← Zpět na Tech News
Tento článek je z archivu. Byl publikován 07.02.2026.
🚀 TechCrunch

Benchmark získal 225 milionů dolarů v speciálních fondech na posílení investic do Cerebras | TechCrunch

Benchmark získal 225 milionů dolarů v speciálních fondech na posílení investic do Cerebras | TechCrunch

Souhrn

Tento týden oznámila firma Cerebras Systems, výrobce čipů pro umělou inteligenci, získání 1 miliardy dolarů v novém kole financování při valuaci 23 miliard dolarů, což je téměř ztrojnásobení oproti 8,1 miliardě dolarů před šesti měsíci. Klíčovou roli sehrála investiční společnost Benchmark, která přispěla nejméně 225 miliony dolarů prostřednictvím dvou speciálních fondů. Cerebras, konkurent Nvidia, se zaměřuje na obří čipy pro paralelní zpracování AI úloh.

Klíčové body

  • Cerebras získal 1 miliardu dolarů při valuaci 23 miliard, vedené Tiger Global, s významným příspěvkem od Benchmarku (225 milionů dolarů).
  • Benchmark vytvořil dva speciální fondy nazvané „Benchmark Infrastructure” kvůli svému limitu fondů pod 450 milionů dolarů.
  • Firma Cerebras vyvinula Wafer Scale Engine, čip o velikosti 8,5 palce na stranu s 4 biliardami tranzistorů a 900 000 specializovanými jádry.
  • Tato architektura umožňuje zpracování AI inference až 20krát rychleji než u konkurenčních systémů díky eliminaci přenosu dat mezi čipy.
  • Cerebras sídlí v Sunnyvale v Kalifornii a nedávno uzavřel víceletou smlouvu, která posiluje jeho postavení v AI infrastruktuře.

Podrobnosti

Cerebras Systems, založená před deseti lety, se specializuje na výrobu nekonvenčních procesorů pro umělou inteligenci. Na rozdíl od standardních GPU, které jsou malými fragmenty vyřezanými z křemíkových plátků o průměru 300 mm, využívá Cerebras téměř celý takový plátek k výrobě svého vlajkového produktu Wafer Scale Engine (WSE), oznámeného v roce 2024. Tento čip měří přibližně 21,6 cm na každou stranu, obsahuje 4 biliony tranzistorů a 900 000 specializovaných jader pro paralelní výpočty. Taková konstrukce řeší klíčový problém konvenčních AI clusterů: nutnost neustálého přenášení dat mezi oddělenými čipy, což způsobuje zpoždění a snižuje efektivitu.

Společnost tvrdí, že její systém zpracovává úlohy AI inference – tedy generování odpovědí modelů umělé inteligence na základě vstupních dat – více než 20krát rychleji než konkurenční řešení. WSE slouží především k tréninku a nasazení velkých jazykových modelů (LLM), kde paralelní zpracování minimalizuje latenci. Cerebras již dříve získal investice, včetně 27 milionů dolarů v Series A v roce 2016 vedené Benchmarkem. Tentokrát Benchmark, prominentní siliconvalleyjská firma s omezenými fondy (maximálně 450 milionů dolarů na fond), založil dva samostatné vozidla „Benchmark Infrastructure” výhradně pro tuto investici, jak potvrzují regulační dokumenty. Kolo financování vede Tiger Global, ale Benchmarkův příspěvek je nejvýznamnější od jednoho investora.

Cerebras získává na síle v závodě o AI infrastrukturu. Minulý měsíc podepsal víceletou dohodu, která rozšiřuje jeho přístup na trh. Firma sídlí v Sunnyvale v Kalifornii a konkuruje gigantům jako Nvidia, jejíž GPU clustery dominují v AI tréninku. Nicméně wafer-scale přístup přináší výzvy: vyšší výrobní náklady, složitější chlazení a riziko vadných částí na tak obrovském křemíku. Cerebras tyto problémy řeší redundancí a pokročilým designem, ale dlouhodobá škálovatelnost zůstává otevřenou otázkou.

Proč je to důležité

Toto financování posiluje pozici Cerebras v konkurenčním prostředí AI čipů, kde Nvidia drží přes 80 procent trhu. Rychlý růst valuace z 8,1 na 23 miliard signalizuje důvěru investorů v alternativy k GPU clusterům, což může snížit závislost na jednom dodavateli a urychlit vývoj AI aplikací. Pro průmysl znamená potenciál levnějšího a rychlejšího nasazení AI modelů v cloudu nebo on-premise, zejména pro inference v reálném čase. V širším kontextu podtrhuje trend specializovaných hardware pro AI, kde tradiční procesory nestačí na rostoucí nároky modelů jako GPT nebo Llama. Pokud Cerebras splní sliby ohledně rychlosti, může změnit ekonomiku AI výpočtů, ale bude muset prokázat výhody v masovém nasazení oproti optimalizovaným Nvidia řešením.


Číst původní článek

Zdroj: 🚀 TechCrunch

© 2026 Marigold.cz