Cerebras Systems Inc. ist ein Halbleiter- und Supercomputerunternehmen mit Hauptsitz in Sunnyvale, Kalifornien. Es entwirft und fertigt einige der größten KI-Prozessoren der Welt, einschließlich der Wafer-Scale-Engine-Serie (WSE), und bietet Cloud-Computing-Dienste an, die es Kunden ermöglichen, auf seine Hardware remote zuzugreifen. Im Jahr 2024 reichte das Unternehmen einen Antrag auf einen Börsengang (IPO) ein, um Kapital für die weitere Expansion zu beschaffen, was einen bedeutenden Schritt in seiner Wachstumsentwicklung markierte.
Zu den Kernprodukten des Unternehmens gehören der Halbleiter WSE-3, der Supercomputer CS-3 sowie APIs für KI-Inferenz- und Trainings-Clouds. Diese Systeme sind darauf ausgelegt, Deep-Learning- und Large-Language-Model-Workloads zu beschleunigen und bieten eine Leistung, die oft über der von traditionellen GPU-basierten Clustern liegt. Die Technologie von Cerebras ist bemerkenswert, da sie ganze Siliziumwafer als einen einzigen Chip verwendet, eine Technik, die als Wafer-Scale-Integration bekannt ist und im Vergleich zu Multi-Chip-Alternativen die Interconnect-Latenz und den Stromverbrauch reduziert.
Gründung und frühe Entwicklung
Cerebras wurde 2015 von Andrew Feldman, Gary Lauterbach, Michael James, Sean Lie und Jean-Philippe Fricker gegründet, die zuvor alle gemeinsam bei SeaMicro gearbeitet hatten, einem Servertechnologieunternehmen, das 2012 von AMD übernommen wurde. Die Gründer erkannten, dass GPUs nicht für alle KI-Aufgaben ideal waren, was sie dazu veranlasste, eine neue Architektur von Grund auf zu entwerfen. Zu den frühen Herausforderungen gehörten die Entwicklung einzigartiger Kühlmethoden zur Bewältigung der Wärme massiver Chips, die Erstellung von Software zur Umgehung mikroskopischer Fertigungsdefekte und die Erfindung einer Maschine, um den Wafer sicher auf einem Motherboard zu installieren. Das Unternehmen gab über mehrere Jahre etwa 200 Millionen US-Dollar aus, um diese Verpackungsprobleme zu lösen, und verbrauchte dabei etwa 8 Millionen US-Dollar pro Monat, bevor es im Juli 2019 ein funktionierendes Produkt erreichte.
Produktentwicklung: WSE-1 und WSE-2
Im August 2019 kündigte Cerebras seine erste Generation der Wafer-Scale Engine (WSE-1) und das Supercomputing-System CS-1 an. Die WSE-1 verfügte über 400.000 Verarbeitungskerne, 1,2 Billionen Transistoren und 18 Gigabyte On-Chip-Speicher. Der CS-1 war ein 19-Zoll-Rack-Gerät mit zwölf 100-Gigabit-Ethernet-Verbindungen, das für die Integration in bestehende Rechenzentren entwickelt wurde. Zu den frühen Kunden gehörten Pharmaunternehmen wie GlaxoSmithKline und AstraZeneca sowie nationale Labore wie Lawrence Livermore und das Pittsburgh Supercomputing Center, die die Systeme für Arzneimittelforschung, Genomforschung und Simulationen nutzten.
Im April 2021 veröffentlichte Cerebras den CS-2, basierend auf dem WSE-2-Chip, der die Kernanzahl auf 850.000 verdoppelte und den On-Chip-SRAM auf 40 Gigabyte erweiterte. Der CS-2 wurde im 7-Nanometer-Verfahren von TSMC gefertigt, war kleiner (26 Zoll hoch) und konnte KI-Modelle mit über 120 Billionen Parametern unterstützen. Zu den Kunden des CS-2 gehörten TotalEnergies, das National Center for Supercomputing Applications und das Leibniz-Rechenzentrum. Im Juni 2022 stellte Cerebras einen Rekord auf, indem es Modelle mit bis zu 20 Milliarden Parametern auf einem einzigen CS-2-System trainierte, einschließlich Versionen von GPT-3 und GPT-NeoX.
Skalierung: Andromeda und Wafer-Scale-Cluster
Im September 2022 führte Cerebras das Konzept der Wafer-Scale-Cluster ein, die mehrere CS-2-Systeme zu einem einzigen Rechencluster verbinden. Ein 16-System-Cluster konnte 13,6 Millionen Kerne erreichen, und bis zu 192 CS-2-Systeme konnten für massive KI-Trainingsworkloads verbunden werden. Im November 2022 enthüllte das Unternehmen Andromeda, einen 16-Chip-Cluster, der bis zu 1 Exaflop KI-Rechenleistung liefert und dabei nur 500 Kilowatt verbraucht, deutlich weniger als vergleichbare GPU-basierte Supercomputer. Dieser Meilenstein unterstrich die Effizienzvorteile von Cerebras in Bezug auf Energie und Skalierbarkeit.
Jüngste Erfolge und Partnerschaften
Im Jahr 2023 ging Cerebras eine Partnerschaft mit G42 ein, einem KI-Unternehmen mit Sitz in den Vereinigten Arabischen Emiraten, das sich bereit erklärte, bis zu neun Supercomputer zu kaufen, wobei der erste Einheit mit etwa 100 Millionen US-Dollar bewertet wurde. Das Unternehmen erweiterte auch seinen Kundenstamm um OpenAI und Amazon Web Services (AWS), wobei Verträge laut späteren Ankündigungen im Jahr 2026 unterzeichnet wurden. Bis 2024 hatte Cerebras vier Hauptkunden: die Mohamed bin Zayed University of Artificial Intelligence (62 % der Einnahmen 2025), G42 (24 %), OpenAI und AWS. Das Unternehmen unterhält außerdem Büros in San Diego, Toronto und Bangalore, Indien, und nutzt TSMC als einzigen Halbleiterhersteller aufgrund der speziellen Anforderungen von Wafer-Scale-Chips.
Technologie und Wettbewerbsumfeld
Die Chips von Cerebras sind die größten jemals gebauten KI-Halbleiter, messen 215 Quadratmillimeter und bedecken einen gesamten Siliziumwafer. Sie verwenden statischen Direktzugriffsspeicher (SRAM) anstelle des dynamischen RAM, das in vielen GPUs zu finden ist, was zu ihrer Geschwindigkeit beiträgt. Zu den Hauptkonkurrenten für seine Hardware gehören Nvidia, AMD, Intel und Broadcom, während seine Cloud-Computing-Dienste mit Amazon Web Services, Microsoft Azure, Google Cloud, Oracle Cloud und CoreWeave konkurrieren. Trotz seiner Vorteile hat Cerebras Nachteile wie einen Stromverbrauch von 25 Kilowatt und Kosten von bis zu 3 Millionen US-Dollar pro Knoten, was seine Attraktivität auf einen Nischenmarkt von Hochleistungs-KI-Nutzern begrenzt.
IPO-Einreichung und Unternehmensausblick
Im Jahr 2024 reichte Cerebras einen Antrag auf einen Börsengang ein, um Kapital für Forschung und Entwicklung, Fertigungskapazitäten und globale Expansion zu beschaffen. Die Einreichung erfolgte angesichts einer wachsenden Nachfrage nach KI-Infrastruktur, die durch die Verbreitung von Large Language Models und generativen KI-Anwendungen angetrieben wird. Bis 2024 hatte das Unternehmen seinen Börsengang noch nicht abgeschlossen, und seine finanziellen Details blieben vertraulich. Der Schritt wurde als strategischer Versuch angesehen, seine Position als differenzierter Akteur im KI-Hardware-Bereich zu nutzen, obwohl er auch wegen seiner starken Abhängigkeit von wenigen Schlüsselkunden und der hohen Kosten seiner Technologie kritisiert wurde.
Anwendungen und Ökosystem
Cerebras-Systeme werden in einer Vielzahl wissenschaftlicher und kommerzieller Anwendungen eingesetzt, darunter Arzneimittelforschung, Genomik, Fluiddynamik und nukleare Bestandsverwaltung. Beispielsweise haben das National Energy Technology Laboratory und das Argonne National Laboratory Cerebras-Hardware für COVID-19-Forschung eingesetzt, die Deep Learning nutzt. Das Unternehmen unterstützt auch Bemühungen in Bereichen wie Computerchemie und Klimamodellierung, obwohl sein Hauptfokus auf maschinellem Lernen und KI-Training und Inferenz liegt. Über seine Cloud-APIs ermöglicht Cerebras Entwicklern den Zugriff auf seine Technologie, ohne Hardware zu kaufen, und erweitert so seine Reichweite über große Unternehmen und Forschungseinrichtungen hinaus.
Zukünftige Richtungen
In Zukunft strebt Cerebras an, die Grenzen des Wafer-Scale-Computings weiter zu verschieben, mit Plänen für größere Chips und effizientere Kühlmechanismen. Das Unternehmen erkundet auch neue Märkte wie Edge-Computing und On-Device-KI, obwohl diese sich noch in einem frühen Stadium befinden. Da sich die KI-Branche schnell weiterentwickelt, wird der Erfolg von Cerebras von seiner Fähigkeit abhängen, technologische Führungsrolle zu behalten, während es Kosten verwaltet und die Produktion skaliert. Der Börsengang könnte, falls erfolgreich, die finanziellen Ressourcen bereitstellen, die zur Erreichung dieser Ziele erforderlich sind, aber die Wettbewerbslandschaft bleibt intensiv, da große Cloud-Anbieter stark in kundenspezifische Siliziumlösungen wie AWS Trainium und Google Cloud TPUs investieren.
Im Laufe seiner Geschichte hat Cerebras Innovationsfähigkeit bewiesen, indem es beispiellose technische Herausforderungen überwand, um Produkte zu liefern, die neu definieren, was in der KI-Hardware möglich ist. Bis 2024 bleibt das Unternehmen ein wichtiger Akteur im Streben nach leistungsfähigeren und effizienteren KI-Systemen, wobei seine Wafer-Scale-Technologie eine deutliche Alternative zu traditionellen GPU-basierten Architekturen bietet.