CerebrasのIPOは、NvidiaからAI推論の分野が移行する中で、1株あたり115～125ドルを目標としている。

ロイター通信が取材した関係者によると、セレブラス・システムズは月曜日から投資家向けに株式の販売を開始し、1株あたり115ドルから125ドルの間で売却する予定だという。.

人工知能チップメーカーである同社は、2度目の株式公開を目指している。同社は昨年10月に最初の株式公開を断念した。.

Cerebras社 を発表した。tron同社の売上高は5億1000万ドルとなり、前年の2億9030万ドルから大幅に増加した。また、1株当たり利益は1.38ドルとなり、前年の1株当たり9.90ドルの損失から黒字転換した。

モルガン・スタンレー、シティグループ、バークレイズ、UBS 担当する 株式売却を

業界は変化しつつある

Cerebrasの戦略は偶然ではない。AI業界は、新しいAIモデルの開発から、それらを実際に活用する段階へと移行しつつある。この移行は、Nvidia（NASDAQ: NVDA）の独占に対抗する中小企業にとって絶好の機会となる。Cryptopolitanの報道によると CryptopolitanOpenAIでさえ 納得していないという 。

これは、AIモデルの実行（推論）​​には、学習とは異なる能力が必要となるためです。このため、専門のチップメーカーが市場で独自の地位を確立する機会が生まれます。大量の情報を処理するには、AIチャットボットやコーディングアシスタントを実行する場合とは異なる、計算能力、メモリ、データ転送速度のバランスが求められます。.

こうした要求の多様性により、推論市場はより多様化している。一部のタスクは従来のグラフィックスチップでより効率的に処理できる一方、他のタスクはより高度な機器を必要とする。.

昨年12月にNvidiaがGroqを200億ドルで買収したことは、この流れを如実に示している。Groqは、標準的なグラフィックチップよりも高速なAI応答処理が可能な、高速SRAMメモリを搭載したチップを製造していた。しかし、同社のチップは処理能力が限られており、旧式の技術に基づいていたため、規模拡大に苦戦していた。.

Nvidiaはこの問題を、作業を分割することで解決しました。AI応答を生成する際の計算負荷の高い部分（プリフィルと呼ばれる）には、Nvidiaの通常のグラフィックスチップを使用し、計算負荷は少ないものの高速なデータアクセスが必要なデコード処理には、Groqのチップを使用しています。.

他の大手企業も同様の取り組みを行っている。Amazon Web Servicesは、主要な技術カンファレンスの直後に独自の分割システムを発表した。これは、プリフィル処理に独自のTrainiumチップを使用し、デコード処理にCerebrasのウェハサイズチップを組み合わせたものだ。.

Intelもこの動きに加わり、SambaNovaという別のスタートアップ企業のプロセッサとグラフィックチップを組み合わせる計画を明らかにした。グラフィックチップはプリフィル処理を担当し、SambaNovaのチップはデコード処理を担当する。.

小規模なチップメーカーのほとんどは、デコード処理で成功を収めている。SRAMメモリは多くの情報を保持できないが、非常に高速だ。十分な数のチップ、あるいは Cerebras社 が製造するような非常に大きなチップがあれば、これらのシステムはデコード処理において優れた性能を発揮する。しかし、各社はそこで止まるつもりはない。

新技術が分割チップ方式に挑戦

別のスタートアップ企業であるLumaiは今週、AIの中核となる演算処理に電気ではなく光を用いるチップを開発したと発表した。この方式は、従来のチップに比べて消費電力が大幅に少ない。.

同社は、今後発売予定のIris Tetraシステムが、2029年までにわずか10キロワットの電力消費でエクサオプス級のAI性能を実現すると見込んでいる。.

これらのチップは光ベースの部品と電気部品を組み合わせているが、推論処理の大部分は光によって行われる。Lumai社はまず、これらのチップをバッチ処理におけるグラフィックチップの代替品として単独で使用する予定だ。将来的には、プリフィル処理にも利用したいと考えている。.

複数のチップに処理を分散させるというやり方が理にかなっていると考える人は皆ではない。Tenstorrentは今週、Galaxy Blackholeシステムを発表したが、CEOのジム・ケラー氏はそのアプローチを批判した。.

「業界のあらゆる企業が連携して、アクセラレータをさらに高速化する仕組みを構築しています。CPUはコードを実行し、GPUはCPUを高速化し、TPUはGPUを高速化し、LPUはTPUを高速化する、といった具合です。こうした複雑なソリューションは、AIモデルや用途の変化に対応できない可能性が高いです。Tenstorrentでは、より汎用的でシンプルなものがうまくいくと考えました」とケラー氏は語った。.