Cerebras Systems 将于周一开始向投资者推销其股票，据一位了解计划并与路透社交谈的人士透露，公司计划以每股115美元到125美元之间的价格出售股票。这家人工智能芯片制造商正试图第二次上市。该公司在去年10月撤回了首次尝试。Cerebras 公布了截至12月31日的年度更强劲财务结果。公司实现收入5.1亿美元，较上一年的2.903亿美元大幅增长。公司还实现了每股1.38美元的盈利，而上一年每股亏损9.90美元。摩根士丹利、花旗集团、巴克莱和瑞银正在承办此次股票出售。## 行业正在发生转变Cerebras 的战略并非随机。人工智能行业正从开发新的 AI 模型，转向为实际使用而运行这些模型。这种转变为与 Nvidia（纳斯达克：NVDA）垄断竞争的小公司提供了难得的机会。正如 Cryptopolitan 所报道的，即使 OpenAI 也并不完全认可 Nvidia 的推理硬件。这是因为运行 AI 模型（称为推理）所需的能力，与训练它们不同。这就为专门的芯片制造商在市场中找到自己的定位创造了切入点。处理大量信息批次所需要的计算能力、内存和数据传输速度的平衡，与运行 AI 聊天机器人或编码助手所需的平衡不同。这种需求的多样性让推理市场变得更加多元化。有些任务在传统图形芯片上效果更好，而另一些则需要更先进的设备。Nvidia 去年12月以200亿美元收购 Groq，展示了这种趋势如何发展。Groq 制造了集成高速 SRAM 内存的芯片，能够比标准图形芯片更快地处理 AI 响应。但该公司在扩张方面遇到困难，因为它的芯片计算能力有限，且采用的是更老的技术。Nvidia 通过拆分工作来解决这个问题。它使用常规图形芯片来完成生成 AI 响应的重计算部分（称为 prefill，预填充），同时使用 Groq 的芯片来完成更快的解码步骤。解码步骤所需的计算更少，但需要快速的数据访问能力。其他大型公司也在做类似的事情。亚马逊网络服务（AWS）在一次大型技术会议后不久宣布了自己的拆分系统。该系统将定制的 Trainium 芯片用于 prefill 工作，并将 Cerebras 的晶圆级芯片用于解码操作。英特尔也加入了，披露了将图形芯片与另一家名为 SambaNova 的初创公司处理器配对的计划。图形芯片负责 prefill，而 SambaNova 的芯片负责解码。大多数较小的芯片公司在解码工作上找到了成功。SRAM 内存能存储的信息量不大，但速度极快。配合足够多的芯片，或者像 Cerebras 这样做出一颗非常大的芯片，这类系统在解码任务上表现出色。但公司们并没有就此止步。## 新技术挑战“拆分芯片”思路Lumai，这家另一家初创公司本周宣布，它制造了一种芯片，用光来代替电力完成 AI 工作核心的数学运算。这种方法比传统芯片消耗的电力少得多。该公司预计其即将推出的 Iris Tetra 系统，到2029年将在只使用10千瓦电力的情况下实现每秒 exaOPS 量级的 AI 性能。这些芯片结合了基于光的组件和电子组件，但在推理过程中，大部分工作由光来承担。Lumai 计划先把这些芯片作为独立的图形芯片替代品，用于批处理任务。随后，公司也希望将它们用于 prefill 工作。并非所有人都认为把工作拆分到不同芯片之间是合理的。Tenstorrent 本周推出了 Galaxy Blackhole 系统，CEO Jim Keller 对这种做法提出了批评。“行业里的每家公司都在组装、组装、组装加速器。CPU 运行代码。GPU 加速 CPU。TPU 加速 GPU。LPU 加速 TPU。诸如此类。这会导致方案变得复杂，而且不太可能与 AI 模型和使用场景的变化相兼容。在 Tenstorrent，我们认为更通用、更简单的东西会更有效，”Keller 表示。最聪明的加密货币从业者已经在阅读我们的通讯。想加入他们吗？
Cerebras启动首次公开募股路演，目标股价为每股115美元至125美元
Cerebras Systems 将于周一开始向投资者推销其股票，据一位了解计划并与路透社交谈的人士透露，公司计划以每股115美元到125美元之间的价格出售股票。
这家人工智能芯片制造商正试图第二次上市。该公司在去年10月撤回了首次尝试。
Cerebras 公布了截至12月31日的年度更强劲财务结果。公司实现收入5.1亿美元，较上一年的2.903亿美元大幅增长。公司还实现了每股1.38美元的盈利，而上一年每股亏损9.90美元。
摩根士丹利、花旗集团、巴克莱和瑞银正在承办此次股票出售。
行业正在发生转变
Cerebras 的战略并非随机。人工智能行业正从开发新的 AI 模型，转向为实际使用而运行这些模型。这种转变为与 Nvidia（纳斯达克：NVDA）垄断竞争的小公司提供了难得的机会。正如 Cryptopolitan 所报道的，即使 OpenAI 也并不完全认可 Nvidia 的推理硬件。
这是因为运行 AI 模型（称为推理）所需的能力，与训练它们不同。这就为专门的芯片制造商在市场中找到自己的定位创造了切入点。处理大量信息批次所需要的计算能力、内存和数据传输速度的平衡，与运行 AI 聊天机器人或编码助手所需的平衡不同。
这种需求的多样性让推理市场变得更加多元化。有些任务在传统图形芯片上效果更好，而另一些则需要更先进的设备。
Nvidia 去年12月以200亿美元收购 Groq，展示了这种趋势如何发展。Groq 制造了集成高速 SRAM 内存的芯片，能够比标准图形芯片更快地处理 AI 响应。但该公司在扩张方面遇到困难，因为它的芯片计算能力有限，且采用的是更老的技术。
Nvidia 通过拆分工作来解决这个问题。它使用常规图形芯片来完成生成 AI 响应的重计算部分（称为 prefill，预填充），同时使用 Groq 的芯片来完成更快的解码步骤。解码步骤所需的计算更少，但需要快速的数据访问能力。
其他大型公司也在做类似的事情。亚马逊网络服务（AWS）在一次大型技术会议后不久宣布了自己的拆分系统。该系统将定制的 Trainium 芯片用于 prefill 工作，并将 Cerebras 的晶圆级芯片用于解码操作。
英特尔也加入了，披露了将图形芯片与另一家名为 SambaNova 的初创公司处理器配对的计划。图形芯片负责 prefill，而 SambaNova 的芯片负责解码。
大多数较小的芯片公司在解码工作上找到了成功。SRAM 内存能存储的信息量不大，但速度极快。配合足够多的芯片，或者像 Cerebras 这样做出一颗非常大的芯片，这类系统在解码任务上表现出色。但公司们并没有就此止步。
新技术挑战“拆分芯片”思路
Lumai，这家另一家初创公司本周宣布，它制造了一种芯片，用光来代替电力完成 AI 工作核心的数学运算。这种方法比传统芯片消耗的电力少得多。
该公司预计其即将推出的 Iris Tetra 系统，到2029年将在只使用10千瓦电力的情况下实现每秒 exaOPS 量级的 AI 性能。
这些芯片结合了基于光的组件和电子组件，但在推理过程中，大部分工作由光来承担。Lumai 计划先把这些芯片作为独立的图形芯片替代品，用于批处理任务。随后，公司也希望将它们用于 prefill 工作。
并非所有人都认为把工作拆分到不同芯片之间是合理的。Tenstorrent 本周推出了 Galaxy Blackhole 系统，CEO Jim Keller 对这种做法提出了批评。
“行业里的每家公司都在组装、组装、组装加速器。CPU 运行代码。GPU 加速 CPU。TPU 加速 GPU。LPU 加速 TPU。诸如此类。这会导致方案变得复杂，而且不太可能与 AI 模型和使用场景的变化相兼容。在 Tenstorrent，我们认为更通用、更简单的东西会更有效，”Keller 表示。
最聪明的加密货币从业者已经在阅读我们的通讯。想加入他们吗？