Dalam pekan yang sama, dua kesepakatan chip senilai $20 miliar muncul.
Satu adalah akuisisi Groq oleh Nvidia pada akhir tahun lalu seharga $20 miliar — perusahaan yang khusus mengerjakan chip inferensi AI dan merupakan pesaing arsitektur utama Cerebras.
Yang lainnya adalah komitmen tambahan OpenAI kepada Cerebras: tambahan $20 miliar untuk pembelian daya komputasi dalam tiga tahun, ditambah waran saham hingga 10%, serta dana khusus $1 miliar untuk membangun pusat data Cerebras.
Kedua kesepakatan ini terjadi bersamaan bukanlah kebetulan. Medan perang komputasi AI sedang bergeser dari pelatihan ke inferensi, dan semua pihak berebut posisi.
Inferensi Menjadi Medan Utama
Pertama, mari kita jelaskan latar belakangnya.
Daya komputasi AI terbagi dua: pelatihan (memberi data dalam jumlah besar ke model, menyesuaikan parameter, biaya satu kali) dan inferensi (menggunakan model yang sudah dilatih untuk menjawab pertanyaan, biaya berkelanjutan).
Beberapa tahun lalu, pelatihan adalah pengeluaran utama. Sekarang tidak lagi.
Pada 2025, inferensi sudah mencakup 50% dari total pengeluaran komputasi AI. Pada 2026, proporsi ini diperkirakan melonjak menjadi dua pertiga.
Setiap kali Anda mengirim pesan ke ChatGPT, Claude, atau Gemini, di baliknya ada satu permintaan inferensi. Semakin banyak pengguna, semakin tinggi biaya inferensi, dan pertumbuhannya linear. Perusahaan model besar yang melayani ratusan juta pengguna membutuhkan efisiensi infrastruktur inferensi untuk menentukan apakah margin kotor mereka bisa bertahan.
GPU Nvidia sangat cocok untuk pelatihan, tetapi memiliki kelemahan serius dalam skenario inferensi: bandwidth memori. Hambatan dalam inferensi bukanlah daya komputasi, melainkan kecepatan pemindahan data. GPU perlu berulang kali mengambil bobot dari VRAM, proses yang lambat, mahal, dan boros daya.
Mengapa Cerebras Cocok untuk Inferensi
WSE-3 (mesin skala wafer generasi ketiga) Cerebras adalah chip yang menutupi seluruh wafer:
| Parameter | WSE-3 | NVIDIA H100 |
|---|---|---|
| Luas chip | 46.225 mm² | 814 mm² |
| Inti AI | 900.000 | 16.896 inti CUDA |
| SRAM on-chip | 44GB | — |
| Kecepatan inferensi | 15-20x H100 | Dasar |
WSE-3 57 kali lebih besar dari H100. Ini bukan angka yang menakut-nakuti, melainkan faktor kunci yang menentukan kinerja inferensi: 44GB SRAM on-chip menempatkan memori tepat di samping inti komputasi, mengurangi jarak pemindahan data dari sentimeter ke mikrometer. Dari sinilah kesenjangan kecepatan inferensi berasal.
Apa konsekuensinya? Rendahnya hasil produksi kemasan skala wafer, biaya tinggi, dan tidak adanya ekosistem CUDA — hampir tidak bisa digunakan untuk pelatihan, sehingga parit pertahanan Nvidia di sisi pelatihan tetap utuh. Tapi untuk inferensi? Arsitektur Cerebras memiliki keunggulan struktural di sini.
Dua Langkah OpenAI
Hubungan OpenAI dan Cerebras sebenarnya bukan hal baru. Pada Januari lalu, OpenAI menandatangani kontrak besar pertamanya: kapasitas komputasi 750 megawatt, jangka waktu tiga tahun, senilai lebih dari $10 miliar.
Pada 17 April, The Information melaporkan berita tambahan: OpenAI menambah komitmen baru, total pengeluaran tiga tahun melebihi $20 miliar, berpotensi mencapai $30 miliar, dengan:
- Waran saham yang meningkat seiring konsumsi, hingga 10% kepemilikan Cerebras
- Investasi terpisah $1 miliar untuk membantu Cerebras membangun pusat data
Ini bukan kontrak pengadaan biasa, melainkan lebih seperti ikatan strategis. Pada saat yang sama, OpenAI juga mengembangkan chip ASIC sendiri bekerja sama dengan Broadcom, yang ditargetkan produksi massal pada akhir 2026.
OpenAI secara sadar mendiversifikasi pasokan daya komputasinya — membangun jalur paralel di luar Nvidia, sambil bertaruh pada dua jalur sekaligus: chip inferensi khusus dan chip buatan sendiri.
Tanggapan Nvidia: Membeli Pesaing
Nvidia mengakuisisi Groq seharga $20 miliar pada akhir tahun lalu. LPU (Language Processing Unit) Groq adalah arsitektur inferensi murni yang, seperti Cerebras, menghindari hambatan bandwidth memori GPU, dan merupakan pesaing utama di jalur chip inferensi independen.
Setelah akuisisi, Groq berubah dari pemain independen menjadi divisi di bawah Nvidia. Ini adalah langkah defensif, tetapi efeknya langsung: memasukkan pesaing ke dalam perusahaan lebih murah dan lebih tuntas daripada bertarung langsung di pasar.
Hasilnya, pesaing arsitektur utama Cerebras di jalur ini menghilang dan berubah menjadi produk Nvidia sendiri. Konstelasi ini menguntungkan bagi perluasan pelanggan Cerebras dalam beberapa tahun ke depan.
Cerebras Kembali Mengincar IPO
Pada 17 April, Cerebras mengajukan kembali aplikasi pencatatan saham ke SEC, dengan target valuasi sekitar $35 miliar, berencana mengumpulkan dana $3 miliar, dan menargetkan penyelesaian IPO pada kuartal kedua.
IPO pertama gagal karena pelanggan terbesarnya, G42 (perusahaan AI Abu Dhabi), menjadi sasaran CFIUS. Cerebras mengubah semua saham berhak suara G42 menjadi saham tanpa hak suara, dan CFIUS akhirnya memberikan izin pada 31 Maret 2025.
Kondisi sekarang berbeda dari sebelumnya:
- Groq diakuisisi Nvidia, pesaing utama tersingkir
- OpenAI adalah pelanggan jangkar, komitmen $20 miliar menjadi kartu truf terbesar dalam roadshow IPO
- Valuasi melonjak dari $23 miliar di Seri H pada Februari menjadi target $35 miliar, naik 50% sebelum pencatatan
OpenAI, Nvidia, dan Cerebras masing-masing memiliki perhitungan sendiri di medan perang inferensi, tetapi semuanya bertaruh pada hal yang sama: permintaan daya komputasi inferensi akan berlipat ganda beberapa kali dalam lima tahun ke depan. Biaya untuk merebut posisi sekarang jauh lebih murah daripada masuk dua tahun kemudian.
Sumber: 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)