Cerebras Systems: как компания создаёт большие AI-чипы для обучения моделей

Представьте процессор размером с обеденную тарелку — именно так выглядит главный продукт Cerebras Systems. Пока большинство производителей чипов для искусственного интеллекта нарезают кремниевую пластину на сотни отдельных кристаллов, эта компания из Калифорнии пошла противоположным путём: она оставила пластину целой и превратила её в один гигантский процессор. Результат — самый большой чип в истории вычислений и системы, которые обучают языковые модели с триллионами параметров. Разберёмся, кто стоит за Cerebras Systems, как работает её технология, на чём компания зарабатывает и почему её называют одним из немногих реальных конкурентов NVIDIA.

Что такое Cerebras Systems и чем она известна

Cerebras Systems — частная технологическая компания из США, штаб-квартира которой расположена в Саннивейле, Калифорния, в сердце Кремниевой долины. Она проектирует специализированные процессоры и компьютерные системы для задач искусственного интеллекта — прежде всего для обучения больших нейронных сетей и их последующего применения (инференса).

Главное отличие Cerebras от других игроков рынка — подход wafer-scale, то есть «масштаб пластины». Стандартная кремниевая пластина диаметром 300 мм обычно разрезается на десятки или сотни отдельных чипов. Инженеры Cerebras вместо этого использовали всю площадь пластины как единый процессор. Это даёт несколько практических преимуществ: десятки тысяч вычислительных ядер оказываются на одном кристалле, обмен данными между ними происходит внутри чипа, а не через внешние соединения, а вся необходимая память размещается рядом с ядрами.

Благодаря этому системы Cerebras занимают отдельную нишу: обучение и обслуживание очень больших моделей без необходимости собирать кластеры из тысяч отдельных ускорителей. Там, где конкурентам нужны сложные фермы из сотен видеокарт и недели на её настройку, Cerebras предлагает компактное решение в виде одной или нескольких систем.

История Cerebras Systems: от основания до выхода на рынок

Компания Cerebras Systems была основана в 2016 году группой инженеров во главе с Эндрю Фельдманом. Фельдман — опытный предприниматель: ранее он возглавлял компанию SeaMicro, которая производила компактные энергоэффективные серверы и была приобретена AMD в 2012 году примерно за 334 миллионов долларов. После сделки Фельдман несколько лет работал в AMD, а затем вместе с коллегами — Гэри Лаутербахом, Майклом Джеймсом, Шоном Ли и Жаном-Филиппом Фрикером — взялся за новую амбициозную задачу.

Идея казалась почти безумной. В полупроводниковой отрасли десятилетиями господствовало правило: чем больше кристалл, тем ниже вероятность того, что он выйдет работоспособным, ведь любой дефект на кремнии разрушает чип. Из-за этого никто всерьёз не пытался создавать процессор из целой пластины со времён экспериментов 1980-х. Команда Cerebras решила проблему с помощью встроенной избыточности: на чипе есть запасные ядра и маршруты передачи данных, поэтому единичные дефекты не выводят систему из строя.

Несколько лет компания работала в «режиме тишины», не публикуя деталей разработки. Первый продукт — Wafer-Scale Engine (WSE) и систему CS-1 — было представлено в 2019 году. Чип имел более 400 тысяч ядер и 1,2 триллиона транзисторов, что на тот момент было безусловным рекордом. Изготовление пластин компания поручила тайваньскому гиганту TSMC, который остаётся её производственным партнёром.

Далее события развивались быстро:

• 2020 год — первые коммерческие развёртывания, в частности в национальных лабораториях США;
• 2021 год — чип WSE-2 и система CS-2 с 850 тысячами ядер; привлечение большого раунда инвестиций, после которого оценка компании превысила 4 миллиарда долларов;
• 2022 год — запуск Andromeda, суперкомпьютера с 13,5 миллиона ядер для научных учреждений;
• 2024 год — анонс WSE-3 с 4 триллионами транзисторов и запуск облачного сервиса инференса; подача заявки на выход на биржу (IPO);
• 2025 год — проведение IPO и листинг акций на Nasdaq.

Таким образом, менее чем за десятилетие компания прошла путь от смелой инженерной идеи до публичной компании с изделиями, которые используют правительственные лаборатории, фармацевтические корпорации и технологические гиганты. Подобный переход от частного стартапа к публичному игроку наглядно показывает, как меняются бизнес модели известных компаний: как устроены платформы ритейл в сегменте ИИ-чипов.

Как работает технология wafer-scale

Чтобы понять, как работает Cerebras Systems, стоит коротко разобраться в проблеме, которую она решает. Обучение большой языковой модели требует колоссальных объёмов вычислений, и ни один отдельный чип с ними не справляется. Поэтому индустрия собирает кластеры: сотни и тысячи GPU соединяют между собой сетевыми коммутаторами, а затем долго распределяют модель между ними. Значительная часть времени и энергии при этом уходит не на вычисления, а на пересылку данных между ускорителями. Программистам приходится писать сложный код для параллельной работы, а инженерам — отлаживать распределённые системы.

Подход Cerebras иной. Поскольку весь процессор — это одна пластина, на ней помещаются сотни тысяч ядер и десятки гигабайт сверхбыстрой памяти SRAM. Пропускная способность обмена данными внутри кристалла на порядки выше, чем между отдельными чипами. Практическое следствие: модель с десятками миллиардов параметров может тренироваться на одной системе без распараллеливания, а разработчик работает с ней почти так же, как с ноутбуком — пишет код на PyTorch, а компилятор Cerebras сам распределяет вычисления по ядрам.

Форм-фактор тоже продуман. Система CS-3 занимает примерно треть стандартной серверной стойки, тогда как кластер с аналогичной эффективной производительностью на GPU потребовал бы многих стоек оборудования, сотен кабелей и мощной сетевой инфраструктуры. Для моделей, которые всё же не помещаются во внутреннюю память чипа, компания разработала технологию MemoryX — внешнюю память, позволяющую работать с моделями на триллионы параметров, и SwarmX — соединение нескольких систем в кластер. Схожие изменения на рынке серверного оборудования отражает історія Supermicro.

Поколения чипов WSE

Каждое поколение примерно удваивало ключевые характеристики, а количество транзисторов в WSE-3 в десятки раз превышает показатели самых больших GPU того же периода.

Обучение и инференс

Изначально Cerebras позиционировалась исключительно как платформа для обучения моделей, но с 2024 года компания активно развивает сервис инференса — быстрой генерации ответов уже обученными моделями. Большой объём встроенной памяти позволяет её чипам обходить узкое место большинства GPU — ограниченную пропускную способность внешней памяти HBM. В ряде независимых тестов системы Cerebras демонстрировали рекордную скорость генерации токенов для открытых языковых моделей, что особенно важно для приложений реального времени: голосовых ассистентов, агентных систем и интерактивных сервисов.

Бизнес-модель Cerebras Systems

Бизнес-модель Cerebras Systems опирается на три взаимодополняющих источника дохода, и понимание этого баланса объясняет стратегию компании.

Первое направление — продажа оборудования. Системы CS покупают организации, которые хотят иметь собственную инфраструктуру для AI: правительственные лаборатории, исследовательские центры, крупные корпорации. Среди известных клиентов — Аргоннская национальная лаборатория и Ливерморская национальная лаборатория в США, фармацевтическая компания GlaxoSmithKline, энергетические корпорации. Такие сделки велики по сумме, но цикл продажи длительный, а клиентов немного.

Второе направление — облачные сервисы. Cerebras предлагает доступ к своим системам по модели AI-as-a-Service: заказчик не покупает железо, а арендует вычислительные мощности или оплачивает инференс по количеству обработанных токенов. Это открывает технологию для стартапов и команд, которым не по карману покупка системы за миллионы долларов, и даёт компании регулярный повторяющийся доход.

Третье направление — стратегические партнёрства. Самый показательный пример — многолетнее сотрудничество с эмиратской технологической группой G42, которая заказала у Cerebras несколько крупных суперкомпьютеров Condor Galaxy общей стоимостью сотни миллионов долларов. Такие контракты обеспечили значительную часть выручки компании, хотя одновременно создали зависимость от малого круга ключевых заказчиков — этот риск Cerebras открыто описывала в документах перед IPO.

Важный нюанс: Cerebras — это fabless-компания, то есть она не имеет собственных заводов. Пластины для неё производит TSMC, а Cerebras концентрируется на архитектуре, системном дизайне и программном обеспечении. Это снижает капитальные затраты, но создаёт зависимость от одного производственного партнёра.

Кто владельцы Cerebras Systems

До выхода на биржу Cerebras Systems принадлежала основателям, сотрудникам и венчурным инвесторам. Компания прошла несколько крупных раундов финансирования, в которых участвовали фонды Benchmark, Foundation Capital, Eclipse Ventures, Alpha Wave Ventures, Abu Dhabi Growth Fund, а также стратегические инвесторы — в частности OpenAI во главе с Сэмом Альтманом, который вложился в компанию ещё на ранних этапах лично.

После IPO на Nasdaq право собственности распределилось между основателями, фондами-инвесторами и публичными акционерами. Генеральным директором остаётся сооснователь Эндрю Фельдман. Точное текущее распределение долей меняется с торгами, поэтому актуальную структуру собственности стоит проверять по регуляторным отчётам компании — единого контрольного владельца, который бы полностью владел Cerebras, не существует.

Страна происхождения компании — США, и это имеет практическое значение: американское происхождение упрощает ей работу с правительственными заказчиками и оборонными программами, которые закрыты для иностранных поставщиков.

Конкуренция с NVIDIA и место на рынке AI-чипов

Рынок ускорителей для искусственного интеллекта фактически контролирует NVIDIA, чья доля в сегменте AI-обучения оценивается в подавляющее большинство продаж. Против такого гиганта выступают несколько категорий конкурентов: AMD с ускорителями Instinct, Google с собственными TPU, Amazon с чипами Trainium, а также ряд стартапов — Graphcore, SambaNova, Groq и другие.

На этом фоне Cerebras выбрала стратегию не фронтальной атаки, а дифференциации. Она не пытается заменить GPU везде, а предлагает лучшее решение для конкретных сценариев:

• обучение больших моделей без сложного распараллеливания между тысячами GPU;
• сверхбыстрый инференс в реальном времени благодаря большой встроенной памяти;
• компактность и более низкое энергопотребление на единицу полезной работы в отдельных задачах;
• простота для команд без инженеров по распределённым системам.

В то же время у подхода есть и объективные ограничения. Экосистема NVIDIA с программной платформой CUDA развивалась почти двадцать лет, и большинство инструментов, библиотек и специалистов ориентированы именно на неё. Оборудование Cerebras стоит дорого, совместимо не со всеми типами моделей и требует адаптации рабочих процессов. Кроме того, зависимость от TSMC как единственного производителя делает компанию уязвимой к сбоям в цепочке поставок. Поэтому реалистичный сценарий для рынка — не полная замена GPU, а сосуществование: Cerebras занимает ниши, где её архитектура даёт максимальное преимущество.

Где используют системы Cerebras

Применение систем Cerebras выходит далеко за пределы чат-ботов. В национальных лабораториях США они работают над научными моделированиями — от физики материалов до климатических расчётов, где большие нейронные сети дополняют классические вычисления. Фармацевтические компании используют их для ускорения поиска лекарственных молекул: модели анализируют огромные химические пространства, и сокращение времени обучения с недель до дней напрямую влияет на скорость исследований.

В области генеративного AI системы Cerebras обучали большие открытые модели, а облачный инференс компании обслуживает приложения, где критична скорость ответа. Энергетические корпорации, в частности TotalEnergies, применяли CS-системы для сейсмического анализа и моделирования недр. Отдельное направление — государственные программы: суперкомпьютеры Condor Galaxy, построенные для G42, относятся к самым мощным AI-системам в мире.

Что стоит знать перед оценкой компании

Если вы рассматриваете Cerebras как потенциальную технологию, партнёра или объект инвестиций, держите в голове несколько практических тезисов. Во-первых, это реальная инженерная компания с уникальной запатентованной технологией, а не очередной стартап, переупаковывающий чужие GPU. Во-вторых, её выручка исторически сильно зависела от нескольких крупных клиентов, поэтому новости о контрактах влияют на оценку бизнеса сильнее, чем у компаний с широкой клиентской базой. В-третьих, рынок AI-чипов меняется быстро: технические характеристики и сравнения производительности устаревают за год-два, поэтому любые цифры стоит сверять со свежими данными.

Наконец, выбор между Cerebras и GPU-инфраструктурой — это всегда расчёт под конкретную задачу: размер модели, бюджет, наличие инженерной команды и требования к скорости. Универсального победителя здесь нет, и именно это делает конкуренцию на рынке AI-чипов интересной для наблюдения.