EnCharge levanta mais de $100 milhões para acelerar a IA utilizando chips analógicos.

EnCharge AI, uma startup de semicondutores que desenvolve chips de memória analógica para aplicações em IA, levantou mais de US$ 100 milhões em uma rodada Série B liderada por Tiger Global para impulsionar sua próxima fase de crescimento.

Esse financiamento é significativo em parte porque o interesse em IA está em um nível recorde, mas o alto custo de construir e operar serviços de IA continua sendo um sinal de alerta. A EnCharge, que foi desviada da Universidade de Princeton, acredita que seus chips de memória analógica — idealizados para serem embutidos em dispositivos como laptops, desktops, smartphones e wearables — não apenas acelerarão o processamento de IA, mas também ajudarão a reduzir os custos.

Com sede em Santa Clara, a EnCharge afirma que seus aceleradores de IA utilizam 20 vezes menos energia para executar cargas de trabalho em comparação com outros chips disponíveis no mercado, e espera ter os primeiros desses chips no mercado ainda este ano.

A arrecadação de fundos da EnCharge é notável porque ocorre em um momento em que o governo dos EUA identificou hardware e infraestrutura (incluindo chips) como duas áreas-chave onde deseja aumentar a inovação e os produtos domésticos. Se conseguir executar sua estratégia, a EnCharge pode se tornar uma parte fundamental dessa abordagem.

Esta Série B é um novo ciclo de financiamento, conforme a empresa confirmou. Vale mencionar que uma tranche de financiamento que reportamos em dezembro de 2023, não fazia parte dessa Série B. Já havia uma indicação dessa Série B em maio passado, quando o Bloomberg reportou que a EnCharge desejava arrecadar pelo menos US$ 70 milhões a mais para expandir seus negócios.

Em uma entrevista ao TechCrunch, o CEO e cofundador da EnCharge, Naveen Verma, não revelou a avaliação da empresa. Dados do PitchBook que indicam que a EnCharge arrecadou dinheiro em outubro com uma avaliação pós-financiamento de US$ 438 milhões estão incorretos, disse a empresa ao TechCrunch.

Verma também não divulgou quem são seus clientes, mas o financiamento está vindo de uma lista interessante e longa de investidores estratégicos e financeiros que indicam quem provavelmente está trabalhando com a startup.

Além da Tiger Global, outros participantes da rodada incluem Maverick Silicon, Capital TEN (de Taiwan), SIP Global Partners, Zero Infinity Partners, CTBC VC, Universidade de Vanderbilt e Morgan Creek Digital, além de investidores que retornam como RTX Ventures (o braço de capital de risco do contratante aeroespacial e de defesa), Anzu Partners, Scout Ventures, AlleyCorp, ACVC e S5V.

As corporações que investiram na rodada incluem Samsung Ventures e HH-CTBC — uma parceria entre o Grupo Hon Hai Technology (Foxconn) e CTBC VC. Anteriormente, a VentureTech Alliance também apoiou a EnCharge. Outros incluem In-Q-Tel (o investidor apoiado pelo governo associado à CIA) e Constellation Technology (um fabricante de energia limpa). A startup também recebeu subsídios de organizações dos EUA, como DARPA e o Departamento de Defesa.

Verma disse que a EnCharge está colaborando de perto com a TSMC. Ele já afirmou que a TSMC seria a empresa responsável pela fabricação de seus primeiros chips.

“A TSMC tem acompanhado minha pesquisa há muitos anos”, disse ele em uma entrevista, acrescentando que essa parceria remonta aos estágios iniciais da P&D da EnCharge. “Eles nos deram acesso a silícios muito avançados. Isso é uma coisa muito rara para eles fazerem.”

Foco Analógico

Com seu foco em analógico, a EnCharge está adotando uma abordagem diferente de seus concorrentes. Até agora, todos os olhares têm se voltado para os chips de processamento usados para treinamento e inferência de IA no lado dos servidores, o que resultou em uma grande onda de negócios para fabricantes de GPU como Nvidia e AMD.

A diferença na abordagem da EnCharge é destacada em um artigo recente sobre chips analógicos da equipe de pesquisa da IBM. Como explicam os pesquisadores da IBM, “não há separação entre computação e memória, tornando esses processadores excepcionalmente econômicos em comparação com designs tradicionais.”

A IBM, assim como a EnCharge, também conclui que, até agora, as propriedades físicas desses chips os tornam adequados para inferência, mas menos eficazes para treinamento. Os chips da EnCharge não são utilizados para aplicações de treinamento, mas sim para executar modelos de IA existentes “na borda”. No entanto, a startup (e outras, como a IBM) continuam a trabalhar em novos algoritmos que poderiam expandir os casos de uso.

A IBM e a EnCharge não são as únicas empresas trabalhando com abordagens analógicas. Mas, como Verma explica, um dos avanços da EnCharge foi no design de seus chips, tornando-os especificamente resilientes ao ruído.

“Se você tem 100 bilhões de transistores em um chip, todos podem ter ruído, e você precisa que todos funcionem, então deseja ter essa separação de sinal. Mas você também está deixando muita eficiência na mesa porque não está representando todos esses sinais entre tentativas analógicas de fazer isso,” explicou Verma. “O grande avanço que tivemos foi descobrir como tornar o analógico não sensível ao ruído.”

A empresa utiliza “um dispositivo muito preciso que você obtém de graça na cadeia de suprimentos padrão,” disse ele, explicando que esse dispositivo é um conjunto de fios metálicos dependentes da geometria que “você pode controlar muito, muito bem.”

A empresa, segundo Verma, é full-stack: também desenvolveu software para complementar seu hardware.

Ajuda na defesa da EnCharge que Verma e seus cofundadores, COO Echere Iroaga e CTO Kailash Gopalakrishnan (esquerda e direita acima, com Verma ao centro) — que anteriormente trabalharam na empresa de semicondutores Macom e na IBM, respectivamente — tragam muita experiência para a mesa. Mas resta saber se isso será suficiente para manter a EnCharge competitiva em um mercado extremamente lotado. Outras startups na corrida dos chips analógicos incluem Mythic e Sagence.

“Nós, da Anzu, analisamos provavelmente mais de 50 empresas nesse espaço — pelo menos 50 entre 2017 e 2021 e provavelmente mais de 50 desde então,” disse Jimmy Kan, um parceiro de investimento focado em semicondutores para a Anzu Partners, que anteriormente trabalhou em chips na Qualcomm.

“Uma em cada cinco dessas era algum tipo de nova arquitetura nova, como chips de computação analógica ou de rede neural de espinha. Nós realmente tivemos em mente encontrar uma tecnologia de computação em IA que fosse realmente diferenciada, em vez de incremental, ou algo que a Nvidia poderia desenvolver apenas no próximo trimestre ou no próximo ano,” acrescentou. “Então, estamos realmente empolgados em ver o progresso que a EnCharge fez.”

A ascensão da EnCharge contrasta com a forma como muitos startups de tecnologia profunda se desenvolveram nos últimos anos.

Um efeito colateral da explosão tecnológica dos últimos 25 anos foi o amplo financiamento de capital de risco pronto para apoiar startups que poderiam ser o próximo Google, Microsoft, Apple, Meta ou Amazon. Isso, por sua vez, resultou em um pool muito maior de startups no mercado.

Esse pool viu um número crescente de esforços em tecnologia profunda: fundadores inteligentes levantando dinheiro não para produtos finalizados, mas ideias interessantes que ainda não estão prontas para o mercado, mas poderiam ser uma grande novidade se fossem trazidas à vida. A computação quântica é uma categoria clássica de “tecnologia profunda”, por exemplo.

A EnCharge poderia facilmente ter sido uma dessas startups de tecnologia profunda, se tivesse surgido mais cedo da Princeton e trabalhado silenciosamente com capital de risco e outros financiamentos para, possivelmente, criar a próxima inovação em chips.

No entanto, a startup esperou anos para se aventurar sozinha. Foi em 2022, quase uma década depois que Verma e sua equipe começaram sua pesquisa em Princeton, que a empresa emergiu de forma discreta e começou a trabalhar para garantir parceiros comerciais enquanto continuava a desenvolver sua tecnologia.

“Existem certos tipos de inovações onde você pode pular para o financiamento de capital de risco muito cedo. Mas se o que você está fazendo é desenvolver uma nova tecnologia fundamental, há muitos aspectos que precisam ser compreendidos para mitigar riscos, muitos deles falham,” disse Verma. “O dia em que você recebe financiamento de capital de risco, sua agenda muda… Não se trata mais de entender a tecnologia. Você precisa se concentrar no cliente.”

O TechCrunch tem um newsletter focado em IA! Inscreva-se aqui para recebê-lo em sua caixa de entrada toda quarta-feira.