Как Cerebras Systems Превратила Почти Крах В $60‑Млрд Компании: История Миллиардеров И Гигантского Ai‑Чипа

Ключевые выводы

• В 2019 году Cerebras потратила почти $200 млн, пытаясь решить проблему упаковки гигантского чипа — это почти ставило компанию на границу банкротства.
• После собственного решения проблем с охлаждением и соединениями, компания провела успешный IPO в мае 2026 года, оценка превысила $60 млрд.
• OpenAI сейчас является крупным клиентом и инвестором, а условия сделки ограничивают продажу чипов конкурентам, например Anthropic.

Cerebras Systems прошла путь от «горящего» бюджета к лидеру AI‑вычислений, доказывая, что даже самые смелые идеи могут выйти из‑подавления, если не сдаваться.

Почему компания почти сгорела на старте

В 2019‑м году, когда Cerebras Systems была трехлетним стартапом, её команда потратила около $8 млн в месяц. По собственным словам CEO Эндрю Фелдмана, к середине года уже «сожгли» почти $200 млн в попытках решить техническую задачу, о которой большинство полупроводниковых производителей говорили, что её решить невозможно.

Главная преграда – упаковка (packaging). После производства огромного кристалла из одного вафера (WA) команда должна была прикрепить его к плате, обеспечить подачу питания, эффективно отводить тепло и построить каналы для передачи данных. Никаких готовых решений не существовало: ни тепловых радиаторов, ни производителей, способных «притянуть» такой массивный чип к материнской плате без поломки.

В результате команда создавала прототипы «на лету», разрушая десятки дорогостоящих чипов, пока не нашла рабочий процесс. Один из самых ярких примеров – машина, которую они сконструировали, способна одновременно закрутить 40 винтов, фиксируя кристалл без трещин.

Творческий прорыв: от «не работало» к работающему чипу

После нескольких лет экспериментов, в июле 2019 года, инженеры наконец‑то собрали полностью упакованный чип, включили питание и увидели мигающие индикаторы. По словам Фелдмана, команда просто «стояла в лаборатории и смотрела на светящиеся лампы», понимая, что сделали то, что никто ранее не смог.

Эта победа имела несколько эффектов:

• Она подтвердила, что идея монолитного AI‑чипа работоспособна.
• Открыла путь к более масштабным инвестициям и партнёрствам.
• Продемонстрировала, что проблемы упаковки можно решить собственными инженерными решениями, а не ждать сторонних поставщиков.

От стартапа к публичной компании: IPO 2026 года

Сразу после технического успеха, инвесторы начали проявлять интерес. В мае 2026 года компания провела «блокбастер‑IPO», собрав $5,5 млрд. Оценка после первой торговой сессии превысила $60 млрд, а два сооснователя стали миллиардерами.

Сейчас Cerebras продаёт свои AI‑чипы крупным клиентам, среди которых OpenAI и AWS. Чипы‑гиганты позволяют ускорить инференс‑вычисления, снижая затраты энергии и повышая пропускную способность по сравнению с традиционными GPU‑кластерами.

Связи с OpenAI: от почти‑приобретения к партнёрству

В 2022‑м году OpenAI действительно рассматривала возможность покупки Cerebras, но внутренние разногласия среди учредителей закрыли эту сделку. Сейчас OpenAI – один из крупнейших клиентов и инвесторов. По документам S‑1, компания одолжила Cerebras около $1 млрд, обеспеченных варрантами, которые могут превратиться в более 33 млн акций (оценка более $9 млрд по текущей цене).

В рамках сделки OpenAI получил право эксклюзивного доступа к технологиям Cerebras, а компания согласилась временно не продавать чипы конкурентам, в частности Anthropic. Фелдман подчёркивает, что это ограничение «временное», а цель – обеспечить достаточную мощность для OpenAI, пока Cerebras расширяется.

Технологический контекст: зачем нужен гигантский чип?

Традиционные процессоры ускоряют вычисления, добавляя всё больше транзисторов на один вафер. Но для современных моделей ИИ (сотни миллиардов параметров) требуется огромная пропускная способность между ядрами. Когда несколько обычных чипов «склеивают» в кластер, возникают потери при передаче данных.

Существует два основных преимущества монолитного WA‑чипа:

• Уменьшение задержек. Данные перемещаются внутри одного кристалла, а не через внешние шины.
• Эффективность энергопотребления. Один большой кристалл потребляет меньше энергии, чем десятки небольших.

Эти плюсы делают такие чипы привлекательными для компаний, которые работают с крупномасштабными трансформерами в режиме реального времени.

Планы на будущее: от «буфетного» подхода к целенаправленной стратегии

Фелдман сравнивает рынок AI‑вычислений с «шведским столом». Вместо того чтобы пытаться обслужить всех сразу, Cerebras фокусируется на ограниченном наборе крупных клиентов, оттачивая технологию и обеспечивая высокую надёжность. После того как компания «разогреет» свой «буфет», она планирует расширяться на новых игроков, включая стартапы и университеты.

Ключевой вопрос остаётся открытым: сможет ли компания масштабировать производство, чтобы удовлетворить растущий спрос от компаний, таких как Google, Meta* и Alibaba? Пока — ответ «да», но только если они сохранят гибкость в упаковке и смогут быстро адаптировать новые технологические узлы от TSMC.

Справка

Cerebras Systems – американская компания, основанная в 2015 году в Лос‑Анджелесе. Разрабатывает «Wafer‑Scale Engine» (WSE) – чип, размером с целый вафер, предназначенный для ускорения инференса и обучения ИИ‑моделей.

Andrew Feldman – сооснователь и CEO Cerebras. До этого был соучредителем SeaMicro, проданного AMD за $334 млн в 2012 году. Известен своим прагматичным подходом к решению инженерных проблем.

OpenAI – исследовательская организация, создатель ChatGPT и DALL·E. Инвестировала в Cerebras $1 млрд, получив варранты на более 33 млн акций.

AWS (Amazon Web Services) – крупнейший облачный провайдер, использует AI‑чипы Cerebras для ускорения сервисов машинного обучения.

TSMC (Taiwan Semiconductor Manufacturing Company) – главный контрактный производитель полупроводников, производит Wafer‑Scale Engine для Cerebras на своих передовых технологических линиях.

Cerebras показала, что даже самые рискованные инженерные идеи могут принести огромные результаты, если не бояться экспериментировать и учиться на ошибках. Их путь от почти полного сжигания бюджета до $60 млрд оценки – хороший пример того, как упорство меняет правила игры в AI‑индустрии.