Cerebras asegura $1.1 mil millones en la ronda Serie G a una valoración de $8.1 mil millones para redefinir la carrera de chips de IA

Cerebras Systems (CBRS ) ha anunciado la finalización de una ronda de financiación Serie G sobre suscrita de $1.1 mil millones, valorando a la empresa en $8.1 mil millones. La financiación fue liderada por Fidelity Management & Research y Atreides Management, con la participación de Tiger Global, Valor Equity Partners, 1789 Capital, y los partidarios existentes Altimeter, Alpha Wave, y Benchmark.

La empresa dice que el capital acelerará el desarrollo de procesadores a escala de oblea, ampliará las capacidades de fabricación en EE. UU. y aumentará su huella en los centros de datos. Esto posiciona a Cerebras para satisfacer la demanda explosiva de cargas de trabajo de inferencia que se están convirtiendo en la columna vertebral de la implementación de IA moderna.

Por qué Cerebras se destaca

Mientras que Nvidia (NVDA ) domina el entrenamiento de grandes modelos de IA con sus GPU, Cerebras ha apostado por la inferencia, donde los modelos se implementan en entornos del mundo real. A lo largo del último año, Cerebras ha demostrado consistentemente velocidades más de 20 veces superiores a las GPU de Nvidia en una amplia gama de modelos. Esa ventaja de rendimiento ha impulsado una adopción masiva en empresas, gobiernos e instituciones de investigación.

La clave radica en el Motor a escala de oblea (WSE) de Cerebras, el chip de semiconductor más grande del mundo. La última generación, WSE-3, integra casi un millón de núcleos optimizados para IA en toda la oblea, evitando los cuellos de botella de comunicación que surgen cuando las cargas de trabajo se distribuyen en varias GPU. Este diseño reduce la latencia y el consumo de energía mientras aumenta el rendimiento, lo que lo hace ideal para tareas de inferencia donde la velocidad y la eficiencia son primordiales.

Cómo se compara con Nvidia y Groq

Cerebras no es el único en reinventar el hardware de inferencia. Groq ha tomado un camino diferente con sus Unidades de procesamiento de lenguaje, diseñadas para una latencia ultra baja y un rendimiento determinista en escenarios ligeros y en tiempo real. Mientras tanto, Nvidia sigue dominando el paisaje de entrenamiento y ofrece un amplio soporte para la inferencia a través de su ecosistema CUDA y las GPU de centros de datos.

La competencia destaca una industria que se fragmenta en arquitecturas especializadas. La fuerza de Nvidia sigue siendo su versatilidad y el bloqueo de su ecosistema. Groq se enfoca en cargas de trabajo de inferencia en tiempo real y de baja latencia. Cerebras, por otro lado, está apuntando al extremo superior del espectro, donde los modelos masivos requieren un rendimiento y una eficiencia enormes. Su enfoque a escala de oblea puede no ser tan modular como los clusters de GPU, pero proporciona una ventaja decisiva cuando las cargas de trabajo de inferencia se disparan a billones de tokens por mes.

Momentum y posición en el mercado

Los sistemas de Cerebras ya están siendo utilizados por importantes empresas y instituciones, incluyendo AWS, Meta, IBM, Mistral, Cognition y Notion, junto con gobiernos y centros de investigación como el Departamento de Energía de EE. UU. y el Departamento de Defensa. La empresa también se ha convertido en el principal proveedor de inferencia en Hugging Face, atendiendo a más de cinco millones de solicitudes de desarrolladores al mes.

Este impulso subraya cómo están cambiando las economías de la IA. Mientras que el entrenamiento sigue siendo costoso y exigente en términos de recursos, el valor a largo plazo radica en la implementación de modelos a escala. Las empresas están cada vez más sensibles a los costos de inferencia, la latencia y la confiabilidad — factores que juegan directamente en las fortalezas de Cerebras.

Desafíos por delante

El ascenso de Cerebras no está exento de obstáculos significativos. Los diseños a escala de oblea son notoriamente difíciles de fabricar. Los rendimientos pueden ser bajos, los defectos costosos y las soluciones de enfriamiento complejas, lo que hace que la escalada de la producción sea arriesgada y costosa. A diferencia de los clusters de GPU modulares, donde los chips defectuosos pueden reemplazarse individualmente, los sistemas a escala de oblea son menos tolerantes.

La empresa también ha enfrentado escrutinio en torno a la concentración de clientes. En divulgaciones financieras anteriores, Cerebras reveló que la gran mayoría de sus ingresos en el primer semestre de 2024 provenían de un solo cliente. Este tipo de dependencia expone al negocio a la volatilidad si los socios clave cambian de estrategia, adoptan hardware alternativo o deciden diversificar a sus proveedores de cómputo.

Las dinámicas regulatorias agregan otra capa de complejidad. Cerebras presentó confidencialmente una solicitud de IPO en 2024, pero la pospuso en medio de revisiones de seguridad nacional relacionadas con su acuerdo anterior con G42, una empresa de IA con sede en Abu Dabi. Los reguladores estadounidenses han aumentado la vigilancia sobre las inversiones y asociaciones extranjeras en el sector de los chips de IA, complicando el camino de Cerebras hacia los mercados públicos. Mientras que la nueva ronda de $1.1 mil millones compra tiempo, también genera expectativas de que la empresa pronto necesitará demostrar un crecimiento de ingresos sostenible y diversificación para satisfacer tanto a los inversores como a los reguladores.

Finalmente, la competencia solo se intensifica. Nvidia sigue innovando rápidamente con sus GPU Blackwell y su ecosistema de software profundo. Groq está ganando reconocimiento en la inferencia en tiempo real. Los hiperescaladores como Amazon (AMZN ), Microsoft (MSFT ) y Google (GOOGL ) están construyendo silicio personalizado para reducir su dependencia de terceros. Cerebras debe demostrar que su enfoque a escala de oblea no solo es más rápido, sino también escalable, rentable y defensible contra tanto los actores establecidos como los nuevos entrantes.

Cómputo de inferencia y el futuro de la IA

Cerebras ha destacado un momento crucial en la evolución de la IA: el cambio de enfoque de la competencia del entrenamiento a la inferencia. El entrenamiento determina con qué rapidez pueden surgir nuevos modelos de vanguardia, pero la inferencia decide cómo se pueden implementar esos modelos de manera amplia y eficiente. El hardware de inferencia se está convirtiendo en el cuello de botella crítico — y la oportunidad — para la industria.

A medida que los modelos crecen en tamaño y sus aplicaciones se mueven hacia dominios en tiempo real como el razonamiento, los sistemas agénticos y la generación de código, la velocidad y la eficiencia definirán la ventaja competitiva. Las empresas que puedan proporcionar inferencia rentable, de baja latencia y a escala serán las que definan quién gana en la IA generativa. Nvidia, Cerebras, Groq y las iniciativas de chips personalizados de los gigantes de la nube están convergiendo en este espacio, cada uno aportando diferentes fortalezas.

El futuro de la IA no será determinado únicamente por quién entrena los modelos más grandes. Será decidido por quién puede entregar esos modelos al mundo — impulsando a empresas, gobiernos y desarrolladores — con las plataformas de inferencia más rápidas, asequibles y eficientes en términos energéticos. La recaudación de $1.1 mil millones de Cerebras muestra cuán central se ha vuelto esta carrera.