Cerebras-IPO zielt auf 115–125 US-Dollar pro Aktie im Zuge des KI-Inferenzwechsels von Nvidia

Cerebras Systems wird am Montag beginnen, seine Aktien an Investoren zu vermarkten, mit Plänen, Aktien zu einem Preis zwischen 115 und 125 US-Dollar pro Stück zu verkaufen, so eine mit den Plänen vertraute Person gegenüber Reuters.

Der KI-Chiphersteller versucht, zum zweiten Mal öffentlich zu werden. Das Unternehmen zog seinen ersten Versuch im Oktober letzten Jahres zurück.

Cerebras meldete stärkere Finanzergebnisse für das am 31. Dezember endende Jahr. Das Unternehmen erzielte Einnahmen in Höhe von 510 Millionen US-Dollar, ein Anstieg von 290,3 Millionen US-Dollar im Vorjahr. Es erzielte auch einen Gewinn von 1,38 US-Dollar pro Aktie, im Vergleich zu einem Verlust von 9,90 US-Dollar pro Aktie im Vorjahr.

Morgan Stanley, Citigroup, Barclays und UBS bearbeiten den Aktienverkauf.

Die Branche macht einen Wandel

Cerebras‘ Strategie ist nicht zufällig. Die KI-Branche macht einen Wandel von der Entwicklung neuer KI-Modelle hin zu deren tatsächlicher Nutzung durch. Dieser Wandel ist eine goldene Chance für kleine Unternehmen, die mit Nvidias (NASDAQ: NVDA) Monopol konkurrieren. Wie von Cryptopolitan berichtet, ist selbst OpenAI von Nvidias Inferenz-Hardware nicht überzeugt.

Dies liegt daran, dass das Ausführen von KI-Modellen, bekannt als Inferenz, andere Fähigkeiten erfordert als deren Training. Dies schafft Möglichkeiten für spezialisierte Chiphersteller, ihre Nische auf dem Markt zu finden. Die Verarbeitung großer Datenmengen erfordert eine andere Balance aus Rechenleistung, Speicher und Datenübertragungsgeschwindigkeiten als das Ausführen eines KI-Chatbots oder Code-Assistenten.

Diese Vielfalt an Anforderungen hat den Inferenzmarkt vielfältiger gemacht. Einige Aufgaben funktionieren besser auf herkömmlichen Grafikchips, während andere fortschrittlichere Ausrüstung benötigen.

Nvidias Kauf von Groq im vergangenen Dezember für 20 Milliarden US-Dollar zeigt, wie sich dies entwickelt. Groq baute Chips, die mit schnellem SRAM-Speicher gepackt waren und KI-Antworten schneller verarbeiten konnten als Standard-Grafikchips. Das Unternehmen hatte jedoch Schwierigkeiten, zu skalieren, da seine Chips über begrenzte Rechenleistung verfügten und auf älterer Technologie basierten.

Nvidia löste dieses Problem, indem es die Arbeit aufteilte. Es verwendet seine regulären Grafikchips für den rechenintensiven Teil der Generierung von KI-Antworten, genannt Prefill, während es Groqs Chips für den schnelleren Decode-Schritt verwendet, der weniger Rechenleistung benötigt, aber schnellen Datenzugriff erfordert.

Andere große Unternehmen tun etwas Ähnliches. Amazon Web Services kündigte kurz nach einer großen Tech-Konferenz sein eigenes Split-System an. Es kombiniert seine benutzerdefinierten Trainium-Chips für Prefill-Arbeiten mit Cerebras‘ wafergroßen Chips für Decode-Operationen.

Intel stieg ebenfalls ein und enthüllte Pläne, Grafikchips mit Prozessoren eines anderen Startups namens SambaNova zu kombinieren. Die Grafikchips werden Prefill übernehmen, während SambaNovas Chips Decode bewältigen.

Die meisten kleineren Chipunternehmen haben mit Decode-Arbeiten Erfolg gefunden. SRAM-Speicher hält nicht viel Information, ist aber extrem schnell. Mit genügend Chips oder einem sehr großen Chip wie dem, den Cerebras herstellt, sind diese Systeme hervorragend in Decode-Aufgaben. Aber die Unternehmen hören nicht dort auf.

Neue Technologien herausfordern Split-Chip-Ansatz

Lumai, ein weiteres Startup, kündigte diese Woche an, einen Chip gebaut zu haben, der Licht statt Strom für die mathematischen Operationen im Kern von KI-Arbeiten verwendet. Dieser Ansatz verbraucht viel weniger Energie als herkömmliche Chips.

Das Unternehmen erwartet, dass seine kommenden Iris-Tetra-Systeme bis 2029 eine exaOPS-KI-Leistung bei nur 10 Kilowatt Stromverbrauch liefern.

Die Chips mischen lichtbasierte und elektrische Komponenten, aber Licht übernimmt den Großteil der Arbeit während der Inferenz. Lumai plant, diese Chips zunächst als eigenständige Ersatzteile für Grafikchips in Batch-Verarbeitungsaufgaben zu verwenden. Später möchte das Unternehmen sie auch für Prefill-Arbeiten verwenden.

Nicht jeder hält es für sinnvoll, die Arbeit zwischen verschiedenen Chips aufzuteilen. Tenstorrent hat diese Woche seine Galaxy-Blackhole-Systeme herausgebracht, und CEO Jim Keller kritisierte den Ansatz.

„Jedes Unternehmen in der Branche geht Partnerschaften ein, um den Beschleuniger-Beschleuniger-Beschleuniger zu bauen. CPUs führen Code aus. GPUs beschleunigen CPUs. TPUs beschleunigen GPUs. LPUs beschleunigen TPUs. Und so weiter. Dies führt zu komplexen Lösungen, die wahrscheinlich nicht mit Änderungen in KI-Modellen und -Anwendungen kompatibel sind. Bei Tenstorrent dachten wir, dass etwas Allgemeineres und Einfacheres funktionieren würde“, sagte Keller.