La course à la construction de l’infrastructure d’IA la plus rapide est en train de remodeler l’industrie des semi-conducteurs, la vitesse d’inférence devenant la dimension concurrentielle déterminante de l’ère de l’IA.
Alors que les guerres de modèles d’IA s’intensifient entre OpenAI, Anthropic et Google, la couche de calcul sous-jacente est sous pression pour suivre le rythme – et les entreprises qui ont progressé très tôt en matière de performances d’inférence en récoltent désormais les fruits. Cerebras Systems Inc. a reconnu cette opportunité des années avant que le marché ne la valide, selon Andrew Feldman (photo), fondateur et PDG de Cerebras Systems.
« Le nombre de personnes qui ont dit que vous ne pouvez pas construire une puce aussi grosse, qu'elle ne fonctionnera jamais, voici les 20 raisons pour lesquelles elle va échouer », a déclaré Feldman. « Ils nous l'ont dit pendant des années, et maintenant cela fonctionne. Nous sommes l'inférence la plus rapide du secteur, pas de peu, mais 10, 15, 20, 30 fois plus rapide que les GPU. Et tout le monde veut des résultats rapides. »
Feldman s'est entretenu avec John Furrier et Dave Vellante de theCUBE lors du RAISE Summit 2026, lors d'une diffusion exclusive sur theCUBE, le studio de diffusion en direct de SiliconANGLE Media. Ils ont discuté de l'étape importante de l'introduction en bourse de Cerebras, de l'importance de la vitesse d'inférence, de la construction de centres de données européens et des projets de l'entreprise visant à multiplier par 8 à 10 la production. (* Divulgation ci-dessous.)
Vitesse d'inférence de l'IA et courbe de demande agent
Les arguments en faveur d’une inférence rapide vont bien au-delà de l’expérience utilisateur. À mesure que les flux de travail d’IA agentique prolifèrent, les modèles effectuent de nombreux appels séquentiels, raisonnent sur des fenêtres contextuelles plus longues et entraînent une consommation de calcul considérablement plus élevée – une dynamique qui crée des avantages durables en matière de demande pour Cerebras. Selon Feldman, cela change fondamentalement qui achète l’inférence et pourquoi.
« La vitesse peut devenir de meilleures réponses », a-t-il déclaré. « Plus votre raisonnement est long, plus il y a d'itérations, meilleure est la réponse que vous obtenez. Et ainsi vous pouvez convertir la vitesse en de meilleures réponses. Nous avons un client, AlphaSense, et ils utilisent notre vitesse pour rechercher plus de documents et cela donne à leurs clients de meilleures réponses. « https://www.youtube.com/watch?v=LCUexLy4L3A
L'architecture à l'échelle d'une tranche de Cerebras contourne les contraintes de mémoire qui ralentissent les systèmes GPU conventionnels en conservant les poids des modèles dans la SRAM sur puce, ce qui lui confère un avantage structurel alors que les charges de travail des agents augmentent la demande de mémoire. Les agents de codage ont été la tête de pont initiale, avec des clients tels que Cognition AI Inc. et OpenAI Group PBC utilisant Cerebras dans les flux de codage d'OpenAI, a noté Feldman. La clientèle de la société comprend désormais des agents financiers via Block Inc., des déploiements d'entreprise chez GlaxoSmithKline PLC et des centres de calcul haute performance européens. Pour soutenir cette expansion mondiale, Cerebras prévoit de multiplier par huit à dix sa capacité de fabrication cette année.
« Nous parcourons le monde pour observer la construction de centres de données et renforcer nos centres de données », a déclaré Feldman. « Nos ingénieurs matériels conçoivent des puces et des systèmes de nouvelle génération. Je pense que cela va être de belles années pour nous. »
Voici l'interview vidéo complète, faisant partie de la couverture par SiliconANGLE et theCUBE du RAISE Summit 2026 :
(* Divulgation : TheCUBE est un partenaire média payant pour l'événement RAISE Summit. Ni Solidigm, le sponsor principal de la couverture des événements de theCUBE, ni les autres sponsors n'ont de contrôle éditorial sur le contenu de theCUBE ou de SiliconANGLE.)
