Cerebras está desafiando a Nvidia con una estrategia basada en la ejecución de inferencias primarias en las máquinas inteligentes.

A medida que las hyperscalers dan cada vez más prioridad a la inferencia de inteligencia artificial en tiempo real, a una escala sin precedentes, en el año 2026, uno de los competidores más ambiciosos del sector de los semiconductores finalmente se acerca a los mercados públicos. Según los informes…BloombergY…ReutersCerebras Systems ha presentado una solicitud confidencial para realizar una oferta pública de acciones en la bolsa de Nasdaq. Se estima que el valor de la compañía podría rondar los 26 mil millones a 40 mil millones de dólares. Esto la convertiría en una de las empresas semiconductores más importantes de la era del AI.

Esta oferta llega en un momento crucial para el mercado de la infraestructura de IA. Mientras que las cargas de trabajo de entrenamiento continúan aumentando, los proveedores de servicios de alto rendimiento y los desarrolladores de modelos avanzados se concentran cada vez más en la eficiencia de la inferencia, la latencia y los costos de servicio, a medida que los sistemas de IA y los sistemas de razonamiento en tiempo real se expanden hacia la implementación masiva. Cerebras se posiciona como una de las alternativas más audaces a la arquitectura convencional de clústeres GPU, dominada por NVIDIA.

Cerebras apuesta por la inferencia a escala de wafer.

En el centro de la estrategia de inversión de Cerebras se encuentra su intento de resolver uno de los problemas más persistentes en los sistemas de inteligencia artificial modernos: el “muro de memoria”. Aunque la arquitectura Blackwell B200 de NVIDIA representa una de las arquitecturas de GPU más avanzadas que se han creado hasta ahora, integrando aproximadamente 208 mil millones de transistores, su arquitectura sigue dependiendo de la memoria externa HBM3e y de conexiones de alta velocidad para poder escalar entre los diferentes clústeres.

Por el contrario, Cerebras’ WSE-3 utiliza un enfoque completamente diferente. En lugar de dividir las cargas de trabajo entre varios procesadores independientes, la empresa coloca toda la capacidad de computación relacionada con el ámbito de la inteligencia artificial en un único chip de escala de wafers, que contiene aproximadamente 4 billones de transistores.

Mientras que la arquitectura Blackwell de NVIDIA ofrece un ancho de banda de alrededor de 8 TB/s en la memoria HBM externa por GPU, Cerebras destaca el enorme ancho de banda interno que permite su arquitectura SRAM a escala de wafer. Según análisis recientes…Morgan Stanley ResearchLa empresa afirma que su ancho de banda total en el chip es de la orden de petabytes por segundo. Esto reduce la dependencia de los clústeres GPU, que requieren una gran cantidad de conexiones para comunicarse entre sí. Además, esto minimiza las demoras asociadas al transporte de datos entre los aceleradores.

Cerebras ha demostrado que la latencia de inferencia es significativamente menor en ciertas cargas de trabajo que involucran el uso de modelos lingüísticos grandes. Sin embargo, las comparaciones directas varían considerablemente según el tamaño del lote de datos, la longitud del contexto y la configuración de servicio. La empresa sostiene que mantener los modelos completos dentro del chip puede ofrecer ventajas significativas para la inferencia de IA en tiempo real. Esto es especialmente importante cuando los modelos de próxima generación requieren intervalos de contexto cada vez más largos y una latencia de respuesta más baja.

La alianza con OpenAI y la carrera de inferencia

El creciente enfoque de la industria en el área de la inferencia ha ayudado a que Cerebras gane visibilidad entre los desarrolladores de inteligencia artificial.La informaciónSegún se informó anteriormente, OpenAI amplió su alianza con Cerebras, con el objetivo de obtener capacidades de inferencia a gran escala hasta el año 2028.

Aunque los detalles económicos del acuerdo aún no se han revelado, las estimaciones del sector indican que este arreglo podría valer decenas de miles de millones de dólares a lo largo de su duración. Lo más importante es que esta alianza demuestra que los principales laboratorios de inteligencia artificial buscan cada vez más la diversificación de sus estrategias, más allá de utilizar soluciones de infraestructura centradas en NVIDIA.

Para los desarrolladores de IA que operan sistemas agentes a gran escala, las consideraciones económicas son igualmente importantes que el rendimiento del sistema. Una menor latencia, menos sobrecarga en la red y una mejor eficiencia energética podrían convertirse en factores clave para la competitividad, a medida que el uso de la IA se expande a nivel mundial.

Arquitectura vs. Ecosistema

En última instancia, la rivalidad entre Cerebras y NVIDIA refleja un debate más amplio que está determinando el futuro de la infraestructura para la inteligencia artificial: la utilización de computadoras especializadas en escala de wafer, frente a arquitecturas GPU basadas en ecosistemas. Mientras que NVIDIA cuenta con ventajas competitivas gracias a CUDA, NVLink e integración de software a nivel de hiperescala, Cerebras Systems apuesta por una plataforma de inferencia en escala de wafer, lo que le permitirá ofrecer una mayor eficiencia y reducir las demoras en los trabajos de inteligencia artificial de próxima generación. En lugar de reemplazar directamente las GPU, Cerebras podría convertirse en una plataforma especializada para la inferencia, sirviendo a un segmento más específico del mercado de computación para la inteligencia artificial, pero sin duda será muy importante para ese segmento.