Cerebras zabezpiecza 1,1 miliarda dolarów w rundzie Series G przy wycenie 8,1 miliarda dolarów, aby zdefiniować wyścig chipów AI

Cerebras Systems (CBRS ) ogłosił zakończenie przeszacowanej rundy Series G o wartości 1,1 miliarda dolarów, wyceniając firmę na 8,1 miliarda dolarów. Finansowanie poprowadziły Fidelity Management & Research oraz Atreides Management, z udziałem Tiger Global, Valor Equity Partners, 1789 Capital oraz istniejących inwestorów Altimeter, Alpha Wave oraz Benchmark.

Firma twierdzi, że kapitał przyspieszy rozwój procesorów na skalę wafla, rozszerzy możliwości produkcyjne w Stanach Zjednoczonych oraz zwiększy swoją obecność w centrach danych. To pozwoli Cerebras na zaspokojenie gwałtownie rosnącego popytu na obciążenia inferencyjne, które stają się podstawą wdrożeń nowoczesnego AI.

Dlaczego Cerebras wyróżnia się

Podczas gdy Nvidia (NVDA ) dominuje w szkoleniu dużych modeli AI za pomocą swoich GPU, Cerebras postawił na inferencję, gdzie modele są wdrażane w środowiskach rzeczywistych. W ciągu ostatniego roku Cerebras konsekwentnie demonstrował prędkości ponad 20 razy większe niż GPU Nvidii w szerokim zakresie modeli. Ta przewaga wydajności napędza ogromne przyjęcie wśród przedsiębiorstw, rządów i instytucji badawczych.

Klucz tkwi w Wafer Scale Engine (WSE) Cerebras, największym na świecie układzie półprzewodnikowym. Najnowsza generacja, WSE-3, integruje niemal milion rdzeni zoptymalizowanych pod kątem AI na całej wafli, unikając wąskich gardeł komunikacyjnych, które pojawiają się, gdy obciążenia są rozdzielane między wiele GPU. Ten projekt obniża opóźnienia i zużycie energii, zwiększając przy tym przepływność, co sprawia, że jest idealny do zadań inferencyjnych, gdzie prędkość i wydajność są najważniejsze.

Jak się porównuje do Nvidii i Groq

Cerebras nie jest jedynym, który odtwarza sprzęt inferencyjny. Groq obrał inny ścieżkę ze swoimi Language Processing Units, zaprojektowanymi z myślą o ultra-niskim opóźnieniu i deterministycznej wydajności w lekkich, czasowych scenariuszach. Nvidia, tymczasem, nadal dominuje w krajobrazie szkoleniowym i oferuje szerokie wsparcie dla inferencji za pośrednictwem swojego ekosystemu CUDA i GPU centrów danych.

Konkurencja podkreśla rozdrobnienie branży na architektury specjalistyczne. Siła Nvidii pozostaje jej wszechstronność i związanie z ekosystemem. Groq koncentruje się na wąskich, czasowych obciążeniach. Cerebras, z drugiej strony, celuje w górny zakres spektrum, gdzie ogromne modele wymagają ogromnej przepływności i wydajności. Jego podejście na skalę wafla może nie być tak modułowe jak klastry GPU, ale zapewnia decydującą przewagę, gdy obciążenia inferencyjne rozrosną do bilionów tokenów miesięcznie.

Impet i pozycja rynkowa

Systemy Cerebras są już wykorzystywane przez główne firmy technologiczne i instytucje, w tym AWS, Meta, IBM, Mistral, Cognition i Notion, obok rządów i ośrodków badawczych, takich jak Departament Energii Stanów Zjednoczonych i Departament Obrony. Firma stała się również największym dostawcą inferencji na Hugging Face, obsługując ponad pięć milionów miesięcznych żądań deweloperów.

Ten impet podkreśla, jak zmieniają się ekonomiczne aspekty AI. Podczas gdy szkolenie pozostaje kosztowne i wymagające zasobów, długoterminowa wartość leży w wdrożeniu modeli na dużą skalę. Przedsiębiorstwa są coraz bardziej wrażliwe na koszty inferencji, opóźnienia i niezawodność — czynniki, które grają bezpośrednio w siłę Cerebras.

Wyzwania przed nami

Wzrost Cerebras nie jest pozbawiony znaczących przeszkód. Projekty na skalę wafla są notorycznie trudne do wyprodukowania. Występuje niski wskaźnik wydajności, defekty są kosztowne, a rozwiązania chłodzące są złożone, co sprawia, że skalowanie produkcji jest ryzykowne i kosztowne. W przeciwieństwie do modułowych klastrów GPU, gdzie uszkodzone układy mogą być zastąpione indywidualnie, systemy na skalę wafla są mniej wybaczące.

Firma spotkała się również z krytyką dotyczącą koncentracji klientów. W wcześniejszych ujawnieniach finansowych Cerebras ujawnił, że ogromna większość jego przychodu w pierwszej połowie 2024 roku pochodziła od jednego klienta. Ten rodzaj zależności naraża firmę na zmienność, jeśli kluczowi partnerzy zmienią strategie, przyjmą alternatywny sprzęt lub zdecydują się na dywersyfikację dostawców obliczeniowych.

Dynamika regulacyjna dodaje kolejną warstwę złożoności. Cerebras złożył wniosek o IPO w 2024 roku, ale odroczył go w związku z przeglądami bezpieczeństwa narodowego związanymi z jego wcześniejszą umową z G42, firmą AI z Abu Zabi. Amerykańscy regulatorzy coraz częściej badają inwestycje zagraniczne i partnerstwa w sektorze chipów AI, co utrudnia Cerebras drogę na giełdę. Nowa runda finansowania o wartości 1,1 miliarda dolarów daje firmie czas, ale podnosi również oczekiwania, że firma wkrótce musi wykazać się zrównoważonym wzrostem przychodu i dywersyfikacją, aby zadowolić zarówno inwestorów, jak i regulatorów.

Wreszcie, konkurencja nasila się. Nvidia nadal rozwija swoje GPU Blackwell i głęboki ekosystem oprogramowania. Groq zyskuje popularność w czasie rzeczywistym. Hyperscalers, tacy jak Amazon (AMZN ), Microsoft (MSFT ) i Google (GOOGL ), budują niestandardowy krzem, aby zmniejszyć zależność od stron trzecich. Cerebras musi udowodnić, że jego podejście na skalę wafla nie jest tylko szybsze, ale także skalowalne, opłacalne i bronione przed zarówno dotychczasowymi, jak i nowymi graczami.

Obliczenia inferencyjne i przyszłość AI

Cerebras podnosi, że ten moment jest przełomowy w ewolucji AI: przesunięcie focusu z szkolenia na inferencję. Szkolenie decyduje o tym, jak szybko nowe modele mogą powstać, ale inferencja decyduje o tym, jak szeroko i wydajnie mogą być one wdrożone. Sprzęt inferencyjny staje się krytycznym wąskim gardłem — i okazją — dla branży.

Gdy modele rosną i ich zastosowania przechodzą do czasu rzeczywistego, takiego jak rozumowanie, systemy agenty i generowanie kodu, prędkość i wydajność będą definiować przewagę konkurencyjną. Firmy, które mogą dostarczyć opłacalną, niską latencję inferencji na dużą skalę, ukształtują, kto wygra w AI generatywnej. Nvidia, Cerebras, Groq i inicjatywy chipowe gigantów chmury konwergują na tym obszarze, każdy wnosi własne siły.

Przyszłość AI nie zostanie określona wyłącznie przez to, kto trenuje największe modele. Zostanie ona określona przez to, kto może dostarczyć te modele do świata — napędzając przedsiębiorstwa, rządy i deweloperów — z najszybszymi, najbardziej opłacalnymi i najbardziej efektywnymi pod względem energii platformami inferencyjnymi. Podniesienie o 1 miliard dolarów przez Cerebras pokazuje, jak centralny stał się ten wyścig.