En la misma semana, dos acuerdos de chips por 20.000 millones de dólares aparecieron en el horizonte.
Uno fue la adquisición de Groq por parte de Nvidia a finales del año pasado por 20.000 millones de dólares, una empresa especializada en chips de inferencia de IA y el principal competidor arquitectónico de Cerebras.
El otro fue el compromiso adicional de OpenAI con Cerebras: otros 20.000 millones de dólares en tres años para comprar potencia de cómputo, más warrants de acciones de hasta el 10% y 1.000 millones de dólares separados para construir un centro de datos para Cerebras.
Que ambos acuerdos ocurran al mismo tiempo no es coincidencia. El campo de batalla de la computación de IA se está desplazando del entrenamiento a la inferencia, y todos están asegurando sus posiciones.
La inferencia se convierte en el campo de batalla principal
Primero, el contexto.
La potencia de cómputo de IA se divide en dos tipos: entrenamiento (alimentar grandes volúmenes de datos al modelo, ajustar parámetros, costo único) e inferencia (usar el modelo entrenado para responder preguntas, costo continuo).
Hace unos años, el entrenamiento era el principal gasto. Ahora ha cambiado.
En 2025, la inferencia ya representaba el 50% del gasto total en potencia de cómputo de IA. En 2026, se espera que esta proporción salte a dos tercios.
Cada vez que envías un mensaje a ChatGPT, Claude o Gemini, detrás hay una solicitud de inferencia. Cuantos más usuarios, mayor es el costo de inferencia, y crece linealmente. Las empresas de modelos grandes deben atender a cientos de millones de usuarios; la eficiencia de la infraestructura de inferencia determina directamente si el margen bruto es viable.
Las GPU de Nvidia son excelentes para entrenamiento, pero tienen una debilidad en el escenario de inferencia: ancho de banda de memoria. El cuello de botella de la inferencia no es la potencia de cómputo, sino la velocidad de movimiento de datos. Las GPU necesitan recuperar pesos constantemente de la memoria de video, un proceso lento, costoso y que consume mucha energía.
Por qué Cerebras es adecuada para inferencia
El WSE-3 (Wafer-Scale Engine de tercera generación) de Cerebras es un chip que cubre una oblea completa:
| Parámetro | WSE-3 | NVIDIA H100 |
|---|---|---|
| Área del chip | 46.225 mm² | 814 mm² |
| Núcleos de IA | 900.000 | 16.896 núcleos CUDA |
| SRAM en chip | 44 GB | — |
| Velocidad de inferencia | 15 a 20 veces más rápido que H100 | Referencia |
El WSE-3 es 57 veces más grande que el H100. Esto no es un número para impresionar, sino el factor determinante para el rendimiento de inferencia: 44 GB de SRAM en chip colocan la memoria y los núcleos de cómputo uno al lado del otro, reduciendo la distancia de movimiento de datos de centímetros a micrómetros; de ahí proviene la diferencia de velocidad de inferencia.
¿Cuál es el costo? Bajo rendimiento en el empaquetado a nivel de oblea, alto costo, falta de ecosistema CUDA: prácticamente inutilizable para entrenamiento, el foso defensivo de Nvidia en entrenamiento permanece intacto. ¿Pero inferencia? La arquitectura de Cerebras tiene una ventaja estructural aquí.
Los dos movimientos de OpenAI
La relación entre OpenAI y Cerebras no es nueva. En enero de este año, OpenAI firmó el primer gran contrato: 750 megavatios de capacidad de cómputo, plazo de tres años, valor superior a 10.000 millones de dólares.
El 17 de abril, The Information informó sobre la ampliación: nuevo compromiso de OpenAI, gasto total en tres años superior a 20.000 millones de dólares, posiblemente hasta 30.000 millones, que incluye:
- Warrants de acciones que aumentan con el consumo, hasta 10% de participación en Cerebras
- 1.000 millones de dólares separados para ayudar a Cerebras a construir un centro de datos
Esto no es un contrato de compras, sino más bien un vínculo estratégico. Al mismo tiempo, OpenAI también está colaborando con Broadcom para desarrollar chips ASIC propios, con el objetivo de producción en masa para finales de 2026.
OpenAI está diversificando conscientemente sus fuentes de potencia de cómputo: construyendo un canal paralelo además de Nvidia, apostando simultáneamente por chips de inferencia dedicados y chips propios.
La respuesta de Nvidia: comprar al competidor
A finales del año pasado, Nvidia adquirió Groq por 20.000 millones de dólares. La LPU (Language Processing Unit) de Groq es una arquitectura pura de inferencia que, como Cerebras, evita el cuello de botella de ancho de banda de memoria de las GPU, siendo el principal competidor en el mercado de chips de inferencia independientes.
Tras la adquisición, Groq pasó de ser un jugador independiente a una división de Nvidia. Es un movimiento defensivo, pero con efecto directo: incorporar al competidor es más barato y más completo que enfrentarlo en el mercado.
El resultado es que el principal competidor arquitectónico de Cerebras en este campo ha desaparecido, convirtiéndose en producto de la propia Nvidia. Esta configuración es favorable para la expansión de clientes de Cerebras en los próximos años.
Cerebras retoma su intento de OPI
El 17 de abril, Cerebras presentó nuevamente una solicitud de salida a bolsa ante la SEC, con una valoración objetivo de aproximadamente 35.000 millones de dólares, planeando recaudar 3.000 millones, con el objetivo de completar la oferta en el segundo trimestre.
El primer intento de OPI fracasó porque el mayor cliente, G42 (empresa de IA de Abu Dabi), fue objeto de escrutinio por parte del CFIUS. Cerebras convirtió todas las acciones con derecho a voto de G42 en acciones sin derecho a voto, y el CFIUS dio luz verde final el 31 de marzo de 2025.
Las condiciones ahora son diferentes a la vez anterior:
- Groq fue adquirida por Nvidia, el principal competidor salió del mercado
- OpenAI es cliente ancla, el compromiso de 20.000 millones es la carta más fuerte en la gira de presentación de la OPI
- La valoración saltó de 23.000 millones en la Serie H en febrero al objetivo de 35.000 millones, un aumento del 50% antes incluso de la salida a bolsa
OpenAI, Nvidia y Cerebras, tres partes en el campo de batalla de la inferencia, cada una con sus propios cálculos, pero todas apostando por lo mismo: en los próximos cinco años, la demanda de potencia de cómputo de inferencia se multiplicará varias veces. El costo de asegurar una posición ahora es mucho menor que entrar dos años después.
Fuentes de referencia: OpenAI to Spend More Than $20 Billion on Cerebras Chips, Receive Equity Stake (The Information); AI chipmaker Cerebras files to go public after scrapping IPO plans last year (CNBC); CocoLoop, Two $20 billion deals: OpenAI and Nvidia are waging a "war of inference" (PANews); Cerebras IPO 2026: The $25B Nvidia Challenger (Nerd Level Tech)