IPO da Cerebras visa US$ 115–125 por ação em meio à mudança de inferência de IA da Nvidia

A Cerebras Systems começará a apresentar suas ações aos investidores na segunda-feira, com planos de vender ações por algum valor entre US$ 115 e US$ 125 cada, de acordo com uma pessoa com conhecimento dos planos que falou à Reuters.

A fabricante de chips de inteligência artificial está tentando abrir seu capital pela segunda vez. A empresa cancelou sua primeira tentativa em outubro do ano passado.

Cerebras reportou resultados financeiros mais fortes para o ano encerrado em 31 de dezembro. A empresa obteve receita de US$ 510 milhões, um aumento em relação aos US$ 290,3 milhões do ano anterior. Ela também teve um lucro de US$ 1,38 por ação, em comparação com uma perda de US$ 9,90 por ação no ano anterior.

Morgan Stanley, Citigroup, Barclays e UBS estão administrando a venda de ações.

A indústria está passando por uma mudança

A estratégia da Cerebras não é aleatória. A indústria de IA está passando por uma mudança do desenvolvimento de novos modelos de IA para a execução deles para uso real. Essa mudança é uma oportunidade de ouro para pequenas empresas que competem com o monopólio da Nvidia (NASDAQ: NVDA). Como relatado pela Cryptopolitan, até mesmo a OpenAI não está convencida pelo hardware de inferência da Nvidia.

Isso ocorre porque a execução de modelos de IA, conhecida como inferência, requer capacidades diferentes do que o treinamento deles. Isso cria oportunidades para fabricantes de chips especializados encontrarem seu lugar no mercado. Processar grandes lotes de informações exige um equilíbrio diferente de poder de computação, memória e velocidades de transferência de dados do que executar um chatbot de IA ou um assistente de codificação.

Essa variedade de requisitos tornou o mercado de inferência mais diverso. Algumas tarefas funcionam melhor em chips gráficos tradicionais, enquanto outras precisam de equipamentos mais avançados.

A compra da Groq pela Nvidia em dezembro passado por US$ 20 bilhões mostra como isso está acontecendo. A Groq construiu chips repletos de memória SRAM rápida que podiam processar respostas de IA mais rápido do que os chips gráficos padrão. Mas a empresa teve dificuldades para escalar porque seus chips tinham poder de computação limitado e eram construídos com tecnologia mais antiga.

A Nvidia resolveu esse problema dividindo o trabalho. Ela usa seus chips gráficos regulares para a parte pesada de computação da geração de respostas de IA, chamada de prefill, enquanto usa os chips da Groq para a etapa de decodificação mais rápida, que requer menos computação, mas precisa de acesso rápido aos dados.

Outras grandes empresas estão fazendo algo semelhante. A Amazon Web Services anunciou seu próprio sistema dividido logo após uma grande conferência de tecnologia. Ela combina seus chips Trainium personalizados para trabalho de prefill com os chips do tamanho de wafer da Cerebras para operações de decodificação.

A Intel também entrou na disputa, revelando planos de combinar chips gráficos com processadores de outra startup chamada SambaNova. Os chips gráficos lidarão com o prefill, enquanto os chips da SambaNova lidarão com a decodificação.

A maioria das menores empresas de chips encontrou sucesso com o trabalho de decodificação. A memória SRAM não armazena muitas informações, mas é extremamente rápida. Com muitos chips, ou um chip muito grande como o que a Cerebras fabrica, esses sistemas se destacam em tarefas de decodificação. Mas as empresas não estão parando por aí.

Novas tecnologias desafiam a abordagem de chips divididos

A Lumai, outra startup, anunciou nesta semana que construiu um chip que usa luz em vez de eletricidade para as operações matemáticas no núcleo do trabalho de IA. Essa abordagem usa muito menos energia do que os chips tradicionais.

A empresa espera que seus futuros sistemas Iris Tetra entreguem um desempenho de IA de exaOPS enquanto usam apenas 10 quilowatts de energia até 2029.

Os chips combinam componentes baseados em luz e elétricos, mas a luz cuida da maior parte do trabalho durante a inferência. A Lumai planeja usar esses chips primeiro como substitutos independentes para chips gráficos em trabalhos de processamento em lote. Mais tarde, a empresa quer usá-los também para trabalho de prefill.

Nem todo mundo acha que dividir o trabalho entre diferentes chips faz sentido. A Tenstorrent lançou esta semana seus sistemas Galaxy Blackhole, e o CEO Jim Keller criticou a abordagem.

“Cada empresa da indústria está se unindo para construir o acelerador do acelerador do acelerador. As CPUs executam código. As GPUs aceleram as CPUs. As TPUs aceleram as GPUs. As LPUs aceleram as TPUs. E assim por diante. Isso leva a soluções complexas que provavelmente não serão compatíveis com mudanças nos modelos e usos de IA. Na Tenstorrent, pensamos que algo mais geral e simples funcionaria”, disse Keller.