Cerebras Systems Inc. é uma empresa de semicondutores e supercomputadores com sede em Sunnyvale, Califórnia. Ela projeta e fabrica alguns dos maiores processadores de IA do mundo, incluindo a série wafer-scale engine (WSE), e oferece serviços de computação em nuvem que permitem que clientes acessem seu hardware remotamente. Em 2024, a empresa protocolou um pedido de oferta pública inicial (IPO) para levantar capital para expansão adicional, marcando um passo significativo em sua trajetória de crescimento.
Os produtos principais da empresa incluem o semicondutor WSE-3, o supercomputador CS-3 e APIs para nuvens de inferência e treinamento de IA. Esses sistemas são projetados para acelerar cargas de trabalho de aprendizado profundo e modelos de linguagem de grande porte, oferecendo desempenho que frequentemente supera clusters tradicionais baseados em GPU. A tecnologia da Cerebras é notável por usar wafers de silício inteiros como um único chip, uma técnica conhecida como integração em escala de wafer, que reduz a latência de interconexão e o consumo de energia em comparação com alternativas de múltiplos chips.
Fundação e Desenvolvimento Inicial
A Cerebras foi fundada em 2015 por Andrew Feldman, Gary Lauterbach, Michael James, Sean Lie e Jean-Philippe Fricker, todos os quais haviam trabalhado juntos anteriormente na SeaMicro, uma empresa de tecnologia de servidores adquirida pela AMD em 2012. Os fundadores reconheceram que as GPUs não eram ideais para todas as tarefas de IA, o que os levou a projetar uma nova arquitetura do zero. Os desafios iniciais incluíram desenvolver métodos de resfriamento exclusivos para gerenciar o calor de chips massivos, criar software para contornar defeitos de fabricação microscópicos e inventar uma máquina para instalar com segurança o wafer em uma placa-mãe. A empresa gastou cerca de US$ 200 milhões ao longo de vários anos para resolver esses problemas de empacotamento, queimando aproximadamente US$ 8 milhões por mês, antes de alcançar um produto funcional em julho de 2019.
Evolução do Produto: WSE-1 e WSE-2
Em agosto de 2019, a Cerebras anunciou seu wafer-scale engine de primeira geração (WSE-1) e o sistema de supercomputação CS-1. O WSE-1 apresentava 400.000 núcleos de processamento, 1,2 trilhão de transistores e 18 gigabytes de memória no chip. O CS-1 era um aparelho montado em rack de 19 polegadas com doze conexões Ethernet de 100 gigabits, projetado para se conectar a data centers existentes. Os primeiros clientes incluíam empresas farmacêuticas como GlaxoSmithKline e AstraZeneca, bem como laboratórios nacionais como Lawrence Livermore e o Pittsburgh Supercomputing Center, que usaram os sistemas para descoberta de medicamentos, pesquisa genômica e simulação.
Em abril de 2021, a Cerebras lançou o CS-2, baseado no chip WSE-2, que dobrou a contagem de núcleos para 850.000 e expandiu a SRAM no chip para 40 gigabytes. Fabricado no processo de 7 nanômetros da TSMC, o CS-2 era menor (26 polegadas de altura) e podia suportar modelos de IA com mais de 120 trilhões de parâmetros. Os clientes do CS-2 incluíam TotalEnergies, o National Center for Supercomputing Applications e o Leibniz Supercomputing Centre. Em junho de 2022, a Cerebras estabeleceu um recorde ao treinar modelos com até 20 bilhões de parâmetros em um único sistema CS-2, incluindo versões de GPT-3 e GPT-NeoX.
Expansão: Andromeda e Clusters em Escala de Wafer
Em setembro de 2022, a Cerebras introduziu o conceito de clusters em escala de wafer, que conectam múltiplos sistemas CS-2 em um único cluster de computação. Um cluster de 16 sistemas podia alcançar 13,6 milhões de núcleos, e até 192 CS-2s podiam ser vinculados para cargas de trabalho massivas de treinamento de IA. Em novembro de 2022, a empresa revelou a Andromeda, um cluster de 16 chips que entrega até 1 exaflop de poder de computação de IA enquanto consome apenas 500 quilowatts, substancialmente menos do que supercomputadores comparáveis baseados em GPU. Esse marco destacou as vantagens de eficiência da Cerebras em energia e escalabilidade.
Conquistas Recentes e Parcerias
Em 2023, a Cerebras fez parceria com a G42, uma empresa de IA sediada nos Emirados Árabes Unidos, que concordou em comprar até nove supercomputadores em um acordo avaliado em cerca de US$ 100 milhões para a primeira unidade. A empresa também expandiu sua base de clientes para incluir OpenAI e Amazon Web Services (AWS), com contratos assinados em 2026, de acordo com anúncios posteriores. Até 2024, a Cerebras tinha quatro grandes clientes: Mohamed bin Zayed University of Artificial Intelligence (62% das receitas de 2025), G42 (24%), OpenAI e AWS. A empresa também opera escritórios em San Diego, Toronto e Bangalore, Índia, e usa a TSMC como seu único fabricante de semicondutores devido aos requisitos especializados dos chips em escala de wafer.
Tecnologia e Cenário Competitivo
Os chips da Cerebras são os maiores semicondutores de IA já construídos, medindo 215 milímetros quadrados e cobrindo um wafer de silício inteiro. Eles usam memória estática de acesso aleatório (SRAM) em vez da RAM dinâmica encontrada em muitas GPUs, o que contribui para sua velocidade. Os principais concorrentes para seu hardware incluem Nvidia, AMD, Intel e Broadcom, enquanto seus serviços de computação em nuvem competem com Amazon Web Services, Microsoft Azure, Google Cloud, Oracle Cloud e CoreWeave. Apesar de suas vantagens, a Cerebras enfrenta desvantagens como um consumo de energia de 25 quilowatts e um custo de até US$ 3 milhões por nó, limitando seu apelo a um nicho de usuários de IA de alto desempenho.
Pedido de IPO e Perspectiva Corporativa
Em 2024, a Cerebras protocolou um pedido de IPO para abrir capital, visando levantar fundos para pesquisa e desenvolvimento, capacidade de fabricação e expansão global. O pedido veio em meio à crescente demanda por infraestrutura de IA, impulsionada pela proliferação de aplicações de modelos de linguagem de grande porte e IA generativa. Até 2024, a empresa ainda não havia concluído seu IPO, e seus detalhes financeiros permaneciam confidenciais. O movimento foi visto como um esforço estratégico para capitalizar sua posição como um player diferenciado no espaço de hardware de IA, embora também enfrentasse escrutínio sobre sua forte dependência de alguns clientes-chave e os altos custos associados à sua tecnologia.
Aplicações e Ecossistema
Os sistemas da Cerebras são usados em uma variedade de aplicações científicas e comerciais, incluindo descoberta de medicamentos, genômica, dinâmica de fluidos e administração de arsenal nuclear. Por exemplo, o National Energy Technology Laboratory e o Argonne National Laboratory empregaram hardware da Cerebras para pesquisa de COVID-19 aproveitando aprendizado profundo. A empresa também apoia esforços em campos como química computacional e modelagem climática, embora seu foco principal permaneça em aprendizado de máquina e treinamento e inferência de IA. Por meio de suas APIs em nuvem, a Cerebras permite que desenvolvedores acessem sua tecnologia sem comprar hardware, ampliando seu alcance além de grandes empresas e instituições de pesquisa.
Direções Futuras
Olhando para o futuro, a Cerebras visa continuar empurrando os limites da computação em escala de wafer, com planos para chips maiores e mecanismos de resfriamento mais eficientes. A empresa também está explorando novos mercados, como computação de borda e IA em dispositivo, embora esses permaneçam em estágios iniciais. Com a indústria de IA evoluindo rapidamente, o sucesso da Cerebras dependerá de sua capacidade de manter liderança tecnológica enquanto gerencia custos e escala de produção. O IPO, se bem-sucedido, poderia fornecer os recursos financeiros necessários para alcançar esses objetivos, mas o cenário competitivo permanece intenso, com grandes provedores de nuvem investindo pesadamente em silício personalizado como AWS Trainium e Google Cloud TPUs.
Ao longo de sua história, a Cerebras demonstrou capacidade de inovação, superando desafios de engenharia sem precedentes para entregar produtos que redefinem o que é possível em hardware de IA. Até 2024, a empresa continua sendo um player-chave no impulso em direção a sistemas de IA mais poderosos e eficientes, com sua tecnologia em escala de wafer oferecendo uma alternativa distinta às arquiteturas tradicionais baseadas em GPU.