Cerebras Systems finalmente llegó al mercado público.
La compañía, conocida por sus “chips de IA wafer-scale”, comenzó a cotizar en Nasdaq el 14 de mayo de 2026 con el ticker CBRS. Según el anuncio oficial de Cerebras, el precio de la IPO fue de 185 dólares por acción, con una oferta de 34,5 millones de acciones ordinarias Class A, incluida la opción de sobreasignación de 4,5 millones de acciones ejercida por completo por los colocadores.
En su primer día de cotización, las acciones de Cerebras abrieron con una fuerte subida y llegaron a acercarse a los 386 dólares. Con base en el precio de emisión, la compañía recaudó más de 5.500 millones de dólares, convirtiéndose en una de las IPOs de hardware de IA más observadas del mercado estadounidense en 2026.
Por eso muchos medios la llaman “retadora de Nvidia”. Pero no es preciso entender Cerebras simplemente como “la próxima Nvidia”. Lo que realmente la hace especial es que eligió una ruta técnica muy distinta de las GPUs tradicionales.
Cerebras no fabrica una GPU normal
El producto central de Cerebras es WSE, sigla de Wafer-Scale Engine.
La fabricación tradicional de chips corta una oblea completa en muchos chips pequeños, que luego se empaquetan, prueban y envían. Cerebras hace lo contrario: intenta convertir la oblea completa directamente en un chip gigante.
Las ventajas de esta ruta son bastante claras:
- Mayor área de chip.
- Más unidades de cómputo en el chip.
- SRAM en chip más cerca de los núcleos de cómputo.
- Menor distancia de movimiento de datos dentro del chip.
- Mejor ajuste para ciertas cargas de inferencia y entrenamiento de IA.
En cómputo de IA, mover datos suele ser más difícil de optimizar que el cálculo puro. La idea de Cerebras es mantener cómputo y almacenamiento en la misma pieza de silicio tanto como sea posible, reduciendo latencia y consumo causados por sacar datos repetidamente del chip.
Esa es la parte más atractiva del enfoque WSE. No sigue simplemente la ruta de escalar GPUs, sino que usa un chip individual mucho más grande para buscar mayor ancho de banda en chip y menor coste de movimiento de datos.
Por qué el mercado se entusiasmó
El mercado de chips de IA depende hoy en gran medida de Nvidia. Ya sea para entrenar grandes modelos, desplegar servicios de inferencia o construir centros de datos de IA, las GPUs de Nvidia siguen siendo la opción dominante.
Eso hace que el mercado se interese naturalmente por dos tipos de empresas:
- Las que pueden reducir la dependencia de la cadena de suministro de Nvidia.
- Las que pueden ofrecer más rendimiento o menor coste en ciertas cargas de IA.
Cerebras encaja en ambos relatos.
No fabrica una CPU general ni una tarjeta aceleradora común. Diseña sistemas directamente alrededor del entrenamiento y la inferencia de IA. La compañía también ha enfatizado que sus chips wafer-scale y su plataforma cloud de inferencia pueden ofrecer throughput muy alto en ciertos escenarios de inferencia de modelos.
Este tipo de historia es fácil de amplificar en 2026. La infraestructura de IA sigue expandiéndose, y empresas, proveedores cloud y compañías de modelos buscan más fuentes de cómputo. Si una empresa de chips puede demostrar que en algunos escenarios no es “otra GPU pequeña”, el mercado le presta atención.
La colaboración con OpenAI amplía la narrativa
Otra razón por la que Cerebras recibe tanta atención es su relación con OpenAI.
Según reportes de medios, Cerebras firmó un acuerdo de cooperación con OpenAI por más de 20.000 millones de dólares. El artículo original de Sohu señala que, a finales de 2025, las obligaciones de desempeño restantes de ese acuerdo alcanzaban 24.600 millones de dólares.
Para una compañía de hardware de IA recién listada, este tipo de contrato de largo plazo es muy importante. Sugiere que la empresa no solo tiene una historia técnica, sino también demanda de grandes clientes.
Aun así, los pedidos de largo plazo no equivalen automáticamente a ingresos realizados. El despliegue de centros de datos de IA depende de capacidad de fabricación, empaquetado, suministro eléctrico, ritmos de entrega, presupuestos de clientes y cambios en la estrategia de modelos. Para una empresa de chips, conseguir pedidos es solo el primer paso. Entregar a tiempo, escalar de forma estable y construir márgenes es más difícil.
La concentración de clientes sigue siendo un gran riesgo
Cerebras también tiene un riesgo evidente: alta concentración de clientes.
El artículo de Sohu señala que G42 aportó el 85% de los ingresos de Cerebras en 2024 y bajó al 24% en 2025, mientras que Mohamed bin Zayed University of Artificial Intelligence aportó el 62% de los ingresos en 2025. Esto significa que, aunque el peso de G42 cayó, los ingresos de Cerebras siguen dependiendo mucho de unos pocos grandes clientes.
Para una empresa de infraestructura de IA, la concentración de clientes tiene dos caras.
El beneficio es que los grandes clientes pueden traer crecimiento rápido, contratos de largo plazo y visibilidad de pedidos.
El riesgo es que, si esos clientes recortan presupuestos, cambian de ruta técnica, retrasan centros de datos o enfrentan cambios regulatorios, la volatilidad de ingresos puede ser muy alta.
Por eso no conviene mirar Cerebras solo por la subida de su IPO. El precio del primer día refleja entusiasmo y expectativas. La valoración de largo plazo dependerá de estructura de ingresos, capacidad de entrega, márgenes y diversificación de clientes.
El límite técnico: capacidad de memoria
WSE tiene fortalezas claras, pero sus límites también son claros.
El artículo de Sohu señala que el chip WSE-3 incluye 44GB de SRAM, mientras que Nvidia B200 incluye 192GB de memoria. El diseño de Cerebras coloca mucho cómputo y SRAM en la misma oblea, lo que reduce movimiento de datos, pero también limita la capacidad de memoria disponible.
Para los grandes modelos, la capacidad de memoria afecta directamente la longitud de contexto, el tamaño de batch y la forma de despliegue. Las ventanas de contexto son cada vez más largas, y los modelos insignia avanzan hacia contextos de millones de tokens. En esa tendencia, la capacidad de SRAM en chip se vuelve una restricción real.
Las GPUs tradicionales pueden seguir ampliando memoria mediante apilamiento HBM, expansión de empaquetado e interconexión multi-GPU. La ruta wafer-scale de Cerebras es más difícil de ampliar de forma simple, porque el área de la oblea ya está ocupada por unidades de cómputo y SRAM. Aumentar SRAM puede implicar sacrificar área de cómputo.
Esto no significa que la ruta técnica de Cerebras haya fallado. Significa que es una elección arquitectónica orientada a cargas específicas. Puede ser muy fuerte en ciertos escenarios de inferencia, pero no necesariamente cubre todas las necesidades de entrenamiento e inferencia de IA.
¿Puede reemplazar a Nvidia?
A corto plazo, es poco probable que Cerebras reemplace a Nvidia.
La ventaja de Nvidia no es solo el rendimiento de la GPU. Incluye el ecosistema CUDA, herramientas para desarrolladores, integración de sistemas, interconexión de red, soluciones de servidor completas, soporte de proveedores cloud y costes de migración del cliente. Muchas compañías de IA eligen Nvidia no porque un chip gane en una métrica aislada, sino porque todo el ecosistema es el más estable.
La oportunidad más realista para Cerebras es convertirse en una opción complementaria para cargas de IA específicas:
- Inferencia de alto throughput.
- Servicios de grandes modelos concretos.
- Tareas sensibles a latencia y ancho de banda en chip.
- Clientes que quieren reducir dependencia de una sola cadena de suministro de GPUs.
- Compañías de modelos dispuestas a probar nuevas arquitecturas por rendimiento.
Es decir, no es un “asesino de Nvidia”. Se parece más a una ruta alternativa agresiva dentro del mercado de cómputo de IA.
Resumen
La fuerte subida de Cerebras tras su IPO muestra que los mercados de capitales siguen dispuestos a pagar una prima alta por historias de infraestructura de IA.
Su ruta de chips wafer-scale es realmente distinta y la separa de las compañías comunes de aceleradores de IA. Con colaboraciones de grandes clientes como OpenAI, Cerebras tiene una narrativa de mercado poderosa.
Pero los riesgos también son reales: concentración de clientes, presión de entrega, límites de memoria, barreras de ecosistema y la diferencia sistémica frente a Nvidia determinarán hasta dónde puede llegar.
Para lectores generales, lo más interesante de Cerebras no es cuánto subió la acción. Es que demuestra que la competencia por cómputo de IA no tendrá una sola ruta basada en GPUs. La infraestructura futura de grandes modelos podría incluir GPUs, chips wafer-scale, aceleradores propios y plataformas cloud especializadas de inferencia al mismo tiempo.