رقابت در حوزه سخت‌افزار هوش مصنوعی عمدتاً بر سر قطعات کمیاب بوده است. شرکت Cerebras Systems تلاش می‌کند با عدم نیاز به بسیاری از این قطعات، در این رقابت پیروز شود.
رویکرد متفاوت Cerebras
تراشه‌های مقیاس ویفری این شرکت از حافظه با پهنای باند بالا (HBM)، بسته‌بندی پیشرفته CoWoS و تولید در فرآیند ۳ نانومتری اجتناب می‌کنند. این‌ها سه گلوگاه اصلی صنعت در حال حاضر هستند. Cerebras مسیری متفاوت را در پیش گرفته است. تراشه‌های WSE-3 و مشتق آن WSE-3T بر اساس فرآیند ۵ نانومتری TSMC ساخته شده‌اند. تمام حافظه این تراشه‌ها به جای استفاده از پشته‌های جداگانه HBM، به صورت SRAM بر روی خود تراشه قرار دارد.
مشخصات چشمگیر WSE-3
WSE-3 در مارس ۲۰۲۴ معرفی شد. مشخصات آن بیشتر شبیه به یک طرح شهری است تا یک برگه مشخصات تراشه: ۹۰۰,۰۰۰ هسته هوش مصنوعی، ۴۴ گیگابایت حافظه SRAM روی تراشه و تقریباً ۴ تریلیون ترانزیستور. تمام این‌ها در مساحتی معادل ۴۶,۲۲۵ میلی‌متر مربع جای گرفته‌اند.
ادعای سرعت بی‌سابقه
اندرو فلدمن، مدیرعامل این شرکت، استدلال کرده است که این طراحی در جایی که بیشترین اهمیت را برای مشتریان دارد، یعنی سرعت تولید پاسخ توسط مدل‌های هوش مصنوعی، نتیجه‌بخش است. او در ژوئن ۲۰۲۶ این معماری را اینگونه توصیف کرد: “سریع‌ترین استنتاج در جهان به میزان یک مرتبه بزرگی.” یافته‌های تحقیقاتی ادعای فلدمن را به عنوان افزایش سرعت تولید توکن و حذف کندی‌های معمول در طراحی‌های مبتنی بر GPU توصیف می‌کنند.
سفارش‌های عظیم و رشد درآمد
تا ژوئن ۲۰۲۶، این شرکت گزارشی از پشتوانه سفارش ۲۵.۴ میلیارد دلاری ارائه داده است. بیش از ۲۰ میلیارد دلار از این مبلغ مربوط به یک قرارداد چندساله با OpenAI است.
Cerebras همچنین اعلام کرده است که بیش از ۶۰۰ مگاوات ظرفیت مرکز داده، چه فعال و چه قرارداد شده، در اختیار دارد. طبق یافته‌های تحقیقاتی، درآمد این شرکت در سه ماهه دوم سال مالی، تقریباً دو برابر سال گذشته بوده است.
در سپتامبر ۲۰۲۶، Cerebras موافقت کرد که سیستم‌های CS-4 را برای ظرفیتی حدود ۱۰۰ مگاوات به Gimlet Labs عرضه کند. این شرکت همچنین توافق‌نامه‌ای بلندمدت با General Compute منعقد کرده است که استقرار آن برای سه ماهه اول سال ۲۰۲۷ برنامه‌ریزی شده است.
تمام این تحولات پس از عرضه اولیه سهام Cerebras در بورس نزدک در ماه مه ۲۰۲۶ صورت گرفته است. از زمان عرضه، این شرکت شروع به گسترش تولید در ایالات متحده و ایجاد مشارکت‌ها برای افزایش ظرفیت عملیاتی کرده است.
تمرکز بر ظرفیت مراکز داده
یافته‌های تحقیقاتی نشان می‌دهند که تقاضا برای زیرساخت هوش مصنوعی به طور فزاینده‌ای به فضای مراکز داده، برق و ساخت‌وساز وابسته است، نه صرفاً به در دسترس بودن تراشه‌ها. این موضوع توضیح می‌دهد که چرا Cerebras اکنون به جای تعداد تراشه، در مورد ظرفیت بر حسب مگاوات صحبت می‌کند. رقم ۶۰۰ مگاوات و تعهد حدود ۱۰۰ مگاواتی Gimlet Labs معیارهایی از توان و فضای فیزیکی هستند.
چالش‌های پیش رو
برای سرمایه‌گذاران Cerebras، سوال اصلی اجرای تعهدات است. پشتوانه سفارش ۲۵.۴ میلیارد دلاری یک وعده است، نه درآمد، و تبدیل آن به درآمد به ساخت، تأمین برق و راه‌اندازی مراکز داده طبق برنامه بستگی دارد. یافته‌های تحقیقاتی به هزینه‌های راه‌اندازی مراکز داده به عنوان چالشی که شرکت در تلاش برای غلبه بر آن است، اشاره می‌کنند.
تمرکز مشتریان، دومین نکته‌ای است که باید مورد توجه قرار گیرد. با بیش از ۲۰ میلیارد دلار از پشتوانه سفارش که به OpenAI گره خورده است، سلامت این رابطه واحد وزن قابل توجهی دارد. قراردادهایی مانند Gimlet Labs و General Compute به تنوع بخشیدن به ترکیب کمک می‌کنند، هرچند در مقایسه بسیار کوچکتر هستند.
در زمینه عملکرد، ادعای فلدمن مبنی بر استنتاج با مرتبه بزرگی، با بررسی مشتریانی که بارهای کاری واقعی را اجرا می‌کنند، مورد ارزیابی قرار خواهد گرفت. حافظه SRAM روی تراشه بسیار سریع است، اما ۴۴ گیگابایت برای هر تراشه یک بودجه ثابت است و نحوه مقیاس‌پذیری سیستم‌ها برای بزرگترین مدل‌ها، میزان پذیرش گسترده این طراحی را تعیین خواهد کرد.
