Overview
Fünf Ingenieure gründeten Cerebras Systems 2016 in Sunnyvale, Kalifornien, allen voran Andrew Feldman und Sean Lie. Das Team kannte sich vom Server-Startup SeaMicro, das Feldman 2012 für rund 334 Millionen Dollar an AMD verkauft hatte. Die Gründungsthese widersprach der gesamten Chipindustrie. Statt tausende einzelne Grafikprozessoren zu vernetzen, wie es Nvidia-Kunden tun, wollte Cerebras einen einzigen Prozessor in der Größe eines kompletten Silizium-Wafers bauen und so den Datenverkehr zwischen Chips als Engpass beseitigen.
Aus der Idee wurde die Wafer Scale Engine, der flächenmäßig größte kommerzielle Chip der Welt. Die dritte Generation WSE-3 vereint vier Billionen Transistoren und rund 900.000 Rechenkerne auf einer Fläche, die ein Vielfaches eines üblichen KI-Beschleunigers misst. Lange hing das Geschäft fast vollständig am Großkunden G42 aus Abu Dhabi, der 2023 einen ersten Großauftrag erteilte und zugleich als Investor einstieg. Diese Verbindung löste eine Prüfung durch das US-Gremium CFIUS aus und ließ einen ersten Anlauf zum Börsengang 2024 scheitern.
Erst nach der Umwandlung der G42-Beteiligung in stimmrechtslose Aktien, einem milliardenschweren Vertrag mit OpenAI und einer Partnerschaft mit Amazon Web Services war der Weg frei. Im Mai 2026 gelang der Sprung an die Nasdaq mit dem größten US-Tech-Börsengang seit Uber im Jahr 2019.
Management
Mitgründer Andrew Feldman führt Cerebras seit 2016 als CEO. Der Serienunternehmer hatte zuvor SeaMicro aufgebaut und nach dem Verkauf das Servergeschäft von AMD geleitet. Beim IPO verkaufte Feldman keine eigenen Aktien und hält über Class-B-Anteile weiterhin erheblichen Einfluss. Sein Anteil war zum Schlusskurs des ersten Handelstags mehrere Milliarden Dollar wert.
Als Technikchef fungiert Mitgründer Sean Lie, der als Chef-Hardwarearchitekt die Wafer-Scale-Prozessoren maßgeblich entwarf und den CTO-Posten vom inzwischen ausgeschiedenen Gary Lauterbach übernahm. Auch die weiteren Mitgründer Michael James und Jean-Philippe Fricker prägten die Architektur des Systems über Jahre.
Finanzdaten
Branche
Cerebras konkurriert im Markt für KI-Rechenleistung, dem Investitionsschwerpunkt der gesamten Techindustrie. Hyperscaler, KI-Labore und Staaten investieren dreistellige Milliardenbeträge in Rechenzentren für Training und Betrieb großer Sprachmodelle. Der dominierende Ausrüster ist Nvidia, das wertvollste Unternehmen der Welt, dessen Grafikprozessoren samt Software-Ökosystem CUDA den Standard setzen.
Cerebras greift diese Dominanz mit einer anderen Architektur an. Der Wafer-Chip verspricht Geschwindigkeits- und Kostenvorteile, vor allem bei der Inferenz, also dem laufenden Betrieb von KI-Modellen. Wie ernst die Konkurrenz genommen wird, zeigte Nvidia selbst, als der Konzern für 20 Milliarden Dollar Vermögenswerte des Startups Groq übernahm, dessen Chips dem Cerebras-Ansatz ähneln. Daneben drängen die Cloud-Konzerne mit Eigenentwicklungen wie Googles TPUs und Amazons Trainium in den Markt. Der Kampf dreht sich zunehmend um Software-Kompatibilität, Stromversorgung und Fertigungskapazität.
Produkte und Services
Das Kernprodukt ist die Wafer Scale Engine, verkauft als komplettes Rechensystem der Baureihe CS-3. Kunden kaufen die Systeme für eigene Rechenzentren oder mieten Rechenleistung über die Cerebras-Cloud. Zunehmend wichtig wird das Inferenz-Geschäft, bei dem Cerebras den Betrieb von Sprachmodellen als Dienst anbietet und mit besonders hoher Ausgabegeschwindigkeit wirbt.
Der wichtigste Vertrag ist ein Mehrjahres-Abkommen mit OpenAI über 750 Megawatt Inferenz-Kapazität mit Erweiterungsoptionen, dessen Volumen Berichten zufolge im zweistelligen Milliardenbereich liegt. Dazu kommt eine Vereinbarung mit Amazon Web Services, die Cerebras-Systeme in Amazon-Rechenzentren bringt und über den Dienst Bedrock verfügbar macht. Weitere Kunden reichen von Meta, IBM und Mistral über GlaxoSmithKline und die Mayo Clinic bis zu US-Energieministerium und Pentagon. Der Umsatz stieg 2025 um 76 Prozent auf rund 510 Millionen Dollar, mit einem Nettogewinn von 88 Millionen Dollar nach einem hohen Verlust im Vorjahr.
