Cerebras obtient 1,1 milliard de dollars en financement de série G à une valorisation de 8,1 milliards de dollars pour redéfinir la course aux puces d’IA

Cerebras Systems (CBRS ) a annoncé la clôture d’un tour de financement de série G sur souscription, d’un montant de 1,1 milliard de dollars, valorisant l’entreprise à 8,1 milliards de dollars. Le financement a été mené par Fidelity Management & Research et Atreides Management, avec la participation de Tiger Global, Valor Equity Partners, 1789 Capital, et des investisseurs existants Altimeter, Alpha Wave, et Benchmark.

L’entreprise déclare que le capital accélérera le développement de ses processeurs à l’échelle de la plaquette, étendra les capacités de fabrication aux États-Unis et renforcera son empreinte dans les centres de données. Cela positionne Cerebras pour répondre à la demande explosive de charges de travail d’inférence qui deviennent la colonne vertébrale du déploiement de l’IA moderne.

Pourquoi Cerebras se démarque

Alors que Nvidia (NVDA ) domine la formation de grands modèles d’IA avec ses GPU, Cerebras a revendiqué son territoire sur l’inférence, où les modèles sont déployés dans des environnements réels. Au cours de la dernière année, Cerebras a constamment démontré des vitesses plus de 20 fois supérieures à celles des GPU Nvidia sur une large gamme de modèles. cet avantage en termes de performances a alimenté une adoption massive dans les entreprises, les gouvernements et les institutions de recherche.

La clé réside dans le Wafer Scale Engine (WSE) de Cerebras, le plus grand circuit intégré au monde. La dernière génération, WSE-3, intègre près d’un million de cœurs optimisés pour l’IA sur une entire plaquette, évitant les goulets d’étranglement de la communication qui apparaissent lorsque les charges de travail sont réparties sur plusieurs GPU. Cette conception réduit la latence et la consommation d’énergie tout en augmentant le débit, ce qui la rend idéale pour les tâches d’inférence où la vitesse et l’efficacité sont primordiales.

Comment il se compare à Nvidia et Groq

Cerebras n’est pas seul à réinventer le matériel d’inférence. Groq a emprunté une voie différente avec ses Language Processing Units, conçus pour une latence ultra-basse et des performances déterministes dans des scénarios légers et en temps réel. Nvidia, quant à elle, continue de dominer le paysage de la formation et offre un large soutien à l’inférence grâce à son écosystème CUDA et à ses GPU de centre de données.

La concurrence met en évidence une industrie qui se divise en architectures spécialisées. La force de Nvidia réside dans sa polyvalence et son verrouillage de l’écosystème. Groq se concentre sur des charges de travail réelles et en temps réel. Cerebras, en revanche, vise le haut de gamme, où les modèles massifs nécessitent un débit et une efficacité énormes. Son approche à l’échelle de la plaquette peut ne pas être aussi modulaire que les grappes de GPU, mais elle offre un avantage décisif lorsque les charges de travail d’inférence gonflent à des milliards de jetons par mois.

Élan et position sur le marché

Les systèmes de Cerebras sont déjà utilisés par de grandes entreprises et institutions, notamment AWS, Meta, IBM, Mistral, Cognition et Notion, ainsi que des gouvernements et des centres de recherche tels que le département de l’Énergie des États-Unis et le département de la Défense. L’entreprise est également devenue le premier fournisseur d’inférence sur Hugging Face, servant plus de cinq millions de demandes de développeurs par mois.

Cette dynamique de croissance souligne comment les économies de l’IA sont en train de changer. Alors que la formation reste coûteuse et gourmande en ressources, la valeur à long terme réside dans le déploiement de modèles à grande échelle. Les entreprises sont de plus en plus sensibles aux coûts, à la latence et à la fiabilité de l’inférence — des facteurs qui jouent directement dans les forces de Cerebras.

Défis à venir

La montée en puissance de Cerebras n’est pas sans obstacles importants. Les conceptions à l’échelle de la plaquette sont notoirement difficiles à fabriquer. Les rendements peuvent être faibles, les défauts coûteux et les solutions de refroidissement complexes, tout ce qui rend la production à grande échelle risquée et coûteuse. Contrairement aux grappes de GPU modulaires, où les puces défectueuses peuvent être remplacées individuellement, les systèmes à l’échelle de la plaquette sont moins tolérants.

L’entreprise a également été soumise à des critiques concernant la concentration de ses clients. Dans des divulgations financières antérieures, Cerebras a révélé que la grande majorité de ses revenus au premier semestre 2024 provenaient d’un seul client. Ce type de dépendance expose l’entreprise à la volatilité si les partenaires clés changent de stratégie, adoptent un matériel alternatif ou décident de diversifier leurs fournisseurs de calcul.

Les dynamiques réglementaires ajoutent une autre couche de complexité. Cerebras a déposé confidentiellement une demande d’introduction en bourse en 2024, mais l’a reportée au milieu d’examen de sécurité nationale lié à son accord précédent avec G42, une entreprise d’IA basée à Abou Dabi. Les régulateurs américains ont de plus en plus examiné les investissements étrangers et les partenariats dans le secteur des puces d’IA, ce qui complique le chemin de Cerebras vers les marchés publics. Alors que le nouveau tour de financement de 1,1 milliard de dollars achète du temps, il soulève également des attentes selon lesquelles l’entreprise devra bientôt démontrer une croissance de revenus durable et une diversification pour satisfaire à la fois les investisseurs et les régulateurs.

Enfin, la concurrence ne fait que s’intensifier. Nvidia continue d’innover rapidement avec ses GPU Blackwell et son écosystème logiciel. Groq gagne en parts de marché dans l’inférence en temps réel. Les hyperscalers comme Amazon (AMZN ), Microsoft (MSFT ) et Google (GOOGL ) construisent du silicium personnalisé pour réduire leur dépendance à l’égard des tiers. Cerebras doit prouver que son approche à l’échelle de la plaquette n’est pas seulement plus rapide, mais également évolutivité, rentable et défendable contre les acteurs établis et les nouveaux entrants.

Calcul d’inférence et avenir de l’IA

Cerebras’ levée de fonds met en évidence un moment charnière dans l’évolution de l’IA : le passage du focus de la formation à l’inférence. La formation détermine à quelle vitesse de nouveaux modèles de pointe peuvent émerger, mais l’inférence décide à quelle échelle et avec quelle efficacité ils peuvent être déployés. Le matériel d’inférence est devenu le goulet d’étranglement critique — et l’opportunité — pour l’industrie.

À mesure que les modèles grandissent et que leurs applications se déplacent vers des domaines en temps réel comme la raison, les systèmes agents et la génération de code, la vitesse et l’efficacité définiront l’avantage concurrentiel. Les entreprises qui peuvent fournir une inférence rentable, à faible latence et à grande échelle façonneront qui gagne dans l’IA générative. Nvidia, Cerebras, Groq et les initiatives de puces personnalisées des géants du cloud convergent tous vers cet espace, chacun apportant des forces différentes.

L’avenir de l’IA ne sera pas déterminé uniquement par qui forme les plus grands modèles. Il sera décidé par qui peut livrer ces modèles dans le monde — en alimentant les entreprises, les gouvernements et les développeurs — avec les plateformes d’inférence les plus rapides, les plus abordables et les plus économes en énergie. La levée de fonds d’un milliard de dollars de Cerebras montre à quel point cette course est devenue centrale.