Wafer-scale AI-inferens som kerneprodukt
Cerebras Systems designer og sælger AI-processoren Wafer Scale Engine, hvor en hel siliciumskive fungerer som én enkelt chip, samt de tilhørende CS-systemer.
Produkterne er målrettet hurtig AI-inferens, hvor svartiden pr. token er afgørende for brugeroplevelsen.
Kunderne er AI-laboratorier, store cloud- og datacenteroperatører, sovereign-kunder som Group 42 og Mohamed bin Zayed University samt et voksende antal AI-native softwareselskaber.
Selskabet har nylig navngivet samarbejder med blandt andre Cognition, Lovable og CrowdStrike om hurtig inferens.
Forretningsmodel: fra hardware til inferens-cloud
Omsætningen kommer i stigende grad fra selskabets egen inferens-cloud, hvor kunderne betaler for kapacitet og tokens frem for at købe systemer.
Det giver tilbagevendende omsætning, men kræver store forudgående investeringer i datacentre, strøm og chips.
Selskabet rapporterer en kerneomsætning, der ekskluderer visse regnskabsmæssige poster, ved siden af den regnskabsmæssige omsætning, og forskellen er stor på grund af aktiebaseret aflønning og kontraktrelaterede poster.
Ordrebogen er domineret af den flerårige aftale med OpenAI om 750 MW kapacitet, og ledelsen peger på en mangedobling af omsætningen i 2027.
Teknologisk differentiering: hastighed og hukommelsesbåndbredde
Ved at holde modelvægte i on-chip hukommelse på en hel wafer undgår Cerebras den flaskehals i hukommelsesbåndbredde, som begrænser GPUer ved lave svartider.
Det giver meget høje token-hastigheder, som OpenAI har brugt som lanceringspartner for hurtige modeltilstande.
Selskabet udvider nu mod disaggregeret inferens sammen med AWS Trainium og AMD Helios, hvor en del af arbejdet køres på andre chips og wafer-systemet tager sig af den hastighedskritiske del.
Samtidig har den short-sælgende analysefirma Culper Research påstået, at wafer-systemerne har en levetid på kun 1,5-2,5 år i drift, hvilket selskabet har afvist, og som endnu ikke er bekræftet af uafhængige kilder.
Konkurrencesituation og markedsposition
De vigtigste konkurrenter er Nvidia med GPUer og CUDA-platformen, samt specialiserede inferens-chips fra Groq og SambaNova og hyperscalernes egne chips som Google TPU, AWS Trainium og Microsoft Maia.
Cerebras differentierer sig på ren hastighed pr. bruger, men Nvidia har bredere softwareøkosystem, langt større produktionsskala og kan sælge komplette racks.
Oktober 2026 viste sårbarheden: OpenAI valgte Nvidia-GPUer til den hurtige tilstand for sin nyeste model, og Cerebras ledelse forklarede det med mangel på datacenterkapacitet.
Hastighedsforspringet er derfor reelt men ikke sikkert holdbart, fordi konkurrenterne både kan kopiere arkitekturprincipper og tilbyde bredere og billigere kapacitet.
Strategisk retning og AI-inferens som megatrend
Efterspørgslen efter inferens vokser i takt med agentbaserede AI-systemer og kodeassistenter, hvor lav latenstid er en konkurrencefordel.
Cerebras bygger kapacitet ud med over 600 MW live eller kontraheret og forsøger at brede kundegrundlaget via Oracle Cloud Infrastructure, AWS og AMD.
Den største strategiske opgave er at gøre sig mindre afhængig af OpenAI og at levere kapacitet til tiden.
Lykkes det, kan selskabet blive en fast del af hyperscalernes tilbud, mens forsinkelser kan åbne døren for Nvidia og de interne chips.