L'IPO de Cerebras vise 115 à 125 dollars par action dans le contexte du changement d'inférence de l'IA par rapport à Nvidia

Cerebras Systems commencera à présenter ses actions aux investisseurs lundi, avec l'intention de vendre des actions à un prix compris entre 115 et 125 dollars chacune, selon une personne au courant des plans qui a parlé à Reuters.

Le fabricant de puces d'intelligence artificielle tente de se coté en bourse pour la deuxième fois. L'entreprise avait retiré sa première tentative en octobre dernier.

Cerebras a annoncé de meilleurs résultats financiers pour l'année se terminant le 31 décembre. L'entreprise a généré 510 millions de dollars de revenus, en hausse par rapport aux 290,3 millions de dollars de l'année précédente. Elle a également réalisé un bénéfice de 1,38 dollar par action, comparativement à une perte de 9,90 dollars par action l'année précédente.

Morgan Stanley, Citigroup, Barclays et UBS gèrent la vente d'actions.

L'industrie opère un changement

La stratégie de Cerebras n'est pas aléatoire. L'industrie de l'IA opère un changement, passant du développement de nouveaux modèles d'IA à leur exécution pour un usage réel. Ce changement est une opportunité en or pour les petites entreprises en concurrence avec le monopole de Nvidia (NASDAQ: NVDA). Comme rapporté par Cryptopolitan, même OpenAI n'est pas convaincue par le matériel d'inférence de Nvidia.

Cela est dû au fait que l'exécution des modèles d'IA, connue sous le nom d'inférence, nécessite des capacités différentes de leur entraînement. Cela crée des opportunités pour les fabricants de puces spécialisées de trouver leur place sur le marché. Le traitement de grands lots d'informations nécessite un équilibre différent de la puissance de calcul, de la mémoire et des vitesses de transfert de données que l'exécution d'un chatbot IA ou d'un assistant de codage.

Cette variété de besoins a rendu le marché de l'inférence plus diversifié. Certaines tâches fonctionnent mieux sur des puces graphiques traditionnelles, tandis que d'autres nécessitent un équipement plus avancé.

L'achat de Groq par Nvidia en décembre dernier pour 20 milliards de dollars montre comment cela se déroule. Groq a construit des puces remplies de mémoire SRAM rapide capable de traiter les réponses IA plus rapidement que les puces graphiques standard. Mais l'entreprise a eu du mal à monter en échelle car ses puces avaient une puissance de calcul limitée et étaient construites sur une technologie plus ancienne.

Nvidia a résolu ce problème en répartissant le travail. Elle utilise ses puces graphiques classiques pour la partie intensive en calcul de la génération des réponses IA, appelée préremplissage (prefill), tout en utilisant les puces de Groq pour l’étape de décodage plus rapide, qui nécessite moins de puissance de calcul mais exige un accès rapide aux données.

D’autres grandes entreprises font quelque chose de similaire. Amazon Web Services a annoncé son propre système fractionné peu de temps après une grande conférence technologique. Il combine ses puces Trainium personnalisées pour le travail de préremplissage avec les puces de la taille d’une tranche de silicium de Cerebras pour les opérations de décodage.

Intel s’est également joint à l’effort, révélant des plans pour associer des puces graphiques à des processeurs d’une autre startup appelée SambaNova. Les puces graphiques géreront le préremplissage tandis que les puces de SambaNova s’occuperont du décodage.

La plupart des petites entreprises de puces ont connu le succès avec le travail de décodage. La mémoire SRAM ne contient pas beaucoup d'informations, mais elle est extrêmement rapide. Avec suffisamment de puces, ou une seule puce très grande comme Cerebras en fabrique, ces systèmes excellent dans les tâches de décodage. Mais les entreprises ne s'arrêtent pas là.

De nouvelles technologies remettent en question l’approche des puces fractionnées

Lumai, une autre startup, a annoncé cette semaine avoir développé une puce qui utilise la lumière au lieu de l’électricité pour les opérations mathématiques au cœur du travail d’IA. Cette approche consomme beaucoup moins d’énergie que les puces traditionnelles.

L’entreprise s’attend à ce que ses futurs systèmes Iris Tetra offrent une performance IA d’un exaOPS tout en utilisant seulement 10 kilowatts d’énergie d’ici 2029.

Les puces combinent des composants optiques et électriques, mais la lumière prend en charge la majeure partie du travail lors de l’inférence. Lumai prévoit d’utiliser ces puces d’abord comme remplacements autonomes des puces graphiques dans les tâches de traitement par lots. Plus tard, l’entreprise souhaite les utiliser également pour le travail de préremplissage.

Tout le monde ne pense pas qu’il soit judicieux de diviser le travail entre différentes puces. Tenstorrent a lancé cette semaine ses systèmes Galaxy Blackhole, et son PDG Jim Keller a critiqué cette approche.

« Chaque entreprise de l’industrie s’associe pour construire des accélérateurs. Les CPU exécutent du code. Les GPU accélèrent les CPU. Les TPU accélèrent les GPU. Les LPU accélèrent les TPU. Et ainsi de suite. Cela conduit à des solutions complexes qui sont peu susceptibles d’être compatibles avec les évolutions des modèles et des utilisations de l’IA. Chez Tenstorrent, nous pensions qu’une approche plus générale et plus simple fonctionnerait mieux », a déclaré Keller.