Havedev
Valuasi Etched Naik Cepat, tetapi AI Chip Tetap Dinilai dari Eksekusi
The Core Update
Etched, startup AI chip yang baru beberapa bulan lalu menggalang dana $700 juta dengan valuasi $21 miliar, dikabarkan sudah menerima tawaran pendanaan baru dengan valuasi jauh lebih tinggi.
Menurut laporan TechCrunch, tawaran yang masuk berada di kisaran $40 miliar dari investor papan atas hingga sekitar $50 miliar dari investor yang lebih kecil namanya. Pembicaraan ini masih tahap awal, sehingga angka dan syarat final bisa berubah.
Sekilas, kenaikan valuasi ini terlihat sangat cepat. Etched baru mengumumkan ronde $300 juta dengan valuasi $10,3 miliar pada Juli, lalu ronde $700 juta dengan valuasi $21 miliar pada September. Sekarang, perusahaan tersebut sudah dilirik dengan valuasi dua kali lipat atau lebih.
Alasannya jelas: Etched bermain di salah satu area paling mahal dan paling strategis dalam industri AI, yaitu hardware untuk inference.
Inference adalah proses komputasi setelah pengguna mengirim prompt. Di titik ini, model AI benar-benar dipakai untuk menjawab, menganalisis, menulis, membaca, atau mengambil keputusan. Karena penggunaan AI terus naik, biaya inference menjadi salah satu bottleneck besar.
Etched mengklaim chip buatannya bisa memproses lebih banyak token dengan lebih cepat dan biaya lebih rendah dibandingkan Nvidia. Klaim seperti ini penting karena pasar AI saat ini sangat bergantung pada GPU Nvidia, sementara banyak perusahaan besar ingin alternatif yang lebih murah, lebih cepat, atau lebih spesifik untuk kebutuhan mereka.
Etched juga sudah memiliki beberapa sinyal yang membuat investor tertarik. Jane Street memimpin ronde $700 juta sebelumnya dan juga menjadi pelanggan awal. Perusahaan ini disebut sudah menerima sistem awal dari Etched. Pada Juli, Etched mengatakan sudah mengamankan pesanan pelanggan senilai $1 miliar setelah memproduksi test chip di fasilitas TSMC.
Selain itu, Etched disebut berhasil menarik talenta dari Nvidia. Sekitar 15% dari 400 karyawannya pernah bekerja di raksasa chip tersebut. Perusahaan ini juga mengoperasikan data center 10 megawatt di Silicon Valley dan memiliki fasilitas di Taiwan untuk koordinasi produksi dekat TSMC.
Dari luar, cerita ini tampak seperti pola startup AI paling panas saat ini: teknologi mahal, pasar besar, founder muda, investor besar, pelanggan awal kuat, dan valuasi yang naik sangat cepat.
Namun justru karena itu, pertanyaan yang lebih sehat bukan hanya seberapa tinggi valuasinya, tetapi seberapa jauh bisnisnya sudah bisa membuktikan eksekusi.
The Reality Check
Ada perbedaan besar antara investor tertarik dan produk benar-benar siap menjadi infrastruktur utama.
Di software, startup bisa bergerak sangat cepat. Produk bisa dirilis, diuji, diperbaiki, dan dijual ulang dalam siklus pendek. Kesalahan masih bisa diperbaiki lewat update. Biaya distribusi rendah. Eksperimen bisa dilakukan berkali-kali.
Di chip, ritmenya berbeda.
Desain harus benar. Produksi harus jalan. Supply chain harus aman. Yield harus masuk akal. Performa harus sesuai klaim. Konsumsi daya harus terkendali. Sistem harus bisa dipakai pelanggan besar dalam skala serius. Setelah itu, perusahaan masih harus membuktikan reliability, support, integrasi, dan kemampuan memenuhi order.
Valuasi bisa naik dalam hitungan bulan. Hardware tidak selalu bisa mengikuti kecepatan yang sama.
Ini bukan berarti Etched tidak menarik. Justru sebaliknya. Kalau klaim performanya benar dan pelanggan besar melihat manfaat nyata, Etched bisa menjadi salah satu perusahaan paling penting dalam infrastruktur AI.
Tetapi pasar AI chip tidak dimenangkan hanya dengan narasi “lebih cepat dari Nvidia”. Nvidia kuat bukan hanya karena chip. Nvidia kuat karena ekosistem: software, tooling, developer adoption, supply chain, hubungan pelanggan, kapasitas produksi, dan kepercayaan pasar.
Menantang Nvidia berarti menantang satu sistem yang sudah matang, bukan hanya satu produk.
Di sinilah valuasi besar perlu dibaca dengan hati-hati. Investor mungkin tidak hanya membeli kondisi hari ini. Mereka membeli opsi masa depan: kemungkinan bahwa sebagian beban inference AI berpindah dari GPU umum ke chip khusus yang lebih efisien.
Kalau tesis itu benar, pasar Etched bisa sangat besar.
Kalau tidak, valuasi tinggi bisa menjadi beban. Perusahaan harus mengejar ekspektasi yang sudah bergerak terlalu jauh di depan bukti operasional.
Untuk bisnis umum, pelajaran dari berita ini bukan tentang ikut membangun chip AI. Pelajarannya lebih dekat dengan cara membaca teknologi yang sedang hype.
Setiap teknologi baru biasanya datang dengan tiga lapisan cerita.
Pertama, cerita pasar: kebutuhan AI naik, biaya komputasi mahal, pelanggan mencari alternatif.
Kedua, cerita produk: chip lebih cepat, lebih murah, lebih cocok untuk inference.
Ketiga, cerita eksekusi: produksi stabil, pelanggan puas, sistem berjalan, biaya benar-benar turun, dan roadmap bisa dipenuhi.
Masalahnya, percakapan publik sering berhenti di dua lapisan pertama. Padahal nilai bisnis biasanya baru terbukti di lapisan ketiga.
Hal yang sama sering terjadi di perusahaan yang ingin memakai AI.
Banyak tim tertarik pada tool AI karena narasinya kuat: lebih cepat, lebih murah, lebih otomatis. Tetapi setelah dicoba, nilai sebenarnya tergantung pada hal yang lebih membumi: data internal rapi atau tidak, proses kerja jelas atau tidak, siapa yang memakai hasilnya, bagaimana quality control dilakukan, dan apakah output AI benar-benar masuk ke alur kerja.
Teknologi besar tetap perlu proses kecil yang jelas.
The Havedev Way
Dari sudut pandang Havedev, berita Etched menarik bukan hanya karena angkanya besar, tetapi karena ia menunjukkan satu hal penting: AI semakin bergerak dari demo menuju infrastruktur.
Ketika perusahaan mulai berebut chip inference, data center, dan supply chain, itu berarti pasar tidak lagi hanya bertanya “AI bisa apa?” tetapi juga “AI bisa dijalankan dengan biaya berapa, kecepatan berapa, dan skala berapa?”
Pertanyaan yang sama perlu dibawa ke level bisnis yang lebih praktis.
Banyak perusahaan tidak perlu memikirkan chip sendiri. Tetapi mereka perlu memikirkan biaya, kecepatan, dan keandalan sistem AI yang mereka pakai.
Jika AI dipakai untuk customer support, apakah jawabannya konsisten? Jika AI dipakai untuk sales follow-up, apakah datanya cukup jelas? Jika AI dipakai untuk membuat laporan, apakah sumber datanya valid? Jika AI dipakai untuk automation internal, apakah prosesnya sudah disepakati?
Tanpa pertanyaan seperti ini, AI mudah berubah menjadi eksperimen yang terlihat modern tetapi sulit diukur nilainya.
Pendekatan yang lebih sehat adalah mulai dari masalah operasional yang jelas.
Misalnya:
- tim terlalu lama membalas lead
- data pelanggan tersebar di banyak tempat
- support sering menunggu orang yang salah
- laporan masih dibuat manual setiap minggu
- follow-up sales mudah terlewat
- owner sulit melihat pekerjaan yang macet
Setelah masalahnya jelas, baru teknologi dipilih. Kadang cukup dengan form yang lebih rapi. Kadang cukup dengan spreadsheet yang lebih disiplin. Kadang perlu dashboard. Kadang perlu automation. Kadang baru masuk akal memakai AI.
AI yang baik tidak harus selalu terlihat canggih. AI yang baik harus mengurangi pekerjaan manual, mempercepat keputusan, atau meningkatkan kualitas layanan dengan risiko yang bisa dikendalikan.
Berita Etched juga mengingatkan bahwa infrastruktur selalu punya biaya. Di level startup chip, biayanya berupa pabrikasi, data center, talenta, dan supply chain. Di level bisnis biasa, biayanya bisa berupa migrasi data, perubahan proses, pelatihan tim, maintenance automation, dan pengawasan output AI.
Karena itu, pertanyaan sebelum memakai AI bukan hanya “tool apa yang paling baru?”
Pertanyaan yang lebih berguna adalah:
- proses mana yang paling mahal jika tetap manual?
- data apa yang sudah cukup rapi untuk dipakai AI?
- keputusan apa yang ingin dipercepat?
- risiko apa yang tidak boleh otomatis?
- siapa yang bertanggung jawab jika hasil AI salah?
- metrik apa yang membuktikan AI memang membantu?
Dengan cara ini, bisnis tidak terjebak pada hype. Teknologi tetap dipakai, tetapi tidak diperlakukan sebagai jawaban untuk semua hal.
Etched mungkin menjadi pemain besar dalam AI hardware. Mungkin juga masih harus melewati banyak pembuktian berat sebelum bisa benar-benar menantang Nvidia. Tetapi arah besarnya jelas: AI sedang masuk ke fase yang lebih serius, lebih mahal, dan lebih terukur.
Untuk bisnis, ini saat yang tepat untuk mengambil pelajaran sederhana.
Jangan mulai dari teknologi yang paling ramai dibicarakan. Mulai dari bottleneck yang paling jelas.
Jika bottleneck itu bisa diselesaikan dengan proses yang lebih rapi, mulai dari proses. Jika bisa diselesaikan dengan integrasi sederhana, mulai dari integrasi. Jika AI memang memberi leverage nyata, baru gunakan AI dengan batas, metrik, dan alur kerja yang jelas.
AI bukan sekadar soal model, chip, atau valuasi. Di bisnis sehari-hari, AI bernilai ketika ia masuk ke proses yang benar dan membuat pekerjaan penting bergerak lebih cepat.
Dapatkan Audit Teknis Gratis untuk meninjau proses, data, dan peluang automation AI yang paling masuk akal untuk bisnis Anda sebelum menambah tool baru.
Sumber referensi berita: TechCrunch