L'IPO di Cerebras mira a 115-125 dollari per azione nel contesto dello spostamento verso l'inferenza AI rispetto a Nvidia

Cerebras Systems inizierà a proporre le proprie azioni agli investitori lunedì, con l'intenzione di vendere le quote a un prezzo compreso tra 115 e 125 dollari ciascuna, secondo una fonte a conoscenza dei piani che ha parlato con Reuters.

Il produttore di chip per l'intelligenza artificiale sta cercando di quotarsi in borsa per la seconda volta. L'azienda aveva ritirato il suo primo tentativo nell'ottobre dello scorso anno.

Cerebras ha comunicato risultati finanziari più solidi per l'anno chiuso il 31 dicembre. L'azienda ha generato 510 milioni di dollari di ricavi, un aumento rispetto ai 290,3 milioni dell'anno precedente. Ha inoltre registrato un utile di 1,38 dollari per azione, a fronte di una perdita di 9,90 dollari per azione nell'esercizio precedente.

Morgan Stanley, Citigroup, Barclays e UBS gestiscono l'emissione azionaria.

Il settore sta subendo un cambiamento

La strategia di Cerebras non è casuale. Il settore dell'IA sta passando dallo sviluppo di nuovi modelli all'esecuzione di questi ultimi per l'utilizzo effettivo. Questo cambiamento rappresenta un'opportunità d'oro per le piccole aziende in competizione con il monopolio di Nvidia (NASDAQ: NVDA). Come riportato da Cryptopolitan, persino OpenAI non è convinta dall'hardware di inferenza di Nvidia.

Questo perché l'esecuzione di modelli di IA, nota come inferenza, richiede capacità diverse rispetto all'addestramento. Ciò crea opportunità per i produttori specializzati di chip di ritagliarsi uno spazio nel mercato. Elaborare grandi batch di informazioni richiede un diverso equilibrio tra potenza di calcolo, memoria e velocità di trasferimento dati rispetto all'esecuzione di un chatbot o di un assistente per la programmazione.

Questa varietà di requisiti ha reso il mercato dell'inferenza più diversificato. Alcuni compiti funzionano meglio su chip grafici tradizionali, mentre altri richiedono attrezzature più avanzate.

L'acquisizione di Groq da parte di Nvidia lo scorso dicembre per 20 miliardi di dollari dimostra come si stia evolvendo la situazione. Groq ha realizzato chip dotati di memoria SRAM ad alta velocità in grado di elaborare le risposte dell'IA più velocemente dei normali chip grafici. Tuttavia, l'azienda ha faticato a scalare la produzione perché i suoi chip avevano una potenza di calcolo limitata ed erano costruiti su tecnologie più datate.

Nvidia ha risolto questo problema dividendo il lavoro. Utilizza i propri chip grafici standard per la parte di calcolo intensivo della generazione delle risposte dell'IA, chiamata prefill, mentre impiega i chip di Groq per la fase di decodifica più rapida, che richiede meno potenza di calcolo ma necessita di un accesso ai dati molto veloce.

Altre grandi aziende stanno adottando un approccio simile. Amazon Web Services ha annunciato il proprio sistema di separazione poco dopo una importante conferenza tecnologica. Combina i suoi chip Trainium personalizzati per le operazioni di prefill con i chip wafer-sized di Cerebras per le operazioni di decode.

Anche Intel si è unita, rivelando piani per abbinare chip grafici a processori di un'altra startup chiamata SambaNova. I chip grafici gestiranno il prefill, mentre i chip di SambaNova si occuperanno del decode.

La maggior parte delle aziende di chip più piccole ha ottenuto successo nel lavoro di decodifica. La memoria SRAM non immagazzina grandi quantità di dati, ma è estremamente veloce. Con un numero sufficiente di chip o un singolo chip molto grande come quello prodotto da Cerebras, questi sistemi eccellono nei compiti di decodifica. Tuttavia, le aziende non si fermano qui.

Nuove tecnologie mettono in discussione l'approccio split-chip

Lumai, un'altra startup, ha annunciato questa settimana di aver realizzato un chip che utilizza la luce invece dell'elettricità per le operazioni matematiche alla base dei lavori AI. Questo approccio richiede molta meno energia rispetto ai chip tradizionali.

L'azienda prevede che i futuri sistemi Iris Tetra forniscano prestazioni AI pari a un exaOPS utilizzando solo 10 kilowatt di potenza entro il 2029.

I chip combinano componenti basati sulla luce e elettrici, ma durante l'inference la luce gestisce la maggior parte del lavoro. Lumai intende utilizzare questi chip inizialmente come sostituti autonomi per i chip grafici nei job di batch processing. In seguito, l'azienda vuole impiegarli anche per il lavoro di prefill.

Non tutti ritengono sensato dividere il lavoro tra diversi chip. Tenstorrent ha lanciato questa settimana i suoi sistemi Galaxy Blackhole, e il CEO Jim Keller ha criticato questo approccio.

“Ogni azienda del settore si sta unendo per costruire l'acceleratore dell'acceleratore. Le CPU eseguono il codice. Le GPU accelerano le CPU. Le TPU accelerano le GPU. Le LPU accelerano le TPU. E così via. Questo porta a soluzioni complesse che difficilmente saranno compatibili con i cambiamenti nei modelli e negli utilizzi di AI. A Tenstorrent, abbiamo pensato che qualcosa di più generale e semplice avrebbe funzionato”, ha dichiarato Keller.