界最大のHBM供給企業です。そのSK hynixが2026年7月のシリーズCへ出資しました。HBMが完売し、ハイパースケーラーが前払いで枠を奪い合う市場において、最大手メモリー企業との資本関係は、単なる資金ではなく割り当ての保険として機能し得ます。
VentureTech Allianceは、TSMCとの関係が深い投資会社です。Etchedは2026年6月30日の公式ブログで、同社からの戦略的投資について「世界最先端の半導体メーカーとのパートナーシップを深められることを喜んでいる」と述べました。CoWoSの85%超が上位3社に押さえられている状況を知ってこの一文を読むと、意味が変わります。
つまりEtchedの投資家構成は、資金調達の話であると同時に、2026年に最も希少な二つの資源への優先アクセスを買う取引でもあった可能性があります。
【CSMという設計判断の、もう一つの読み方】
第11章で見たCluster Scale Memoryは、HBMとSRAMのハイブリッドです。技術的には低遅延Decodeのための選択でした。
しかし供給網の観点から見ると、別の意味も浮かびます。HBMがAIアクセラレーター原価の4割から5割5分を占め、しかも入手困難である以上、HBMへの依存度を下げる設計は、そのままコスト優位と供給リスク低減になります。
Etchedがこの効果を意図していたかは公開情報からは判断できません。ただし、SRAM単独構成を採るCerebrasやOlixが「HBMを使わない」ことを明確な売りにしていることを考えれば、業界全体がこの制約を強く意識していることは確かです。
【逆に、これがEtchedの最大の失速リスクでもある】
ここまでは有利な読み方です。不利な読み方も併記しておきます。
Etchedは10億ドル超の顧客契約を確保したと発表しました。しかしこれを売上へ変えるには、HBMとCoWoSの枠を、必要な量だけ、必要な時期に押さえ続けなければなりません。
契約があっても納品できなければ売上にはなりません。そして2026年から2027年にかけて、その枠は世界で最も入手困難な資源の一つです。SK hynixとVentureTech Allianceの支援があっても、NVIDIAが5000億ドルを積む市場で、19億ドルを調達した企業がどれだけの優先度を得られるかは未知数です。
Etchedがミルピタスに10MWのラボを構え、台湾に自社工場を持ち、数十人のエンジニアを数カ月にわたって海外に住まわせてサプライチェーン企業と共同設計にあたった理由は、ここにあります。
半導体の設計だけなら、サンノゼのオフィスで完結します。枠を取るには、現地にいなければならないのです。
第33章 アーキテクチャ依存という賭けは危険なのか
Etchedの構造的リスクは、しばしば「Transformerへの依存」として語られます。第17章で見た通り、この理解は2026年時点では正確ではありません。それでも、リスクが消えたわけではありません。
AI研究では、State Space Model、Mamba、再帰型アーキテクチャ、ニューラルオペレーター、世界モデル、拡散モデルなど、多様な構造が研究されています。将来、Attention中心のTransformerが置き換えられる可能性はあります。
Etchedが最新システムで大規模MoEと非Transformer設計を動かしていると公式発表したことは、この方向のリスクを一定程度緩和します。ただし、個別モデルの対応一覧と性能は公開されていません。
しかし、より現実的なリスクは別のところにあります。
第一に、「どこまで固定したか」が不明である点です。Etchedがどの演算を回路へ焼き付け、どの部分をプログラム可能にしたのかは公開されていません。柔軟性を確保するほど、専用設計の効率優位は縮みます。効率と柔軟性の境界をどこへ置いたかが、この会社の本当の設計思想ですが、そこは非公開です。
第二に、NVIDIA側の最適化速度です。NVIDIAはRubin GPU、Groq 3 LPX、BlueField-4 STXを組み合わせ、低遅延DecodeとKVキャッシュ処理を補強しました。Etchedのコスト優位が縮小する速度は、Transformerが消える速度よりはるかに速い可能性があります。
第三に、モデルの変更速度がASIC開発周期を上回ることです。新しい量子化方式、新しいAttention変形、新しいMoEルーティングが登場するたびに長い最適化が必要なら、専用ASICの速度優位は運用負担で相殺されます。
さらに、半導体の事業判断では「永遠に主流か」ではなく、「投資回収期間中に十分な需要があるか」が重要です。推論市場が今後数年間巨大であれば、将来別の構造へ移っても、Etchedは次世代チップを設計する資金と顧客基盤を得られます。
第34章 公開情報で分かっていないこと
2026年8月時点で、Etchedは製品の核心的な詳細をまだ公開していません。
主な未公開・未確認項目は次の通りです。
最新チップの正式名称（Etchedの2026年公式資料に「Sohu」の名称は使われていない）
2024年版Sohuとの設計上の連続性
Prefillチップとメモリーサブシステムの物理的な分離構成
トランジスタ数
ダイ面積
パッケージ構成
チップ当たりのHBM容量と世代
HBM帯域
共有SRAMプールの総容量
対応データ型とFP8、FP4、INT8などの実効性能
チップ当たりTDP
ラック当たり総消費電力
CSMの接続帯域、および700ナノ秒という数字の測定条件
スケールアップ可能な最大チップ数
製品価格
顧客契約の確定条件、キャンセル条項、前払金の有無
量産歩留まり
MLPerf結果
Blackwell／Rubinとの同条件比較
Jane Streetの導入規模（ラック数、稼働モデル、容量）
Jane Street以外の顧客名
共同設計に関わったとされるAI企業・クラウド事業者・ハイパースケーラーの社名
2026年夏に予告された性能・ロードマップの詳細（本稿執筆時点で未公表）
確保しているHBMの世代・数量・供給元、および先端パッケージの割り当て枠
1ラック当たりのHBM搭載量とSRAM搭載量の比率
このため、2024年に報じられた「144GB HBM3E」「8チップで毎秒50万トークン」を、2026年にJane Streetへ出荷したラックの確定仕様として書くべきではありません。
一方、2026年の公式情報として確認できるのは次の通りです。
TSMC N4PでのA0シリコン成功、LVIとCSMという二本柱、HBM／SRAMハイブリッド、独自の超低遅延インターコネクト、ラックスケール製品、Jane Streetへの初号出荷と本番稼働、10億ドル超の顧客契約、大規模MoEと非Transformer設計への対応、兆パラメータ級疎MoEでピークFLOPSの80％以上という主張、社員400人超（NVIDIA、Google TPU、Broadcom、SK hynix、TSMC、クオンツ企業出身）、台湾工場・サンノゼ2MWデータセンター・ミルピタス10MWラボ、累計調達19億ドル、評価額210億ドル。
なお、Etchedは2026年6月30日の公式ブログで、性能とロードマップの詳細を「この夏」に追加公表すると予告していました。本稿執筆時点（2026年8月23日）で、その詳細版は公表されていません。これが最も近い将来の検証機会になります。
未公開部分が多いことは、競争上当然でもあります。しかし、210億ドルの企業価値を客観的に評価するには、今後のデータシート、第三者ベンチマーク、複数顧客での稼働実績が必要です。
第35章 企業価値3兆円は正当化できるのか
210億ドルという企業価値は、現在の半導体売上や利益だけでは正当化できません。市場はEtchedが将来獲得する推論市場を織り込んでいます。
比較対象を一つ置くと分かりやすくなります。2026年5月にナスダックへ上場したCerebrasは、2025年通期で5億1000万ドルの売上を計上したと報じられています。Etchedは、これに相当する売上実績を一切公表していません。
もう一つの参考材料は、NVIDIAとGroqの取引を約200億ドル規模としたCNBC報道です。ただし、当事者が金額を公表していないライセンス取引と、Etchedの株式価値210億ドルは性質が異なるため、単純比較はできません。
では、どれだけの売上を上げれば210億ドルが説明できるのでしょうか。ここで市場規模を具体的に置いてみます。
報道で引用されている市場調査では、推論チップ市場は2026年時点で約205億ドル、2030年に約370億ドルとされます。またNVIDIAはデータセンターAIアクセラレーター売上の8割から8割5分を占めるとされます。
この数字をそのまま使うと、Etchedの評価額はかなり厳しく見えます。2030年の市場370億ドルの5％を取っても年間18億ドル程度で、210億ドルの評価額に対して売上倍率は10倍を超えます。
ただし、この「推論チップ市場」という定義には注意が必要です。GPUを含む広義のAIアクセラレーター支出は、これよりはるかに大きい規模で語られています。EtchedはGPU予算そのものを取りにいく企業であり、狭義の「非GPU推論チップ市場」に収まる存在ではありません。
つまり、210億ドルという価格が前提としているのは、狭義の推論チップ市場の一部を取ることではなく、現在GPUへ流れている推論支出の一部をラックごと奪うことです。もしAIインフラ支出全体が数千億ドル規模へ膨らみ、その推論部分の数％をEtchedが押さえるなら、年間売上は数十億ドル規模に届きます。その場合、210億ドルは高いが不合理ではない水準になります。
評価すべきは市場規模の予測そのものではなく、「どちらの市場定義で戦う会社か」という点です。狭義の推論チップ市場で戦うなら、210億ドルは説明が困難です。GPUラックの置き換えで戦うなら、説明の余地は残ります。
しかし、10億ドル超の顧客契約は、10億ドルの売上計上済みという意味ではありません。契約期間、納入条件、性能条件、キャンセル条項、前払金の有無は公開されていません。
また、半導体は売上増加に運転資金が必要です。TSMCへの製造支払い、HBM、基板、冷却、在庫、顧客サポートへ先に資金を投入します。売上が増えても、量産初期には大きな現金流出が続く可能性があります。
企業価値が26日で倍増したことは、技術進展だけでなく、AIインフラへの投資熱、NVIDIA代替の希少性、Jane Streetの信用力が影響したと考えられます。Groqがハードウェア技術をNVIDIAへライセンスしてクラウド事業へ軸足を移したことで、独立したラック供給企業としてのEtchedの希少性が高まった可能性もあります。
したがって、現在の評価額は「完成した事業の価値」ではなく、「推論市場の重要なプラットフォームになれる確率に対する価格」です。
第36章 Etchedが成功する三つのシナリオ
シナリオ1 大手AI企業の推論専用基盤になる
AIモデル企業が、学習にはNVIDIAを使い、量産推論にはEtchedを使う構成です。モデルが安定し、膨大なトークンを生成する段階では、専用ASICの経済性が生きます。
Etchedが複数の主要AI企業とクラウドへ採用されれば、NVIDIAを全面的に置き換えなくても巨大企業になれます。
シナリオ2 リアルタイムAIエージェント市場を支配する
音声AI、コード生成、金融、検索、業務エージェントでは、トークン速度とレイテンシーが製品体験を決めます。LVIとCSMが高スループット・低遅延を同時に実現すれば、Etchedは「高速推論」の標準プラットフォームになり得ます。
シナリオ3 NVIDIA以外の推論ラック標準になる
独自ASICを開発できないクラウド、通信会社、国家AI基盤、データセンター事業者がEtchedを採用するシナリオです。供給元の多様化と電力効率を求める顧客にとって、完成したラックとして購入できることは強みになります。
第37章 Etchedが失速する三つのシナリオ
シナリオ1 実性能が公称値へ届かない
実際のモデル、低バッチ、長文脈、障害を含む本番環境では、シミュレーションほど性能が出ない可能性があります。最新NVIDIA製品との比較で優位が小さければ、移行コストを正当化できません。
シナリオ2 量産が需要に追いつかない
10億ドルの契約があっても、HBM、パッケージ、基板、液冷、歩留まりの問題で納入できなければ売上になりません。顧客が待てずNVIDIAや別のASICを採用すれば、機会を失います。
第32章で見た通り、これは抽象的な懸念ではありません。HBMは2026年分が完売し、TSMCのCoWoSは上位3社が85%超を押さえ、リードタイムは52〜78週です。自社でASICを長年設計してきたGoogleでさえ、2026年のTPU生産目標を約400万個から約300万個へ引き下げたと報じられています。Etchedが同じ制約を免れる保証はありません。
シナリオ3 ソフトウェアとモデル変化に負ける
新しいモデルの演算を迅速にサポートできず、顧客がモデルを変更するたびに長い最適化が必要になれば、専用ASICの速度優位は運用負担で相殺されます。
第38章 日本企業にとっての示唆
Etchedの動きは、日本の半導体・データセンター・AI企業にも重要な示唆を持ちます。抽象論ではなく、日本側の具体的な現在地と重ねて見ていきます。
【日本の推論バリューチェーンはどこが弱いのか】
日経クロステックがアーサー・ディ・リトル・ジャパンの分析として2026年7月に示した整理は明快です。データセンターの領域では、ソフトバンク、NTT、KDDIなどの通信事業者が既存資産の活用と積極投資により一定の競争力を持ちます。アプリケーション領域でも、富士通、NEC、日立製作所、マネーフォワード、PKSHA TechnologyなどがAIエージェントを提供し始めています。
弱いのは、ファブレスのAI半導体と、AIサーバーのラックです。この二つは、まさにEtchedが押さえた領域と一致します。
【第一に、専用設計という選択肢は日本にもある】
AI半導体の競争軸はピークFLOPSから、tokens／ワット、tokens／ドル、レイテンシーへ移りました。日本企業がNVIDIAと同じ汎用GPUを作る必要はありません。
実際、Etchedと驚くほど似た設計思想を持つ企業が日本にあります。Preferred Networks（PFN）です。
PFNは2016年から神戸大学とAI専用プロセッサー「MN-Core」シリーズを開発してきました。その中核思想は、従来のAIチップではハードウェア側に組み込まれていたキャッシュ・コントローラーや制御回路をソフトウェア側へ移し、ハードウェアは演算とデータ保存に絞る、というものです。制御回路が消えた分の面積に演算器とメモリーを詰め込み、同時に消費電力を下げます。
これは、Etchedが「汎用GPUは推論に対して多機能すぎる」として不要な回路を削った発想と、ほぼ同じです。
PFNは生成AI推論に特化した「MN-Core L」シリーズを開発中で、既存プロセッサー比で最大10倍の高速化を目標に掲げています。2026年6月1日には、トヨタ自動車の未来創生センターとフィジカルAIの推論高速化で共同研究を開始したと発表しました。従来品「MN-Core 2」比で50倍以上のメモリー帯域幅を目標とし、省電力版「MN-Core L1100」と高性能版「MN-Core L1400」を2027年に投入する計画です。
富士通の「FUJITSU-MONAKA」も別の角度から推論を狙います。2nmプロセス、1ソケット144コア、チップレットの縦方向積層を採り、Arm SVE2の実装によりCPU単体で30〜70Bクラスの中規模LLMを実用的な性能で動かせるとしています。2027年量産予定で、2029年には1.4nmのMONAKA-Xへ進み、富岳NEXTへの搭載も決まっています。NVIDIAのNVLink Fusionの提携先にも選ばれました。
ファブレス勢はこの二社だけではありません。日経クロステックは奈良県生駒市のLENZOなども挙げています。プレーヤーは存在するのです。問題は規模と、次に述べる統合力です。
【第二に、チップ単体では勝てない】
Etchedが証明したのは、チップだけでは製品にならないということです。メモリー、基板、電源、冷却、ネットワーク、コンパイラ、データセンター運用を同時に設計しなければ、実効性能は出ません。
日本には、半導体材料、製造装置、基板、電源、コンデンサー、ポンプ、熱交換器、精密加工、品質管理で強い企業があります。imec主催のITF World 2026では、村田製作所がAIインフラ向け電力供給の新手法として、MLCC、シリコンコンデンサー、集積電圧制御モジュール、コンデンサー・インダクター内蔵基板を組み合わせた次世代パッケージング・チップレット向けソリューションを提案しました。
Etchedが公式ブログで挙げたLVIの構成要素には、電力供給ネットワークとVRMアーキテクチャが含まれています。ここは日本企業が直接参加できる領域です。
ラック生産についても動きがあります。ソフトバンクは鴻海精密工業やNVIDIAと協議し、国内でのAIサーバー・ラック生産体制の構築を検討していると報じられています。
【第三に、メモリーと接続が戦略領域になる】
モデルが巨大化するほど、演算器よりメモリー容量、帯域、実装、通信が重要になります。EtchedのCSM、NVIDIAのGroq 3 LPX、CerebrasのウェハースケールSRAM、Olixの光インターコネクト。2026年の競争は、演算ではなくメモリーと接続の競争でした。
日本のメモリー再興や先端パッケージ政策も、単にDRAMを製造するだけでなく、推論システム全体の設計と結びつける必要があります。SK hynixがEtchedへ出資したのは、HBMを売るためだけではなく、次世代推論システムの設計思想を早期に把握するためでもあるはずです。
【第四に、若い創業者とベテラン製造人材の組み合わせ】
Etchedは20代の創業者だけで半導体を作ったのではありません。大胆な仮説を持つ創業者の周囲に、NVIDIA、Cypress、TSMC、Broadcom、SK hynix、そしてクオンツ企業の経験者を集めました。NVIDIAに23年在籍したBrian Loilerが、さらに約12人のエンジニアを引き連れてきた構図が象徴的です。
日本でディープテック企業を育てる場合も、大学発技術だけでなく、量産、品質、顧客導入を経験した大企業人材が新興企業へ移れる仕組みが必要です。日本の半導体・電機大手には、この経験を持つ人材が世界でも有数の厚みで存在します。動いていないだけです。
【第五に、顧客を投資家・共同開発者にする】
Jane Streetは最初の顧客であると同時に資金調達を主導しました。Etchedは公式ブログで、設計判断を主要AI企業、クラウド事業者、ハイパースケーラーと共同で下してきたとも述べています。
日本の半導体新興企業も、試作品完成後に顧客を探すのではなく、設計段階から実需要を持つ企業と共同開発する方が成功確率を高められます。PFNとトヨタの共同研究は、まさにこの形です。
【第六に、時間軸の問題】
最後に、最も厳しい論点を挙げます。時間です。
Etchedは2023年3月のシードから約3年で初号ラックを顧客へ納入しました。テストシリコン受領から44日で推論ワークロードを走らせました。PFNのMN-Core Lシリーズの投入は2027年、富士通のMONAKA量産も2027年です。
技術思想の正しさで日本勢が劣っているわけではありません。PFNの設計哲学はEtchedと同型であり、しかも10年早く着手しています。差がついているのは、資金の規模と、意思決定から量産までの速度です。
Etchedは19億ドル、日本円で約3040億円を調達しました。この一点だけでも、日本のAI半導体政策が「いくら出すか」だけでなく「どれだけ速く出すか」を問われていることが分かります。
第39章 結論――NVIDIAを倒す会社ではなく、推論市場を分割する会社
Etchedは、まだNVIDIAを倒したわけではありません。
公開データシートは限定的で、2024年のSohu公称性能には第三者検証が不足しています。2026年の最新ラックについても、消費電力、価格、HBM容量、接続帯域、MLPerf、Blackwell／Rubinとの同条件比較は公開されていません。売上実績も未公表です。
Jane Streetへの最初のラック出荷は重要ですが、世界規模の量産実績とは異なります。10億ドル超の契約も、実際の納入と売上へ変換できるかを見なければなりません。
それでも、Etchedを単なる期待先行企業として片付けることはできません。
TSMC N4PのA0シリコンが初回で動作し、チップから液冷ラックまでを構築し、Jane Streetが実機を試験して自社データセンターで稼働させ、その後の資金調達を主導しました。400人超の組織にはNVIDIA、Google TPU、Broadcom、SK hynix、クオンツ企業の人材が集まり、サンノゼの2MWデータセンター、ミルピタスの10MWラボ、台湾の自社工場を整備しています。
Etchedの本当の挑戦は、「GPUより速い半導体を作ること」ではありません。
それは、生成AI推論に必要な計算機を、トランジスタ、電圧、メモリー、通信、冷却、ラック、コンパイラ、製造の全層で作り直すことです。
NVIDIAの最大の強みは、GPU単体の性能ではなく、CUDAからデータセンターまでを統合した巨大な生態系です。Etchedもまた、専用ASICだけでは勝てないと理解し、ラックスケールの垂直統合へ進みました。
今後見るべき指標は明確です。
複数顧客への出荷台数
契約から売上への転換
最新NVIDIA製品との同条件比較
tokens／ドルとtokens／ワット
長文脈・MoEでの低レイテンシー
ソフトウェアの対応速度
TSMC、HBM、先端パッケージの量産能力
ラックの稼働率と故障率
Etchedが成功する場合、それはNVIDIAが消える未来ではありません。
学習と汎用計算をNVIDIAが支え、大量推論の一部をEtched、Cerebras、d-Matrix、Google、AWSなどの専用基盤が担う。AI計算市場が用途別に分割される未来です。
ただし2026年に起きたのは、市場が企業別に分割されることではなく、推論という工程が段階別に分解され、その各段階を誰が押さえるかという競争が始まったことでした。NVIDIAはGroqでDecodeを、AWSはCerebrasでDecodeを押さえました。Etchedは、その分業をまるごと一社で引き受けようとしています。
ただし、その分割線をNVIDIA自身が引き直しにきていることは忘れるべきではありません。Rubin GPU、Groq 3 LPX、BlueField-4 STXを組み合わせる構成は、まさに推論を役割別ハードウェアへ分担させる試みだからです。
企業価値3兆円は、その未来が実現する可能性に付けられた価格です。
Etchedは、「NVIDIAの次」をすでに完成させた会社ではありません。しかし、AI半導体の次の主戦場が学習用GPUの枚数ではなく、推論1トークンを生み出す時間、費用、電力になることを、最も大胆に体現している企業の一つです。
第40章 主要参考リンク
ハッシュタグ
#Etched
#エッチト
#Sohu
#AI半導体
#生成AI
#AI推論
#推論チップ
#ASIC
#NVIDIA
#エヌビディア
#JaneStreet
#TSMC
#SKhynix
#HBM
#SRAM
#Transformer
#Mamba
#MoE
#LLM
#データセンター
#AIインフラ
#半導体
#Cerebras
#Groq
#dMatrix
#VeraRubin
#Groq3LPX
#RubinCPX
#AWS
#Trainium
#LowVoltageInference
#ClusterScaleMemory
#FrontierInferenceClusters
#分離型推論
#CoWoS
#HBM4
#先端パッケージ
