Za poslední tři roky se Nvidia (NVDA) proměnila z jednoho z mnoha hráčů polovodičového průmyslu v nejcennější společnost světa. Hlavním motorem tohoto růstu se staly grafické procesory (GPU), které dnes pohánějí téměř vše – od velkých jazykových modelů (LLM) přes autonomní vozidla, robotiku, až po generativní video. Zatímco se zdá, že pozice Nvidie je neotřesitelná, na obzoru se objevuje ambiciózní konkurent – startup Cerebras Systems, který tvrdí, že jeho čipy dokážou zpracovávat úlohy umělé inteligence až 20× rychleji než hardware Nvidie. Toto prohlášení okamžitě vzbudilo pozornost investorů i technologického světa. Může se skutečně stát, že by někdo narušil nadvládu firmy, která definuje současnou AI revoluci? Zdroj: Chipsizlla Čip Cerebras o velikosti waferu: Překročení hranic tradičního designu Abychom pochopili, proč startup Cerebras budí takový rozruch, je třeba porozumět zásadnímu rozdílu v přístupu k návrhu čipů. GPU od Nvidie jsou sice výkonné, ale relativně malé procesory, které se musí seskupovat do tisíců jednotek v obřích datových centrech. Každý čip komunikuje s ostatními prostřednictvím síťových propojení, což vede ke zpožděním, vyšší spotřebě energie a složitější správě. Cerebras se rozhodl jít opačnou cestou. Namísto propojení tisíců menších čipů vytvořil jeden obrovský procesor – Wafer Scale Engine (WSE) – který zabírá celý křemíkový wafer. Tento jediný čip obsahuje stovky tisíc výpočetních jader, která spolupracují přímo, bez potřeby zprostředkující komunikace mezi čipy. Díky tomu se dramaticky zrychluje přenos dat a snižuje energetická náročnost. Celý model AI lze uložit v jediném čipu, což eliminuje ztrátu času při přeposílání dat mezi jednotlivými procesory. To je zásadní rozdíl oproti tradičním systémům s tisíci GPU. Architektura Wafer Scale Engine přináší i významné praktické výhody – namísto komplexních clusterů s tisíci GPU, které zabírají celé haly a vyžadují nákladné chlazení, se celý systém Cerebras vejde do jednoho racku. To znamená nižší náklady, menší prostor a jednodušší správu infrastruktury AI. Proč Cerebras věří, že dokáže překonat Nvidii Srdcem vize Cerebrasu je efektivita. Firma tvrdí, že její čip dokáže trénovat a provozovat modely AI až 20× rychleji než GPU Nvidie – ne díky vyšší taktovací frekvenci, ale díky optimalizaci přenosu dat a odstranění úzkých hrdél mezi jednotlivými výpočetními uzly. Z technického hlediska jde o přelomový přístup, který minimalizuje energetické ztráty a zjednodušuje řízení celého systému. Menší potřeba koordinace mezi čipy znamená vyšší výkon na watt a nižší latenci při práci s rozsáhlými neuronovými sítěmi. Startup tím reaguje na jeden z hlavních problémů současné AI infrastruktury: škálování. Trénování modelů, jako je GPT-4 nebo Gemini, vyžaduje statisíce GPU, obrovské množství elektřiny a složité logistické procesy. Pokud by se Cerebrasu podařilo tato úzká místa skutečně odstranit, mohl by se stát zásadním disruptorem v oblasti AI výpočtů. Cerebras navíc staví na konceptu kompaktního, „plug-and-play“ systému, který nevyžaduje masivní datové centrum. Pro menší výzkumné instituce či podniky by to mohlo znamenat snazší přístup k výpočetní síle potřebné pro vývoj AI, což by otevřelo trh novým hráčům mimo velké technologické giganty. Proč Nvidia zatím stále vládne Navzdory velkým ambicím startupu Cerebras zůstává Nvidia dominantním lídrem v oblasti výpočetní techniky pro umělou inteligenci. Důvod je prostý: Nvidia nevytváří jen hardware, ale celý ekosystém. Její softwarová platforma CUDA se stala základem pro většinu nástrojů, frameworků a modelů v oblasti strojového učení. Vývojáři po celém světě jsou na tuto architekturu zvyklí a přechod na zcela odlišný systém by znamenal obrovské náklady a časovou zátěž. Navíc výroba čipu o velikosti waferu představuje extrémní technologickou výzvu. I malá vada v křemíku může ovlivnit velkou část procesoru, což komplikuje masovou výrobu a zvyšuje cenu. To znamená, že škálování produkce WSE do úrovně, která by konkurovala milionům GPU Nvidie, bude mimořádně obtížné. Kromě toho se trh rozšiřuje tak rychle, že vítěz nemusí být jen jeden. Například Alphabet (GOOGL) vyvíjí vlastní tensorové procesorové jednotky (TPU) pro specifické úlohy hlubokého učení, zatímco GPU Nvidie slouží jako univerzální nástroje pro široké spektrum aplikací. To naznačuje, že Cerebras si může najít své místo, aniž by musel Nvidii přímo sesadit z trůnu. Zdroj: Reuters Jak mohou investoři sledovat vývoj kolem Cerebras Společnost Cerebras Systems dříve zvažovala vstup na burzu (IPO) a podle dostupných informací dokonce připravila návrh dokumentu S-1 filing. Po loňském financování ve výši 1,1 miliardy dolarů však své plány pozastavila, pravděpodobně kvůli nestabilní situaci na kapitálových trzích. To znamená, že běžní investoři zatím nemohou do společnosti investovat přímo. Přístup k akciím Cerebras mají převážně venture kapitálové fondy, akreditovaní investoři a private equity společnosti. Pro ostatní investory, kteří chtějí profitovat z boomu umělé inteligence, zůstává nejrozumnější strategií vsadit na zavedené výrobce čipů – především Nvidia, Advanced Micro Devices (AMD), Taiwan Semiconductor Manufacturing (TSM), Broadcom (AVGO) či Micron Technology (MU). Tyto firmy budou i nadále těžit z masivního růstu poptávky po výpočetní infrastruktuře.