Η Cerebras εξασφαλίζει 1,1 δισεκατομμύρια δολάρια στη σειρά G με αξιολόγηση 8,1 δισεκατομμυρίων δολαρίων για την αναedefinition του αγώνα των chip AI

Cerebras Systems (CBRS ) έχει ανακοινώσει την ολοκλήρωση μιας υπερχρεωμένης $1.1 δισεκατομμύρια σειρά G, αξιολογώντας την εταιρεία στα 8,1 δισεκατομμύρια δολάρια. Η χρηματοδότηση ήταν υπό την ηγεσία της Fidelity Management & Research και Atreides Management, με τη συμμετοχή της Tiger Global, Valor Equity Partners, 1789 Capital, και των υφιστάμενων υποστηρικτών Altimeter, Alpha Wave, και Benchmark.

Η εταιρεία αναφέρει ότι το κεφάλαιο θα επιταχύνει την ανάπτυξη των επεξεργαστών σε κλίμακα wafer, θα επεκτείνει τις ικανότητες παραγωγής στις Ηνωμένες Πολιτείες και θα ενισχύσει την παρουσία της σε κέντρα δεδομένων. Αυτό θέτει την Cerebras σε θέση να ανταποκριθεί στην εκρηκτική ζήτηση για inference workloads που γίνονται ο σπονδυλικός στήχος της σύγχρονης ανάπτυξης AI.

Γιατί η Cerebras ξεχωρίζει

Ενώ η Nvidia (NVDA ) κυριαρχεί στην εκπαίδευση μεγάλων μοντέλων AI με τις GPU της, η Cerebras έχει καταλάβει τη θέση της στην inference, όπου τα μοντέλα αναπτύσσονται σε πραγματικές συνθήκες. Κατά το τελευταίο έτος, η Cerebras έχει συνεχώς αποδείξει ταχύτητες περισσότερες από 20 φορές μεγαλύτερες από τις GPU της Nvidia σε ένα ευρύ φάσμα μοντέλων. Αυτό το πλεονέκτημα ταχύτητας έχει οδηγήσει σε μαζική υιοθέτηση από επιχειρήσεις, κυβερνήσεις και ερευνητικά ιδρύματα.

Το κλειδί βρίσκεται στο Wafer Scale Engine (WSE) της Cerebras, το μεγαλύτερο ημιαγωγό chip στον κόσμο. Η τελευταία γενιά, WSE-3, ενσωματώνει σχεδόν ένα εκατομμύριο πυρήνες που είναι βελτιστοποιημένοι για AI σε ολόκληρη την wafer, αποφεύγοντας τους κομβικούς συνδέσμους που προκύπτουν όταν οι εργασίες διανέμονται σε πολλές GPU. Αυτή η σχεδίαση μειώνει τη задержκα και την κατανάλωση ενέργειας ενώ αυξάνει την απόδοση, καθιστώντας την ιδανική για inference εργασίες όπου η ταχύτητα και η αποδοτικότητα είναι परमόνη.

Πώς συγκρίνεται με την Nvidia και την Groq

Η Cerebras δεν είναι η μόνη που αναβιάζει το inference υλικό. Η Groq έχει ακολουθήσει διαφορετικό δρόμο με τις Language Processing Units της, που σχεδιάστηκαν για υπερχαμηλή задержκα και детерμινιστική απόδοση σε ελαφριές, πραγματικές συνθήκες. Η Nvidia, ενώ συνεχίζει να κυριαρχεί στο τοπίο της εκπαίδευσης και προσφέρει ευρεία υποστήριξη για inference μέσω του CUDA ecosystem και των κέντρων δεδομένων GPU.

Η ανταγωνισμός υπογραμμίζει μια βιομηχανία που σπάει σε εξειδικευμένες αρχιτεκτονικές. Η Nvidia παραμένει ισχυρή στην ευελιξία και την εcosystem lock-in. Η Groq επικεντρώνεται σε στενές, πραγματικές εργασίες. Η Cerebras, από την άλλη πλευρά, στοχεύει στο άνω μέρος του φάσματος, όπου τα τεράστια μοντέλα απαιτούν τεράστιες αποδόσεις και αποδοτικότητα. Η προσέγγισή της σε κλίμακα wafer μπορεί να μην είναι τόσο modulaire όσο οι GPU clusters, αλλά παρέχει αποφασιστικό πλεονέκτημα όταν οι inference εργασίες φτάνουν σε τρισεκατομμύρια tokens το μήνα.

Ροή και θέση στην αγορά

Τα συστήματα της Cerebras χρησιμοποιούνται ήδη από μεγάλες εταιρείες και ιδρύματα, συμπεριλαμβανομένων των AWS, Meta, IBM, Mistral, Cognition και Notion, μαζί με κυβερνήσεις και ερευνητικά κέντρα όπως το Υπουργείο Ενέργειας των Ηνωμένων Πολιτειών και το Υπουργείο Άμυνας. Η εταιρεία έχει επίσης γίνει ο κορυφαίος πάροχος inference στο Hugging Face, εξυπηρετώντας πάνω από πέντε εκατομμύρια μηνιαίες αιτήσεις από 개발τές.

Αυτή η ροή υπογραμμίζει πώς οι οικονομίες της AI αλλάζουν. Ενώ η εκπαίδευση παραμένει ακριβή και πλούσια σε πόρους, η μακροπρόθεσμη αξία βρίσκεται στην ανάπτυξη μοντέλων σε κλίμακα. Οι επιχειρήσεις γίνονται ολοένα και πιο ευαίσθητες στα inference κόστη, την задержκα και την αξιοπιστία — παράγοντες που παίζουν trực tiếp στα πλεονεκτήματα της Cerebras.

Προκλήσεις μπροστά

Η άνοδος της Cerebras δεν είναι χωρίς σημαντικές προκλήσεις. Οι σχεδιασμοί σε κλίμακα wafer είναι περίφημα δύσκολοι να κατασκευαστούν. Οι απόδοσεις μπορούν να είναι χαμηλές, οι ελαττώματα ακριβά και οι λύσεις ψύξης σύνθετες, όλα αυτά καθιστώντας τον κίνδυνο της παραγωγής ρίσκο και ακριβό. Σε αντίθεση με τις modulares GPU clusters, όπου οι ελαττωματικοί chíπ possono αντικατασταθεί ατομικά, οι συστήματα σε κλίμακα wafer είναι λιγότερο συγχώρητα.

Η εταιρεία έχει επίσης αντιμετωπίσει κριτική γύρω από την εστίαση των πελατών. Σε προηγούμενες οικονομικές ανακοινώσεις, η Cerebras αποκάλυψε ότι το μεγαλύτερο μέρος του εσόδου της στο πρώτο εξάμηνο του 2024 προήλθε από έναν μόνο πελάτη. Αυτό το είδος εξάρτησης εκθέτει την επιχείρηση σε ταλάντωση αν οι βασικοί συνεργάτες αλλάξουν στρατηγική, υιοθετήσουν εναλλακτικό υλικό ή αποφασίσουν να διαφοροποιήσουν τους προμηθευτές τους.

Οι ρυθμιστικές δυναμικές προσθέτουν ένα άλλο επίπεδο πολυπλοκότητας. Η Cerebras υπέβαλε εμπιστευτικά για μια αρχική δημόσια προσφορά το 2024 αλλά την αναβάλλει εν μέσω εθνικών αναθεωρήσεων ασφαλείας που συνδέονται με την προηγούμενη συμφωνία της με την G42, μια εταιρεία AI από το Άμπου Ντάμπι. Οι αμερικανικοί ρυθμιστές έχουν αυξήσει την επιτήρηση των ξένων επενδύσεων και συνεργασιών στον κλάδο των chip AI, περιπλέκοντας τον δρόμο της Cerebras προς τις δημόσιες αγορές. Ενώ η νέα $1.1 δισεκατομμυρίων σειρά αγοράζει χρόνο, αυξάνει επίσης τις προσδοκίες ότι η εταιρεία θα πρέπει σύντομα να δείξει βιώσιμη ανάπτυξη εσόδου και διαφοροποίηση για να ικανοποιήσει τόσο τους επενδυτές όσο και τους ρυθμιστές.

Τέλος, η ανταγωνισμός εντείνεται. Η Nvidia συνεχίζει να επαναλαμβάνει γρήγορα με τις Blackwell GPU και το sâu software ecosystem. Η Groq κερδίζει μυαλό σε πραγματικές inference. Οι hyperscalers όπως η Amazon (AMZN ), η Microsoft (MSFT ) και η Google (GOOGL ) κατασκευάζουν εξειδικευμένο silicon για να μειώσουν την εξάρτησή τους από τρίτους. Η Cerebras πρέπει να αποδείξει ότι η προσέγγισή της σε κλίμακα wafer δεν είναι μόνο ταχύτερη αλλά και κλιμακωτή, οικονομική και αμυντική ενάντια τόσο στους incumbents όσο και τους νέους εισερχόμενους.

Inference υπολογισμοί και το μέλλον της AI

Cerebras’ raise υπογραμμίζει einen κρίσιμο момент στην εξέλιξη της AI: την μετατόπιση του ανταγωνισμού από την εκπαίδευση στην inference. Η εκπαίδευση καθορίζει πώς γρήγορα μπορούν να εμφανιστούν νέα μοντέλα. Η inference καθορίζει πώς ευρέως και αποτελεσματικά μπορούν να αναπτυχθούν. Το inference υλικό γίνεται το κρίσιμο μποτιλιάρισμα — και ευκαιρία — για την βιομηχανία.

Όσο τα μοντέλα μεγαλώνουν και οι εφαρμογές τους μετακινούνται σε πραγματικές περιοχές όπως η σκέψη, τα συστήματα και η γενετική, η ταχύτητα και η αποδοτικότητα θα ορίσουν το ανταγωνιστικό πλεονέκτημα. Οι εταιρείες που μπορούν να παρέχουν οικονομική, χαμηλή-ζадержκα inference σε κλίμακα θα διαμορφώσουν ποιος κερδίζει στην γενετική AI. Η Nvidia, η Cerebras, η Groq και οι εξειδικευμένες chip πρωτοβουλίες των cloud γιγάντων είναι όλα συρράξαν σε αυτόν τον χώρο, κάθε μία φέρνοντας διαφορετικά πλεονεκτήματα.

Το μέλλον της AI δεν θα καθοριστεί αποκλειστικά από ποιος εκπαιδεύει τα μεγαλύτερα μοντέλα. Θα καθοριστεί από ποιος μπορεί να παραδώσει αυτά τα μοντέλα στον κόσμο — ενεργοποιώντας επιχειρήσεις, κυβερνήσεις και dévelopπερς — με τις ταχύτερες, πιο οικονομικές και πιο ενεργειακές inference πλατφόρμες. Η $1.1 δισεκατομμυρίων σειρά της Cerebras δείχνει πόσο κεντρικός έχει γίνει αυτός ο αγώνας.