Un solo chip equivale a una bandeja, ¡la mayor IPO de un chip de IA en la historia! Cinco veteranos del sector apostaron durante diez años por la explosión de la potencia de cálculo en IA.

Normalmente, los chips de computadora que vemos suelen ser del tamaño de una uña, y las GPU caben en la palma de la mano. Sin embargo, una empresa llamada Cerebras, con sede en California, ha fabricado un chip comparable a un gran plato, con un diámetro superior a 200 milímetros, un área de 46.225 milímetros cuadrados e integrando cuatro billones de transistores.

Esta empresa salió a bolsa en Nasdaq el 14 de mayo de 2026, con un precio de emisión de 185 dólares, abriendo a 350 dólares y subiendo un 89% en su primer día, alcanzando una capitalización de mercado de 75.000 millones de dólares. De sus cinco cofundadores, cuatro provienen de SeaMicro, una compañía de servidores adquirida por AMD, y el quinto proviene del MIT. Comenzaron su trabajo de manera discreta en 2015 y, tras casi una década, ahora lideran la carrera de potencia computacional en IA con sus chips a nivel de oblea.

(Fuente: cerebras.ai)

El producto central de Cerebras se llama Wafer Scale Engine (WSE), que ya va por la tercera generación, WSE-3. En la fabricación tradicional de chips, una oblea se corta en cientos de chips pequeños,Cerebras toma el enfoque opuesto: no la corta, sino que fabrica todo el chip a partir de una sola oblea.En esta oblea se integran 84 núcleos virtuales, cada uno con aproximadamente 10,700 núcleos, alcanzando un total de 900.000 núcleos de procesamiento en todo el chip.

Estos núcleos se conectan mediante una red bidimensional en chip (2D mesh). Cada núcleo tiene un router de cinco puertos, permitiendo transferencia de datos en cuatro direcciones y operaciones de lectura/escritura localmente. El ancho de banda de memoria en todo el chip alcanza 21 petabytes por segundo, y el ancho de banda en red en chip es de 214 petabytes por segundo.

(Fuente: cerebras.ai)

El chip WSE-3 se fabrica con tecnología de 5 nanómetros de TSMC. Cada núcleo de procesamiento tiene un área de unos 38.000 micrómetros cuadrados, de los cuales la mitad corresponde a SRAM local de 48KB y la otra mitad a lógica. En total, el chip cuenta con 44GB de SRAM. Toda la memoria se distribuye junto a los núcleos y los datos viajan solo decenas de micrómetros desde la memoria al procesamiento, sin necesidad de usar memoria externa HBM de alto ancho de banda como las GPU tradicionales. Cerebras afirma que, a igualdad de área de silicio, su ancho de banda de memoria es unas 200 veces el de una GPU.

(Fuente: cerebras.ai)

Esta arquitectura es especialmente adecuada para manejar la dispersión no estructurada típica de las redes neuronales. Las GPU tradicionales procesan todos los datos aunque los pesos sean cero. Cerebras, en cambio, filtra los datos con valor cero en el lado emisor y solo transmite los valores distintos de cero al núcleo de procesamiento correspondiente a través de la red en chip.Cada paquete de datos lleva 16 bits de datos más 16 bits de información de control; el núcleo receptor, al recibirlos, ejecuta automáticamente una operación de multiplicar y sumar. Esta técnica evita cálculos inservibles y permite una aceleración notable cuando el modelo es suficientemente disperso.

Según el libro blanco técnico de la compañía, en operaciones de nivel BLAS inferiores a la multiplicación de matrices general, como la multiplicación matriz-vector o vector-escalar, los chips convencionales suelen verse limitados por el ancho de banda de memoria e incapaces de operar al 100%. Con el ancho de banda de Cerebras, esta arquitectura mantiene una alta tasa de utilización.

(Fuente: cerebras.ai)

Otra tecnología clave de Cerebras es el Weight Streaming. Durante el entrenamiento de grandes modelos, los pesos no se almacenan en el chip sino en un dispositivo externo denominado MemoryX, y se transmiten al chip WSE-3 en tiempo real según sea necesario. En cada capa de la red, los pesos se leen desde la DRAM y la memoria flash externas y se introducen en el núcleo de procesamiento a través de las interfaces del chip.

Cuando el peso llega al núcleo, se multiplica por los valores de activación locales en lotes y, tras el cálculo, se descarta el peso y no permanece en el chip. Este proceso hace que el tamaño del modelo no esté limitado por la memoria del chip, permitiendo soportar modelos de billones de parámetros.

(Fuente: cerebras.ai)

A nivel de software, Cerebras proporciona una cadena completa de herramientas de compilación que permite mapear automáticamente modelos escritos en PyTorch o TensorFlow sobre los 900.000 núcleos. Para modelos tipo Transformer, los tensores de activación tienen tres dimensiones: tamaño de lote, longitud de secuencia y dimensión oculta. El compilador distribuye la dimensión oculta sobre el eje X del chip y el tamaño de lote y la longitud de secuencia sobre el eje Y.

Durante la multiplicación de matrices, los pesos se difunden por filas a todos los núcleos en la columna correspondiente, desencadenando la operación de multiplicar y sumar, tras lo cual se realiza la reducción por columnas. El resultado queda distribuido en el chip, listo para la siguiente capa de cálculo. Toda la programación de la computación está configurada de forma estática: las instrucciones se cargan completamente antes de la ejecución y no cambian durante la operación.

(Fuente: cerebras.ai)

Los cinco cofundadores de Cerebras tienen un profundo conocimiento en chips y sistemas.

El CEO, Andrew Feldman, se graduó en la Universidad de Stanford y fundó previamente la empresa de microservidores SeaMicro, que fue adquirida por AMD por 357 millones de dólares.

El CTO, Sean Lie, tiene licenciatura y máster en Ingeniería Electrónica y Ciencias de la Computación del MIT. Fue arquitecto de virtualización IO en SeaMicro y, tras su adquisición por AMD, se convirtió en AMD Fellow.

El arquitecto de sistemas Jean-Philippe Fricker tiene un máster del Instituto Federal Suizo de Tecnología de Lausana y ha trabajado en DSSD, SeaMicro, Alcatel-Lucent y Riverstone Networks en arquitectura de hardware.

Michael James, arquitecto jefe de tecnologías avanzadas, tiene títulos en neurobiología molecular, matemáticas y ciencias de la computación de la Universidad de California en Berkeley, y en SeaMicro estuvo a cargo del software de sistemas distribuidos.

El anterior CTO y ahora jubilado Gary Lauterbach posee más de 50 patentes. Fue Ingeniero Distinguido en Sun Microsystems y lideró el diseño de los microprocesadores UltraSPARC III y IV.

El modelo de negocio de Cerebras se basa principalmente en la venta de sistemas completos CS-3, diseñados en torno al chip WSE-3 y preparados para su instalación en racks estándar de centros de datos. Sus clientes principales son instituciones de investigación y empresas, incluyendo la empresa de inteligencia artificial G42 de Emiratos Árabes Unidos y la Universidad Mohamed bin Zayed de Inteligencia Artificial. Según los documentos de salida a bolsa, en 2025 los ingresos de Cerebras fueron de 510 millones de dólares, de los cuales G42 aportó el 24% y MBZUAI el 62%. La ganancia neta anual de la compañía fue de 238 millones de dólares, revirtiendo así la pérdida de 482 millones del año anterior.

En 2024, Cerebras intentó salir a bolsa pero dependía excesivamente de un solo cliente, G42, que entonces aportaba el 87% de los ingresos. Debido a que las transacciones con entidades de Emiratos Árabes Unidos requerían la autorización del Comité de Inversiones Extranjeras en Estados Unidos, Cerebras retiró la solicitud aunque finalmente fue aprobada. En la actual salida a bolsa, la concentración de clientes ha mejorado, pero el mayor, MBZUAI, sigue representando el 62%, y los dos principales clientes suman el 86% de los ingresos, manteniendo un riesgo de concentración notable.

La estrategia tecnológica de Cerebras destaca en el ámbito de chips para IA. Otros competidores en su mayoría copian la arquitectura GPU, con muchos núcleos pequeños y memoria HBM, mientras que Cerebras afronta el reto con una única oblea gigante. Su solución es notablemente ventajosa para cálculos dispersos y la inferencia de grandes modelos, aunque con desafíos en coste y rendimiento de fabricación.

En una sola oblea, un defecto fatal puede comprometer todo el chip. Cerebras aborda este riesgo incorporando enlaces redundantes y corrección automática de errores. El consumo energético y la disipación térmica son igualmente grandes desafíos de ingeniería, por lo que el sistema CS-3 recurre a refrigeración líquida especializada.

Con la inminente salida a bolsa de empresas como OpenAI, Anthropic y SpaceX, el sector de chips para IA se está convirtiendo en el centro de atención de los mercados. Cerebras, como la primera empresa puramente de chips IA en cotizar en Nasdaq, con un alza del 89% en su debut, da una señal positiva para otras compañías del rubro.

No obstante, la competencia en el mercado de chips para IA se intensifica; además de Nvidia, AMD, Intel y varias startups están lanzando nuevos productos. Si el enfoque de oblea única de Cerebras podrá establecerse en el mercado principal de entrenamiento de IA requiere más clientes y tiempo para comprobarlo.