Cerebras CS-4完全解説――GPUを使わない「30倍速」AI推論の正体

2026年8月24日 23:38

ウェハー1枚を巨大チップにした異端の半導体企業は、NVIDIA一強を崩せるか

2026年8月18日、米国のAI半導体企業Cerebras Systems（セレブラス・システムズ、NASDAQ: CBRS）は、サンフランシスコで開いた自社イベント「SUPERNOVA 2026」で、新型AIアクセラレーター「CS-4」を発表した。同社が2026年5月14日にナスダックへ上場して以降、初めて世に出すハードウェアである。

同社の発表で最も注目されたのは、「GPUベースのシステムより最大30倍高速」という数字である。CS-4は、GPT-OSS-120Bの推論で、1ユーザー当たり毎秒4,400トークンを超える生成速度を達成したという。

もう一つ、見出しになりにくいが同じくらい重要な主張がある。CS-4は前世代CS-3に対して、1ワット当たりのスループットが最大10倍だという。速度だけでなく、データセンターの電力あたり経済性を主戦場にすると宣言した数字である。

だが、このニュースの本当の意味は、単にチャットボットの文章が30倍速く表示されることではない。

セレブラスは、NVIDIAが支配する「小さなGPUを大量に並べる」というAIデータセンターの基本構造に対し、まったく異なる答えを提示している。通常は製造後に小さく切り分ける直径300ミリのシリコンウェハーを、そのまま1個の巨大プロセッサとして使うのである。

一つのWSE-3 Turboには、4兆個のトランジスタ、90万個のAIコア、44GBのオンチップSRAMが載る。CS-4は、この皿ほどの大きさのプロセッサを3基搭載する。計算能力は750PFLOPS、メモリー帯域は毎秒129.6ペタバイト、ウェハー間遅延は最短2マイクロ秒に達する。

ここで問うべきなのは、「NVIDIAより速いか」という単純な勝敗ではない。

AIの競争軸が、モデルを一度学習させる能力から、何億人、何百万体のAIエージェントに、どれだけ速く、安く、継続的に推論させられるかへ移り始めた。その変化の中で、Cerebrasはどの位置を取ろうとしているのか。

本稿では、創業の経緯、2026年5月のIPO、ウェハースケール技術、CS-4の構造、「30倍速」「10倍/W」の比較条件、OpenAIとの大型契約とGPT-5.6 Sol Ultrafast、AWS・AMDとの分離型推論、上場後の財務とワラント会計、NVIDIA・Etchedとの競争、そして日本企業への影響まで、Cerebrasの全体像を詳しく解説する。

なお本稿では、Cerebras自身の発表・開示に基づく数字を「発表ベース」、第三者メディアや調査会社の推計に基づく数字を「報道ベース」として区別する。CS-4の性能値は現時点ではすべて発表ベースであり、独立検証はまだ存在しない。

最終検証日：2026年8月23日。株価、アナリスト予想、製品提供時期などは、この日までに確認できた公表情報を基準とする。

この記事のポイント

「最大30倍」は、GPT-OSS-120Bを使った特定条件における1ユーザー当たり生成速度の比較であり、すべてのGPU処理が30倍になるという意味ではない
CS-4の本質は、ウェハーサイズのプロセッサ3基、直接液冷、低遅延接続を一つのラックへ統合し、AIエージェント向け推論を高速化したことにある
最大の課題は技術性能だけではなく、600MW規模の設備構築、OpenAIなどへの顧客集中、巨額投資を利益へ変える実行力である

Cerebras Systemsとは何者か
創業者5人とSeaMicroから受け継いだ思想
2026年5月14日――スノーフレーク以来の大型テックIPO
なぜAI計算ではデータ移動が最大の問題になるのか
Wafer Scale Engineという「非常識」な設計
巨大チップの歩留まり問題をどう克服したのか
WSE-1からWSE-3 Turboまでの進化
SUPERNOVA 2026――CS-4はどこで発表されたか
新製品CS-4の全貌
CS-3とCS-4は何が違うのか
「最大30倍速」の正しい読み方
もう一つの主張――「1ワット当たり10倍」
4,400トークン毎秒は何を変えるのか
AIエージェント時代に速度が価値になる理由
CS-4の電力、冷却、Backpack設計
Nexus PlatformとDirect Wafer Links
50兆パラメータ超をどう処理するのか
PrefillとDecodeを分ける「分離型推論」
AMD・AWSとの協業が示すCerebrasの現実戦略
OpenAIとの750MW契約
Cerebrasの顧客と導入分野
ハード販売から推論クラウドへの転換
2026年の業績と財務を読む
投資家はCerebrasをどう見ているか
もう一つの顧客層――政府とソブリンAI
G42・MBZUAIへの依存と地政学リスク
600MW・製造能力10倍計画は実現できるか
NVIDIAとの本当の競争領域
Etched、Google TPU、そして競争条件が変わったGroq
Cerebrasの技術的・事業的弱点
AIバブル崩壊時にCerebrasはどうなるか
ロボット・フィジカルAIとの接点
日本ではどう買えるのか――日本法人と国内代理店
日本の半導体・データセンター企業への示唆
今後確認すべき重要指標
結論――CerebrasはNVIDIAを倒す会社なのか

第1章　Cerebras Systemsとは何者か

Cerebras Systemsは2015年に設立された、米カリフォルニア州サニーベールのAIコンピューティング企業である。2026年5月14日にNASDAQへ「CBRS」のティッカーで上場した。

同社を単なるAI半導体設計会社と捉えると、本質を見誤る。

Cerebrasが設計しているのは、チップだけではない。ウェハースケールプロセッサ、サーバー筐体、電力変換、直接液冷、ウェハー間ネットワーク、外部メモリー、コンパイラー、クラウド推論サービスまでを垂直統合している。

これは、NVIDIAがGPU単体からDGX、HGX、NVLink、InfiniBand、Spectrum-X、CUDA、クラウドサービスへ領域を広げてきたのと似ている。ただしCerebrasは、最初からウェハーサイズの計算機を成立させるため、システム全体を同時に設計せざるを得なかった。

基本情報

【会社名】Cerebras Systems Inc.
【設立】2015年（デラウェア州法人としての登記は2016年4月6日）
【本社】米カリフォルニア州サニーベール（1237 E. Arques Avenue）
【CEO】Andrew Feldman（共同創業者）
【CTO】Sean Lie（共同創業者）
【共同創業者】Andrew Feldman、Gary Lauterbach、Michael James、Sean Lie、Jean-Philippe Fricker（5名全員が在籍）
【上場市場】NASDAQ Global Select Market
【ティッカー】CBRS
【上場日】2026年5月14日
【公開価格】1株185ドル／調達額55億5,000万ドル
【主力技術】Wafer Scale Engine（WSE）
【主力製品】CSシリーズ、Cerebras Inference（推論クラウド）
【製造】TSMC（5nm）
【主な用途】LLM推論、AI学習、科学技術計算

創業年について補足しておく。Cerebrasの公式サイトは「2015年の創業以来」と記す一方、SECへ提出した目論見書（S-1）は「2016年4月にデラウェア州法人として設立」と記載する。前者は事業の立ち上げ、後者は法人登記の時点を指す。本稿では公式サイトの表記に従い2015年創業とする。

Cerebrasの歴史は、大きく3段階に分けられる。

第1段階は、2015年から2019年までのウェハースケール技術の開発期である。第2段階は、CS-1、CS-2、CS-3を研究機関、製薬、エネルギー、政府、スーパーコンピューター用途へ販売した学習中心の時代である。そして第3段階が、2024年以降の推論クラウドへの転換だ。

この第3段階で、同社の潜在市場は一気に広がった。AIモデルを学習する企業は限られるが、推論はAIサービスが使われるたびに発生する。AIエージェントが普及すれば、一つの回答を出すまでに数十回、数百回の内部推論やツール呼び出しが行われるため、推論需要はさらに膨張する。

第2章　創業者5人とSeaMicroから受け継いだ思想

Cerebrasを創業した5人は、いずれも省電力・高密度サーバー企業SeaMicroで一緒に働いていた。

Andrew FeldmanとGary Lauterbachが2007年に立ち上げたSeaMicroは、小型CPUを大量に集積し、ネットワーク、ストレージ、電源管理を一体化した高密度サーバーを開発した。AMDは2012年に同社を約3億3,400万ドルで買収した。買収後、FeldmanはAMDのデータセンター・サーバー部門を率いている。

SeaMicroでの経験はCerebrasに強く反映されている。

データセンターでは、プロセッサの理論性能だけが重要なのではない。データをどう移動するか、電力をどう届けるか、熱をどう逃がすか、故障した部品をどう交換するか、何千台をどう管理するかが、実効性能と経済性を決める。

Andrew FeldmanはCEOとして資本調達、顧客開拓、事業戦略を率いる。Sean LieはCTOとしてプロセッサ、システム、推論アーキテクチャを主導する。Jean-Philippe Fricker、Michael James、Gary Lauterbachも、システム設計と計算機アーキテクチャの中核を担ってきた。

2015年の創業当時、ウェハー全体を一つのプロセッサとして商用化できるかは不明だった。過去にもウェハースケール・インテグレーションの試みは存在したが、製造欠陥、配線、電力、冷却、パッケージングの問題に阻まれてきた。

Cerebrasは約4年間のステルス開発を経て、2019年8月に初代WSE-1を、翌2020年にCS-1の初号機をArgonne国立研究所やNETL、GSKなどへ納入した。これは「大きなチップを作った」というだけでなく、半導体製造の常識に対する実証だった。

公式沿革はCerebras Companyで確認できる。

第3章　2026年5月14日――スノーフレーク以来の大型テックIPO

Cerebrasを2026年に語るうえで、CS-4より先に押さえるべき出来事がある。上場である。

同社は2024年9月に一度S-1を提出した。ところが主要顧客であるアブダビのG42への依存と、その出資関係が対米外国投資委員会（CFIUS）の審査対象となり、IPOは無期限に延期された。2025年5月にFeldman CEOがCFIUSのクリアランス取得を公表し、同年9月には11億ドルのシリーズG（ポストマネー評価額81億ドル）を実施。10月に「情報が古くなった」として当初のS-1を取り下げた。

転機は2026年2月3日に発表されたシリーズHである。Tiger Global主導で10億ドルを調達し、ポストマネー評価額は約230億ドル。前年9月30日のシリーズG（11億ドル、Fidelity Management & ResearchとAtreides Managementが共同主導、ポストマネー81億ドル）から4カ月で評価額が約3倍になった。

シリーズHの参加者リストは、この会社の立ち位置をよく表している。Benchmark、Fidelity、Atreides、Alpha Wave Global、Altimeter、Coatue、1789 Capital。そして直接の競合であるAMDも出資した。競合が出資するのは、破壊への保険と技術への確信のどちらか、あるいは両方である。

同社は2016年5月のシリーズA（2,700万ドル、Benchmark、Foundation Capital、Eclipse Venturesが主導）以来、上場前に累計約28〜29億ドルを調達している。

資金調達はエクイティだけではない。2026年4月には、5年物のシンジケート・リボルビング・クレジット枠（最大8億5,000万ドル）を組成した。アレンジャーにはMorgan Stanley、Citi、Barclays、UBS、Crédit Agricole CIBに加え、三菱UFJ（MUFG）、みずほ、TD Securities、SVB／First Citizensが名を連ねる。日本のメガバンク2行が、この案件のデータセンター拡張資金を支えている。

そして4月17日にS-1を再提出、5月に上場へ向かった。

なお上場の数日前、Armとソフトバンクグループが土壇場で買収を打診したが、Cerebrasはこれを拒否したとブルームバーグが報じている（報道ベース）。

IPOの数字

【価格決定】2026年5月13日
【公開価格】1株185.00ドル
【当初想定レンジ】115〜125ドル → 150〜160ドルへ引き上げ → さらに上回る185ドルで決定
【発行株数】クラスA普通株3,000万株。引受人のオーバーアロットメント・オプション450万株は全数行使され、最終的な発行総数は3,450万株
【調達額】55億5,000万ドル（オーバーアロットメント全行使後の総調達額＝グロスは約63億8,000万ドル）
【クロージング】2026年5月15日
【公開価格ベース評価額】完全希薄化後約564億ドル
【上場日】2026年5月14日／NASDAQ Global Select Market／ティッカーCBRS
【初値】350ドル（公開価格比＋89％）
【日中高値】386.34ドル（同＋109％）
【初日終値】311.07ドル（同＋68％）
【需要】募集株数の20倍超
【主幹事】Morgan Stanley、Citigroup、Barclays、UBS（ほかMizuho、TD）

米国テック企業のIPOとしては、2020年のSnowflake以来の規模と報じられた。ロードショーにはOpenAIのSam Altman氏が登場した。Feldman CEOの持ち分は公開価格ベースで約19億ドル、Sean Lie CTOは約10億ドルと算定された。

なお時価総額には複数の数字が報じられた。基本株式数を用いると初日終値で約660億ドル、ワラントやオプションなどを含む完全希薄化後では約950億ドルとされた。評価額を比較する際には、基本株式ベースか完全希薄化後かをそろえる必要がある。

上場前の財務

上場直前に開示された2025年通期実績は、投資家の熱狂を裏づけるものだった。

【2025年通期売上高】5億1,000万ドル（前年比76％増、2024年は2億9,030万ドル）
【四半期推移】2025年Q1 9,950万ドル → Q4 1億7,140万ドル
【2025年通期GAAP純利益】2億3,780万ドル（2024年は4億8,160万ドルの純損失）
【2025年通期非GAAP純損失】7,570万ドル
【粗利益率】2024年約42％ → 2025年約39％（低下）
【2025年営業キャッシュフロー】マイナス1,010万ドル
【2025年設備投資】3億8,270万ドル（フリーキャッシュフローは約マイナス3億9,300万ドル）
【残存履行義務（RPO）】246億ドル（2025年12月31日時点）
【従業員数】708名（2025年）

GAAP純利益2億3,780万ドルには、先渡契約負債の消滅に伴う一時的な3億6,330万ドルの利益が含まれる。もともと2024年にG42へ優先株を売却する契約を結んだ際、Cerebrasは4億100万ドルの損失を計上していた。2025年に米国の安全保障審査を受けてこの契約が再構築され、負債が貸借対照表から外れた結果、逆方向の巨額な会計上の利益が立った。

この影響などを除くと非GAAP純損失は7,570万ドルであり、GAAP営業損失は1億4,590万ドルだった。したがって「2025年に本業で安定黒字化した」と解釈するのは誤りである。GAAP純利益、非GAAP純損失、営業損失はそれぞれ定義が異なるため、同じ「利益」の数字として混同してはならない。

もう一つ、見落とされやすい数字がある。米国で請求した顧客からの売上は、2024年の2億8,270万ドルから2025年には1億8,760万ドルへ34％減少した。全体の76％増は、UAEの国家AI調達サイクルによって生じたものである。RPO 246億ドルのうち約15％は、2025年末から24カ月以内、すなわち2027年12月末までに売上認識される見込みと開示されている。残りは25〜48カ月目が約43％、それ以降が約42％で、契約残高の売上化は長期にわたる。

なお2025年末時点の総資産は23億2,600万ドル、株主資本はマイナス5億7,800万ドルだった（優先株の分類による）。

上場後の株価

熱狂は続かなかった。CS-4発表当日の2026年8月18日時点で、株価は218〜220ドル前後となり、日中高値386.34ドルから40％以上下落していた（報道ベース）。ただし公開価格185ドルは上回っていた。株価の基準を「公開価格」「初値」「日中高値」のどれに置くかで評価は大きく変わる。

値動きそのものも激しい。上場後の安値は2026年6月26日の160.81ドル。7月29日の終値169ドル前後から8月17日には255ドル前後まで戻し、その後Q2決算とCS-4発表を挟んで再び200ドル前後へ下げた。直近取引日である8月21日の終値は196.13ドル、時間外は197.10ドルで、時価総額は約466億〜470億ドルだった。上場からの期間が短いため、ベータ値など長期の統計指標より、公開価格・初値・直近高安との比較で変動性を見る方が適切である。

この落差が、CS-4発表を読むときの前提になる。Cerebrasは技術で驚かせる段階を終え、数字で説明する段階に入っている。

第4章　なぜAI計算ではデータ移動が最大の問題になるのか

半導体の説明では、FLOPSやTOPSといった演算回数が注目されやすい。しかしLLM、とりわけ推論のDecode段階では、演算器の数だけ増やしても速度が比例して上がらない。

理由はモデルの重みをメモリーから読み出し、演算器へ運ぶ必要があるからだ。

LLMが1トークンを生成するたびに、多数の重みを参照する。バッチサイズが小さく、1人の利用者へ低遅延で回答する場合、同じ重みを多数の利用者で共有して演算効率を上げる余地が小さい。このため処理は「計算量制約」より「メモリー帯域制約」になりやすい。

GPUクラスターでは、データが次の階層を移動する。

GPUの演算器とキャッシュの間
GPUダイとHBMの間
同一サーバー内のGPU間
サーバー間
ラック間

各階層には帯域、遅延、消費電力の限界がある。NVIDIAはHBM、NVLink、NVSwitch、InfiniBand、Spectrum-Xなどを使ってこの問題を解いている。しかしモデルが大きくなるほど、GPUを増やし、接続を増やし、通信を管理する必要がある。

Cerebrasの発想は逆である。

小さなチップを高速ネットワークでつなぐのではなく、最初から極端に大きな計算面を作り、演算器とメモリーを近づける。チップ間通信をチップ内通信へ置き換えることで、データ移動の距離と階層を減らす。

これは「GPUより演算器が多い」という競争ではない。「計算する前に、どれだけデータを動かさなければならないか」というシステム設計の競争である。

第5章　Wafer Scale Engineという「非常識」な設計

一般的な半導体工場では、直径300ミリのシリコンウェハー上に同じチップを多数形成する。露光、成膜、エッチングなどの工程を終えた後、ウェハーをダイごとに切り分け、良品だけをパッケージへ組み込む。

この方法なら、一部のダイに欠陥があっても、残りの良品を販売できる。

Cerebrasは、ウェハーを切り分けず、ほぼ全面を一つの計算装置として使う。WSE-3系のシリコン面積は46,225平方ミリメートルであり、一般的な大型GPUダイの数十倍に達する。

ウェハー全面を利用する利点は大きい。

第一に、膨大な数のAIコアを近距離で接続できる。第二に、大容量SRAMを演算器と同じシリコン上へ配置できる。第三に、チップ間のシリアル通信を減らし、広い並列通信経路を使える。

WSE-3 Turboの場合、90万個のAIコアと44GBのSRAMが同一ウェハーに存在する。メモリー帯域は毎秒43.2ペタバイト、内部ファブリック帯域は毎秒53.5ペタバイトに達する。

HBMの容量やGPUの汎用性ではなく、「演算器の隣にある高速メモリー」と「巨大な内部配線」に賭けた設計である。

第6章　巨大チップの歩留まり問題をどう克服したのか

ウェハーサイズのチップを作るうえで最大の障壁は歩留まりである。

半導体の製造工程では、微小な異物、露光のずれ、配線不良などを完全にゼロにはできない。チップ面積が大きくなるほど欠陥を含む確率が高くなる。一般的な設計なら、ウェハーほど大きなチップは、どこか一カ所の欠陥で全体が不良品になりかねない。

Cerebrasは「欠陥のないウェハーを作る」のではなく、「欠陥があっても動くアーキテクチャ」を設計した。

主な考え方は次の通りだ。

小さく規則的なAIコアを大量に配置する
必要数より多い予備コアを持たせる
欠陥コアをテスト工程で特定する
欠陥部分を論理的に無効化する
通信経路を再構成して欠陥領域を迂回する
電力と通信を局所的に管理する

AI処理は、多数の同型演算器へ分散しやすい。そのため、一部のコアを使えなくしても、全体を動作させられる。

また、通常の露光装置が一度に描ける領域には上限がある。Cerebrasは複数の露光領域をまたいで信号を通す技術を使い、ウェハー上の多数の区画を一つのプロセッサとして接続する。

この冗長設計、配線技術、ウェハー級パッケージング、電力供給、液冷を同時に成立させた点が、Cerebrasの重要な知的財産である。

第7章　WSE-1からWSE-3 Turboまでの進化

WSE-1とCS-1

2019年に公開されたWSE-1は、16nmプロセスで製造され、約1兆2,000億トランジスタ、40万AIコア、18GB SRAMを備えていた。

この段階での最大の意味は性能より、ウェハースケール計算機を実際のデータセンターへ設置できることを証明した点にある。

WSE-2とCS-2

2021年のWSE-2は7nmへ移行し、約2兆6,000億トランジスタ、85万AIコア、40GB SRAMへ拡大した。CS-2は製薬、エネルギー、大学、政府研究機関などへ導入された。

WSE-3とCS-3

2024年に発表されたWSE-3はTSMC 5nmで製造され、4兆トランジスタ、90万AIコア、44GB SRAM、125PFLOPSを実現した。CS-3は最大2,048システムを接続でき、外部メモリーを組み合わせることで最大24兆パラメータ級モデルの学習を想定した。

詳細仕様はCerebras WSE-3発表にまとめられている。

WSE-3 Turbo

2026年8月18日に発表されたWSE-3 Turbo（WSE-3T）は、トランジスタ数4兆、AIコア数90万、SRAM容量44GB、シリコン面積46,225平方ミリメートル、製造プロセスTSMC 5nmのすべてをWSE-3と共有する。変わったのは電力供給、動作周波数、内部帯域、I/Oである。

【AI演算性能】125PFLOPS → 250PFLOPS（2倍）
【メモリー帯域】21.6PB/秒 → 43.2PB/秒（2倍）
【オンチップ・ファブリック帯域】26.7PB/秒 → 53.5PB/秒（2倍）
【オフチップI/O帯域】1.2Tbps → 2.4Tbps（2倍、1ウェハー当たり）
【I/O遅延】5マイクロ秒 → 最短2マイクロ秒

公式発表はWSE-3Tを「新たに発表したプロセッサ」と位置づける一方、製造プロセス、面積、トランジスタ数、コア数、SRAM容量はWSE-3と同じである。複数の技術媒体は、主要な性能向上が新しい微細化世代ではなく、電力供給、冷却、I/Oの再設計とクロック引き上げによるものだと報じている。Cerebras自身も、WSE-3Tへ従来の2倍の電力を供給し、高い動作周波数を可能にしたと説明している。

なお250PFLOPSという数字は、スパース（疎行列）FP16性能として技術媒体が整理した値である。The Registerなどの分析では、密行列（dense）FP16換算は25PFLOPSとされる。公式プレスリリースは単に「AI compute」と表記しており、算定条件を本文中で詳述していない。したがって他社GPUの密行列FP16性能と250PFLOPSをそのまま横並びにしてはならない。

Cerebrasは2027年に、クロック引き上げではない新世代WSEを投入する計画を明らかにしている。

第8章　SUPERNOVA 2026――CS-4はどこで発表されたか

CS-4は、プレスリリース単独で出た製品ではない。

Cerebrasは2026年8月18日午後3時30分から2時間、サンフランシスコで自社フラッグシップイベント「SUPERNOVA 2026」を開催し、ライブ配信した。発表内容は製品一つではなく、パッケージだった。

【CS-4とWSE-3 Turbo】ハードウェアの本体
【Nexus Platform Architecture】CS-5、CS-6まで見据えたラック基盤
【Arista Networks】Etherlinkによるスケールアウト構成
【AMD】Helios GPUとの分離型推論
【AWS】Trainiumとの分離型推論、Bedrock展開
【OpenAI】GPT-5.6 Sol Ultrafast（5日前の8月13日に先行公開）
【Callosum】欧州でのエージェント推論提携（2日後の8月20日に発表）
【データセンター】2027年末までに600MW
【ロードマップ】2027年末までに速度4倍、スループット20倍

Feldman CEOはこのイベントで、業界の関心が「速度をベンチマーク項目として測る段階」から「速度を製品要件として設計する段階」へ移ったと語った。PCがキロヘルツからギガヘルツへ、インターネットがダイヤルアップからブロードバンドへ移ったときと同じ転換だ、という比喩である。

そしてこの構成は、Cerebrasの立ち位置を素直に表している。単独でNVIDIAを置き換えるのではなく、AMD、AWS、Arista、そしてOpenAIと組んで「NVIDIA以外の選択肢を成立させる連合」を作りにいく、という宣言である。

投資会社BNPパリバはイベント後、提携群と発表内容に感心したとコメントした。一方、株価は発表当日ほとんど動かなかった。市場が見ているのは性能値ではなく、それが商業導入に変換されるかどうかである。

第9章　新製品CS-4の全貌

CS-4は、WSE-3 Turboを3基搭載するラックスケールAIアクセラレーターである。「サーバー」という表現も間違いではないが、一般的な1台のGPUサーバーより大きく、ラック全体を一つの計算システムとして設計している。

CS-4主要仕様（すべて発表ベース）

【WSE-3 Turbo数】3基
【合計トランジスタ数】12兆
【合計AIコア数】270万
【合計オンチップSRAM】132GB
【AI演算性能】750PFLOPS（スパースFP16）
【メモリー帯域】129.6PB/秒
【内部ファブリック帯域】160.5PB/秒
【システムI/O帯域】7.2Tbps
【ウェハー間遅延】最短2マイクロ秒
【対応モデル規模】50兆パラメータ超
【1ワット当たりスループット】CS-3比最大10倍
【1ユーザー当たり速度】CS-3比最大2倍／GPU比最大30倍
【製造プロセス】TSMC 5nm
【出荷開始】2026年第3四半期（発表時点で「今四半期」）

ラック消費電力についてCerebrasは公表していない。The Registerなどは1ラック当たり120〜140kWと推定している（報道ベース）。仮にこの水準なら、NVIDIAやAMDの次世代高密度ラックとして報じられる240〜250kW級より低い。ただしCerebrasの「1ワット当たり最大10倍」はGPU比ではなくCS-3比であり、推定ラック電力だけからその10倍を導くことはできない。

CS-4はCerebrasの次世代「Nexus Platform Architecture」の最初の製品である。Compute、Power、I/Oをモジュールとして分離し、それぞれを独立して改良できる。

これは製品開発の速度に直結する。新しいウェハーが完成するまで、電源やネットワークの改良を待つ必要がなくなる。反対に、同じウェハーを使いながら電力供給や冷却を改善し、動作速度を引き上げることもできる。

公式発表と仕様はCS-4製品ページおよび2026年8月18日の発表で確認できる。

第10章　CS-3とCS-4は何が違うのか

【搭載ウェハー】CS-3：1枚 → CS-4：3枚
【AI演算性能】125PFLOPS → 750PFLOPS（6倍）
【メモリー帯域】21.6PB/秒 → 129.6PB/秒（6倍）
【内部ファブリック帯域】26.7PB/秒 → 160.5PB/秒（6倍）
【システムI/O帯域】1.2Tbps → 7.2Tbps（6倍）
【I/O遅延】5マイクロ秒 → 最短2マイクロ秒（2.5分の1）
【1ユーザー当たり速度】最大2倍
【1ワット当たりスループット】最大10倍

（出典：Cerebras公式発表資料のCS-3／CS-4比較表）

システム全体の指標は軒並み6倍だが、その内訳は「1枚当たり2倍 × 3枚」である。そしてCerebrasが公表する1ユーザー当たりの実推論速度は、CS-3比で最大2倍にとどまる。

この違いは重要だ。理論FLOPSが増えても、モデルの構造、メモリーアクセス、ウェハー間通信、外部メモリー、バッチ処理などがあるため、トークン生成速度がそのまま6倍になるわけではない。

CS-4の本質は、一つのウェハーを高速化しただけでなく、3枚を低遅延でまとめ、ラック単位で配備しやすくしたことにある。Cerebrasにとって初の複数ウェハー搭載システムであり、同社の設計思想が「巨大チップ」から「ラックが新しいチップ」へ移ったことを示す製品でもある。

第11章　「最大30倍速」の正しい読み方

「GPUより最大30倍速」という数字は、記事の見出しとしては強い。しかし、比較の意味を正確に分解する必要がある。

Cerebrasが明示した代表的な条件は次の通りである。

モデルはGPT-OSS-120B（OpenAIのオープンウェイト推論モデル）
比較対象には同一プロンプトを与える
指標はtokens per second per user（TPS/user）
CS-4は1ユーザー当たり毎秒4,400トークン超
GPUベースの解決策に対して最大30倍
比較対象のGPUシステムは名指しされていない

報道各社は、比較対象となった「最速のGPU推論サービス」の水準をおよそ毎秒350トークンと伝えている（報道ベース）。4,400 ÷ 350 は約12.6倍であり、30倍という数字がどの構成との比較なのかは、公式資料からは特定できない。

一方SemiAnalysisは、CS-4がフロンティアモデルで毎秒4,000トークン前後、CS-3が2,000トークン前後、Blackwell世代GPUは理論上限で200トークン、現実的な同時実行数では100トークン程度とみており、「むしろ20〜40倍と言えたはずだ」と論評している（報道ベース）。つまり30倍という数字は、Cerebrasにとって控えめな置き方でもありうる。数字の大小より、分母の定義が公表されていないことが問題である。

もう一つ、Cerebrasが会場で示した比較がある。WSE-3T 1枚のメモリー帯域43.2PB/秒は、NVIDIAの次世代GPU「Rubin」の約2,000倍にあたるという主張である。

この数字は正しいが、意味を取り違えやすい。CerebrasはSRAMをウェハー全面に敷き詰め、GPUはHBMを外付けする。帯域の桁が違うのは構造上あたりまえで、代わりにCerebrasは容量で大きく劣る。SemiAnalysis自身、「2,000倍の帯域があっても、対話性の改善は30倍にとどまる」と皮肉まじりに指摘している。帯域比はアーキテクチャの違いを示す数字であって、性能比ではない。

つまり、すべてのAI処理、すべてのモデル、すべての利用条件で30倍という意味ではない。

比較している指標

1ユーザーが回答を受け取る際の生成速度である。低遅延推論の体感品質に直結する。

比較していない可能性がある指標

ラック全体の同時利用者数
毎秒の総トークン数
1ドル当たりの総トークン数
入力プロンプト処理を含む総所要時間
学習性能
同一電力での総処理量
同一精度での性能（250PFLOPSはスパースFP16値）
ハードウェア取得費を含むTCO
1トークン当たりの課金価格（CS-4のAPI価格は未公表）

公式資料にも、実際の性能はモデルアーキテクチャ、コンテキスト長、精度、サービング構成で変わると記載されている。

したがって、現時点で正確な言い方は次のとおりだ。

正確に表現するなら、CS-4はGPT-OSS-120Bを使った特定の推論条件において、1ユーザー当たりの出力速度がGPUベースの構成より最大30倍速いとCerebrasが測定した、となる。

これを「NVIDIAの全GPUを30倍上回った」と言い換えるのは不正確である。

今後は第三者が、同一モデル、同一精度、同一コンテキスト、同一バッチ、同一出力長、同一電力、同一コストで再現できるかが焦点になる。

ここは公平に見ておきたい。Cerebrasには、第三者ベンチマーク機関Artificial Analysisによる測定で速度記録を実証してきた実績がある。2025年にはLlama 4 Scoutで毎秒2,600トークン超、gpt-oss-120Bで毎秒3,000トークンが第三者測定されている。つまり「デモだけの会社」ではない。それでもCS-4については、発表時点で価格も第三者測定も公表されていないという事実は変わらない。

推論性能は三つに分けて見る

CS-4を正しく評価するには、少なくとも三つの速度を分けなければならない。

【Time to First Token】入力後、最初の回答が出るまでの時間。Prefill、待ち行列、ネットワーク遅延の影響を受ける。

【Output Tokens per Second】回答が始まった後の生成速度。毎秒4,400トークンは主としてこのDecode速度を示す。

【Aggregate Throughput】ラック全体で全利用者に何トークンを提供できるか。同時利用者数、バッチ、稼働率が効く。

利用者の体感を決めるのは最初の二つだが、データセンターの売上原価を決めるのは三つ目である。CS-4が1ユーザー当たり極端に速くても、同時に処理できる利用者数や1ドル当たり総トークンが不利なら、あらゆる推論を置き換えることはできない。反対に、コード生成やエージェントのようにタスク完了時間へ追加料金を払う市場では、総量より単一ストリーム速度が重要になる。

第12章　もう一つの主張――「1ワット当たり10倍」

「30倍速」が見出しを取ったが、データセンター事業者にとってより重い数字は別にある。CS-4はCS-3に対して、1ワット当たりのスループットが最大10倍だという主張である。

なぜこちらが重いのか。

AIデータセンターの制約は、すでにチップの入手性から電力へ移りつつある。送電網への接続、変圧器、長期電力契約が律速になる局面が増えた。1MWの契約電力から何トークン取り出せるかが、そのまま事業の利益率になる。

Cerebrasの言い分はこうだ。速いトークンは遅いトークンより価値が高い。同じ電力予算の中で、価値の高いトークンをより多く生産できれば、データセンターの収益性は大きく改善する——「throughput per watt」と「tokens per second per user」を同時に押し上げた、という主張である。

ただし、この10倍という数字には注意が要る。

第一に、比較対象はGPUではなくCS-3である。GPU比の電力効率は公表されていない。

第二に、CS-4のラック消費電力そのものをCerebrasは公表していない。The Registerの推定120〜140kW、SemiAnalysisの推定125〜135kWがあるだけである（報道ベース）。

第三に、SemiAnalysisは「性能／消費電力の改善は前世代比でわずかにとどまる」とも指摘している（報道ベース）。演算性能とメモリー帯域が2倍になった一方、供給電力も2倍にしているのだから、単純な電力効率の伸びは限定的だという読みである。

第四に、「最大10倍」は特定用途での値だと複数の報道が伝えている。

公式資料は、10倍を算出したモデル、同時実行数、電力測定範囲、スループット定義を開示していない。CS-4はウェハー当たりの演算性能を2倍にし、3枚を1ラックに収める一方、ウェハーへの供給電力も2倍にしている。そのため、単純なピークFLOPS／ワットだけで10倍になるわけではない。バッチ構成、利用率、複数ウェハー化、I/O待ちの削減を含む実ワークロードの改善値と考えるべきである。

さらにCerebrasは「速いトークンは遅いトークンより価値が高い」と説明するが、これは性能指標ではなく経済的な仮説である。推論価格が急落し、利用者が速度に追加料金を払わなければ、技術上の高速性がそのまま収益性にはならない。

第13章　4,400トークン毎秒は何を変えるのか

人間は毎秒4,400トークンを読むことができない。そのため、チャット画面に文章を表示するだけなら、この速度は過剰に見える。

しかしAIシステムは、生成したすべてのトークンを人間へ表示するとは限らない。

推論モデルは内部で複数の候補を生成し、検証し、誤りを捨て、最終回答だけを表示できる。コーディングエージェントは、コードを書き、実行し、エラーを読み、修正する。検索エージェントは複数の検索語を考え、ページを読み、相互に矛盾する情報を比較する。

毎秒4,400トークンという速度は、同じ10秒の中に、従来より多くの思考・検証ループを入れられることを意味する。

例えば従来のシステムが毎秒150トークンなら、10秒で1,500トークンを生成する。毎秒4,400トークンなら、理論上は10秒で44,000トークンを生成できる。実際にはツール待ち時間や入力処理があるが、AIが内部で使える計算時間の設計自由度は大きく変わる。

速度は、単なる快適性ではなく、AIが仕事を完了するまでの時間と、同じ時間内に実施できる検証回数を変える。

第14章　AIエージェント時代に速度が価値になる理由

従来のチャットボットでは、利用者が質問し、AIが1回答を生成した。AIエージェントでは、最終回答の背後で多段階の処理が行われる。

典型的な流れは次のようになる。

目的を分解する
必要な情報を決める
検索やデータベースを呼び出す
結果を評価する
不足を発見する
再検索する
コードや文書を作る
テストする
エラーを修正する
最終成果物を生成する

各段階でLLM推論が発生する。さらに複数のエージェントが役割分担すれば、推論回数は増える。

低速なモデルでは、エージェントが賢くても待ち時間が長く、実用性が落ちる。高速推論が使えれば、より大きなモデルや長い推論を、対話可能な時間内で動かせる。

恩恵が大きい用途として、コーディング、サイバーセキュリティ、金融市場分析、創薬、リアルタイム音声、カスタマーサポート、ロボット行動計画などがある。

Cerebrasが売ろうとしているのは「速い文章」ではなく、「短時間で多くの知的作業を繰り返せる計算基盤」である。

第15章　CS-4の電力、冷却、Backpack設計

ウェハーサイズのプロセッサは、電力と冷却が難しい。WSE-3 Turboを高い周波数で動かすには、巨大なシリコン面へ均一に電力を供給し、大量の熱を逃がさなければならない。

CS-4では、ウェハーごとに「Wafer-Scale Backpack」という交換可能なモジュールを採用した。

Backpackには以下が統合される。

WSE-3 Turbo
電力変換回路
直接液冷
高速I/O
制御回路

モジュールをラック背面から取り付ける構造とし、計算部分を電源アレイから分離した。これにより、製造、設置、交換、アップグレードを容易にする。

Cerebrasによると、前世代比で部品数を50％削減し、製造工程の自動化を60％増やした。設置時間も数日から数時間へ短縮できるとしている。

また電力変換回路をプロセッサの約0.5ミリまで近づけた。一般的なGPU基板では約50ミリ離れる場合があるという。距離を100分の1にすることで配線抵抗や変換損失を抑え、ウェハーへより大きな電力を供給する。

その結果、同じ5nm世代のWSE-3を基礎にしながら、Turbo版では演算性能とメモリー帯域を倍増できた。SemiAnalysisは、この倍増の実体は「電力供給の増強と冷却改善によるクロック周波数のおよそ2倍化」だとみている（報道ベース）。

Backpackは、ラック背面から垂直に電源アレイへ挿し込む構造になっている。計算部を電源から切り離したことで、製造・設置・交換・アップグレードが独立して行えるようになった。SemiAnalysisのDylan Patel氏は発表資料の中で、CS-4の要点は演算性能そのものより「システムの配備性、信頼性、ネットワーク」の改善にあると評している。

ただし、高密度液冷設備を持たない既存データセンターへ簡単に置けるとは限らない。CS-4の普及には、電源、配管、CDU、熱交換器、保守体制を含むデータセンター側の対応が必要である。

第16章　Nexus PlatformとDirect Wafer Links

CS-4はNexus Platform Architectureの最初の製品である。

従来のAIサーバーでは、プロセッサ、基板、電源、ネットワーク、冷却が世代ごとに密接に結び付く。どれか一つを変更すると、システム全体を再設計しなければならないことがある。

NexusはCompute、Power、I/Oをモジュール化し、それぞれを独立して進化させる。Cerebrasは、ウェハー単体の更新周期だけでなく、電力・冷却・ネットワークの更新を製品競争力へ変えようとしている。

I/Oモジュールは、RoCE v2によるRDMA over Ethernetをサポートする。既存のEthernet系データセンター設備と接続しやすくするためだ。オフウェハー帯域は1ウェハー当たり2.4Tbps、CS-4ラック全体で7.2Tbpsになる。

ネットワーク面ではArista Networksとの協業も発表された。ラック内およびラック間の接続にArista のEtherlinkスイッチを組み合わせる構成である。SUPERNOVAの壇上にはArista CEOのJayshree Ullal氏が登壇し、AIインフラでは演算と並んでネットワーク設計が実効性能を決めると述べた。

さらにDirect Wafer Linksでは、スイッチを介さずウェハー同士を直接接続できる。ウェハー間遅延は最短2マイクロ秒である。

スイッチを減らせば、通信遅延、消費電力、故障点、ネットワーク設定を減らせる可能性がある。一方、巨大クラスターでは経路制御、障害分離、再構成、運用管理が難しくなる。2マイクロ秒という単体リンク性能が、大規模実運用でも維持されるかを確認する必要がある。

Nexusは単発の製品ではなく、複数世代を載せる土台として設計されている。Sean Lie CTOは、次世代のCS-5、CS-6もこのアーキテクチャ上に載ると説明した。ラック筐体を作り直さずにウェハーだけを差し替えられるなら、開発期間とデータセンター側の再工事は大きく減る。

Feldman CEOは記者説明会で、2026年8月時点から2027年末までに「速度で4倍、スループットで20倍」を実現すると述べた。年ごとに速度を倍にしていく計画である。ただしこれは目標であって、実績ではない。

第17章　50兆パラメータ超をどう処理するのか

WSE-3 TurboのオンチップSRAMは44GB、CS-4全体でも合計132GBである。高速ではあるが、120B、400B、1兆パラメータ級モデルの重みを高精度のまま全部収めるには不足する。

Cerebrasは、オンチップSRAMだけで全モデルを保持するのではなく、外部メモリーとストリーミング、複数ウェハー間の分割を組み合わせる。

CS-4はDirect Wafer LinksとI/O帯域の強化によって、複数ラックを接続し、50兆パラメータ超のモデルを扱える拡張性を掲げる。Cerebrasは、10兆パラメータを超えるモデルでも毎秒1,000トークン以上を出せると主張している（発表ベース）。

しかし「対応できる」ことと「最高速度で効率よく動かせる」ことは別である。

モデルが大きくなり、すべての重みをオンチップに置けなければ、外部メモリーやウェハー間通信が増える。これはCerebrasが避けようとしてきたデータ移動を再び増やす。

そのため、CS-4の強みが最大になるのは、モデル構造、量子化、分割方法、バッチサイズがWSEアーキテクチャに合う場合である。モデル規模が拡大するほど、ソフトウェア最適化の重要性も高くなる。

第18章　PrefillとDecodeを分ける「分離型推論」

LLM推論は、主にPrefillとDecodeの二段階に分かれる。

Prefillでは、入力されたプロンプト全体を読み、内部表現やKVキャッシュを作る。大量の行列演算を並列実行しやすく、計算性能が重要になる。

Decodeでは、次のトークンを一つずつ生成する。各ステップでモデルの重みを読み出すため、メモリー帯域と低遅延が重要になる。

この二つは、最適なハードウェア特性が異なる。

そこでCerebrasは、PrefillをAMD GPUやAWS Trainiumなどへ担当させ、DecodeをWSEで実行する「disaggregated inference」を推進している。

これは非常に現実的な判断である。Cerebrasがすべての処理でNVIDIAやAMDを置き換える必要はない。WSEが最も得意な低遅延Decodeに集中し、他社の計算資源と接続すればよい。

同時に、この方式はCerebras単独の弱点も示す。PrefillとDecodeの両方を常にWSEだけで処理するより、異種アクセラレーターを組み合わせた方が経済的なケースがあるということだ。

第19章　AMD・AWSとの協業が示すCerebrasの現実戦略

AMDとの提携は2026年7月23日、AMDの自社イベント「Advancing AI 2026」で発表された。組み合わせる相手はAMDの「Helios」ラックスケール基盤である。HeliosはInstinct MI450／MI455XシリーズGPUとEPYC「Venice」CPUで構成され、OCPのOpen-Rack-Wideフォームファクタを採用、スケールアップ接続にUltra Accelerator Link over Ethernet（UALoE）を使う。スイッチ部分はCelesticaが設計・製造する。2026年後半に顧客提供が始まる。

ここでHeliosがプロンプトと長いコンテキストを高スループットで処理し、CerebrasのWSEへ引き渡してDecodeとトークン生成を担当させる。Cerebrasは自社データセンターにAMD Heliosを導入する計画で、共同ソリューションはまずCerebras Cloud経由で2026年下期に提供される。第2四半期決算では本番投入時期を2026年第4四半期としている。

「5倍」の正確な意味

ここは注意深く書いておきたい。両社が公表した「最大5倍」は、総スループットが無条件に5倍になるという意味ではない。

AMDとCerebrasの共同発表原文が示す指標は「tokens per second per watt（T/s/W）」、すなわち1ワット当たりのトークン生成量である。Cerebrasの第2四半期決算資料では「スループットを最大5倍に高める」という表現も使われているが、一次資料である共同プレスリリースの定義はT/s/Wである。

さらに報道による分析では、この5倍は2026年7月に両社がKimi 2.6 1Tモデルを用いて実施したモデリングの結果であり、同等の対話性を条件とし、比較基準はCerebras WSE単独で処理する構成である（報道ベース）。NVIDIA製品との比較でもなければ、実顧客サービスでの実測値でもない。

読み方はこうなる。Heliosを足すことでWSEがDecodeに専念できるようになり、システム全体の電力当たりスループットが改善する。設計上の期待値であって、「トークン生成が5倍速くなる」という話ではない。Time to First Token、1ユーザー当たり生成速度、同時接続数はいずれも未公表である。

AMDのLisa Su CEOは「AI推論はAI領域で最大級のインフラ機会になりつつあり、その多様化はより柔軟なアプローチを要求する」と述べた。Feldman CEOは「超高速推論の需要は前例のない速度で拡大している。AMDとの提携は、その性能をより多くの顧客に届ける好機だ」と応じている。

AWSとの協業は、時期としてはAMDより早い。2026年3月13日の共同発表によれば、構成はAWS Trainium搭載サーバー、Cerebras CS-3システム、そしてAmazonのElastic Fabric Adapter（EFA）ネットワークの三点セットである。Trainiumがプレフィルに最適化され、CS-3がデコードに最適化される。これをAWSのデータセンターに配備し、Amazon Bedrock経由で提供する。

重要なのは排他性である。AWSはCerebrasの分離型推論ソリューションにとって最初のクラウド事業者であり、この構成はAmazon Bedrock独占で提供されるとされた。AWSは主要なオープンソースLLMに加え、自社モデルのAmazon NovaもCerebras上で動かす計画を示している。

AWSのDavid Brown氏（Compute & ML Services担当VP）は「推論はAIが顧客に実際の価値を届ける場所だが、リアルタイムのコーディング支援や対話型アプリのような負荷の高いワークロードでは速度が依然としてボトルネックだ」「TrainiumとCS-3に推論を分割し、EFAで接続することで、それぞれが最も得意なことをする」と述べた。

同社とは2026年3月に拘束力のあるタームシートを締結しており、自社データセンターにCerebrasシステムを配備する初のハイパースケーラーとなる。第2四半期決算では、Amazon Bedrockへの展開時期を2027年第1四半期としている。

2026年8月20日には、ロンドンに本社を置くAI／コンピュートソフトウェア企業Callosumとの提携も発表された。Callosumのソフトウェアが異種混合のエージェント型ワークロードを分解・分配し、その中でCerebrasが超低遅延部分を担う。Cerebrasは前月、欧州で200MWのAIデータセンター容量を提供すると発表しており、Callosum提携は欧州展開の一環でもある。

ここには三つの意味がある。

第一に、Cerebrasは孤立した独自プラットフォームではなく、Ethernetと標準インターフェースを使う異種混合システムを目指している。

第二に、AWSの販売網とBedrockの顧客基盤へ接続できれば、Cerebrasが独自にすべての顧客を獲得する必要がなくなる。

第三に、AMDにとってもNVIDIAのCUDA・NVLink垂直統合に対抗する手段になる。AMD GPUでPrefill、CerebrasでDecodeという構成が成立すれば、NVIDIA以外のAIインフラ連合が形成される。

ただし、二種類のアクセラレーター間でKVキャッシュや中間状態を移動すれば、その通信が新たなボトルネックになる。最大5倍という数値が、どのモデル、同時利用者数、入力長、出力長で再現するかを確認する必要がある。

SemiAnalysisは別の角度から疑問を投げている。GPUやTPUの艦隊なら、Prefill重視かDecode重視かを需要変動に応じて動的に割り振り直せる。ところがPrefill専用機とDecode専用機を物理的に分けると、その比率は据え置きになる。推論ワークロードの性質は現に変わり続けてきた——推論モデルの普及でDecode負荷が上がり、エージェントのキャッシュヒットでPrefill負荷が下がった。5年以上使う設備に一つの比率を固定することが最適とは限らない、という指摘である（報道ベース）。

第20章　OpenAIとの750MW契約

2026年のCerebrasにとって最大の材料はOpenAIとの契約である。時系列で押さえておきたい。

【2025年12月】OpenAIがCerebrasへ10億ドルの運転資金ローンを供与（年利6％）
【2026年1月14日】複数年契約を発表。OpenAIが750MWのCerebras計算能力を2028年までに導入。内訳は2026年、2027年、2028年に各250MW。報道当初は「100億ドル超」とされたが、目論見書では2030年までに追加1.25GW（合計2GW）を購入できるオプション付きのマスター・リレーションシップ契約として「200億ドル超」と記載
【2026年2月12日】OpenAIがGPT-5.3-Codex-Sparkを公開。WSE-3上で動く初のOpenAIモデルで、毎秒約1,000トークン。ChatGPT Proユーザー向けリサーチプレビュー
【2026年3月】AWSが拘束力あるタームシートを締結
【2026年5月13日】IPO価格決定。ロードショーにはSam Altman氏が登場
【2026年8月13日】GPT-5.6 Sol「Ultrafast」提供開始（限定プレビュー）

Ultrafastは、OpenAI APIに新設された役務階層である。GPT-5.6 Solを最大毎秒750出力トークン、標準処理の最大14倍の速度で動かす。モデルの知能はStandardと同一で、速度だけが違う。

Cerebrasの発表によれば、Ultrafastは大学院レベルの2,500問からなるベンチマーク「Humanity's Last Exam」を11時間11分で完走した。同社はこれを、Anthropic のClaude Fable 5が同等精度に達するまでに要した3日超と比較し、約7倍速いとしている。経済的に価値のある知識労働タスクを測る「GDP-Val」では、品質を落とさずエンドツーエンドで5.6倍の短縮を記録したという（いずれも発表ベース）。

OpenAI側のコメントは慎重である。Compute Strategy担当VPのSachin Katti氏は「まず少数の顧客から始め、速度がどこで意味ある価値を生むかを学び、その学びを踏まえて展開を広げる」と述べた。全面展開を約束してはいない。

この契約は、Cerebrasの会社像を変える可能性がある。

従来、同社の主な売上はUAEのG42、MBZUAI向けハードウェアと関連サービスに集中していた。OpenAI契約が履行されれば、米国の主要AIモデル企業を支える大規模推論クラウドへ転換する。

一方、750MWは極めて大きい。一般的な原子力発電所1基の出力に近い規模であり、データセンター用地、電力契約、変圧器、液冷設備、製造能力、資金を同時に確保しなければならない。

また、契約価値200億ドル超は、そのまま現在の売上ではない。設備が完成し、サービスが提供され、契約条件を満たして初めて期間に応じて売上認識される。

さらに、この契約には会計上の代償がついている。CerebrasはOpenAIに対して3,340万株分のワラント（新株予約権）を発行した。行使価格はごくわずかで、OpenAIによる計算能力の購入マイルストーンに連動して権利が確定する構造である。この顧客ワラントの非現金償却が、四半期ごとにGAAP売上高を押し下げる。2026年第2四半期の押し下げ額は4,430万ドルで、この処理は2031年10月まで続く。

持ち分の推移も見ておきたい。OpenAIの現在の持ち分は約3％とされるが、3年以内の総支出が300億ドルに達した場合、最終的に約10〜11％まで高まりうる（報道ベース）。

そして、記事や決算資料で語られにくい二つの条項がある。

第一に、OpenAIから受けた10億ドルのローンは、マスター・リレーションシップ契約が解除された場合、即時返済義務が生じる。ローン残高は2026年6月30日時点で9億1,820万ドルである。

第二に、Cerebrasがマイルストーンや性能基準を満たせない場合、OpenAIが契約の一部または全部を解除できる条項が存在すると報じられている（報道ベース）。

つまりOpenAIはCerebrasにとって、最大の顧客であり、貸主であり、株主候補であり、そして解除権を持つ相手でもある。RPO 254億ドルの大部分がこの一社に紐づいている以上、「受注残があるから安心」という読み方は成立しない。関係が深いほど、業績と会計とバランスシートの三つが同時に一社の動向へ連動する。

OpenAI側の需要、資金調達、モデルアーキテクチャ、推論効率化が変われば、利用量や投資回収期間も変わりうる。

したがって、OpenAI契約は最大の成長材料であると同時に、最大級の実行リスクでもある。

第21章　Cerebrasの顧客と導入分野

Cerebrasは当初、AI研究、科学計算、製薬、エネルギーを中心に導入を進めた。近年は推論、エージェント、セキュリティ、ソフトウェア開発へ範囲を広げている。

【基盤モデル】OpenAI＝750MW契約、GPT-5.3-Codex-Spark／GPT-5.6 Sol Ultrafastの実行基盤
【クラウド】AWS＝Trainiumとの分離型推論、Amazon Bedrock展開（2027年Q1予定）
【半導体】AMD＝Helios GPUとWSEによる分離型推論（7月発表では2026年下期、8月のQ2決算では同年第4四半期に本番投入予定）
【ネットワーク】Arista Networks＝Etherlinkによるラック内・ラック間接続
【UAE AI】G42、MBZUAI＝スーパーコンピューター、学習基盤
【AIコーディング】Cognition、Lovable＝エージェント応答高速化（Lovableは2026年8月5日発表）
【エージェント基盤】Callosum＝異種混合エージェント推論の分配（2026年8月20日発表、欧州）
【セキュリティ】CrowdStrike＝インラインLLM処理
【デザイン】Figma＝AI機能の推論
【製薬】GSK＝生命科学・創薬AI
【エネルギー】TotalEnergies＝科学技術・地質関連AI
【研究機関】Argonne国立研究所、NETLなど＝スーパーコンピューター

このうちOpenAI、AWS、AMD、CrowdStrikeの4社は、2026年第2四半期決算でFeldman CEOが顧客またはパートナーとして名指しした企業である。同じ決算発表では、Block、Figma、AlphaSense、GSKが「金融から生命科学までのエージェント基盤の顧客」として、CognitionとLovableが「新規クラウド容量契約を結んだAIコーディング企業」として明記された。AMDは主に技術・供給面のパートナーであり、4社を同じ意味の「顧客」と数えるべきではない。

なお2026年8月19日、みずほ証券はMetaが近くCerebrasの新規顧客として発表される可能性があるとの見方を示した（報道ベース、未確認）。日本経済新聞の会社情報も主要顧客・パートナーとしてMeta、Mayo Clinic、IBMを挙げている。確定情報ではないが、UAE依存を薄める最大の材料になりうるため、今後の発表は注視に値する。

Perplexity、Mistral AI、Block、AlphaSenseなどもCerebras Inferenceの利用企業として過去に公表されているが、現在の取引規模は開示されていない。

顧客群を見ると、速度に価値を感じやすい分野が並ぶ。

特にサイバーセキュリティは重要だ。通信や企業トラフィックをLLMで検査する場合、推論が遅ければ業務全体の遅延になる。低遅延であれば、従来はオフライン分析に限られていたLLMをインラインへ入れられる可能性がある。

コーディングエージェントも同様で、生成、実行、修正を何度も繰り返すため、1回の推論速度がタスク完了時間へ累積する。

第22章　ハード販売から推論クラウドへの転換

Cerebrasの事業は二つに分かれる。

一つはCSシリーズを顧客のデータセンターへ販売するハードウェア事業。もう一つはCerebras自身または提携データセンターに設置したWSEを、APIやクラウドとして提供するサービス事業である。

ハードウェア販売には、大口案件がまとまれば売上が大きいという利点がある。一方、検収・納入時期によって四半期売上が変動し、顧客数も限られる。

クラウド推論は、利用量に応じた継続収入を作りやすい。開発者は特殊なサーバーを購入せず、APIから高速推論を使える。Cerebrasは稼働率を高め、複数顧客へ同じ設備を提供できる。

ただしクラウド事業では、Cerebras自身がデータセンター、電力、設備、運用へ先行投資する。需要予測を誤れば、稼働率が下がり、減価償却と電力契約が利益を圧迫する。

つまり、売上の安定性を得る代わりに、資本集約度と設備投資リスクを引き受ける事業モデルである。

第23章　2026年の業績と財務を読む

2026年8月12日に開示された第2四半期（4〜6月期）決算は、Cerebrasという会社の二面性をそのまま数字にしたような内容だった。

2026年第2四半期（発表ベース）

【GAAP売上高】1億8,010万ドル（前年同期比74％増）
【Core売上高】2億990万ドル（同103％増）
【GAAPクラウド等売上高】1億2,600万ドル（同281％増）
【Coreクラウド等売上高】1億2,770万ドル（同287％増）
【GAAPハードウェア売上高】5,410万ドル（同23％減）
【Coreハードウェア売上高】8,210万ドル（同17％増）
【GAAP粗利益率】14％
【Core粗利益率】41％（前年同期比約940ベーシスポイント改善）
【GAAP営業利益率】マイナス265％
【Core営業利益率】マイナス16％
【GAAP純損失】4億5,050万ドル（1株当たり2.98ドルの赤字）
【Core純損失】690万ドル
【調整後EBITDA】マイナス5,310万ドル
【研究開発費】3億2,020万ドル（前年同期6,080万ドル）
【上期設備投資】5億4,890万ドル
【現金・短期投資等】86億ドル
【残存履行義務（RPO）】254億ドル

RPOは一般に、契約上まだ売上認識していない対価を示すが、現金化が無条件に保証された受注残とは限らない。設備の完成、サービス提供、最低利用条件、契約変更・解約条項などに左右される。特にCerebrasではOpenAI向け大規模容量契約の比重が大きいため、254億ドルを直ちに将来利益へ置き換えて評価するのは危険である。

参考までに第1四半期（1〜3月期）はGAAP売上高1億9,340万ドル、Core売上高1億9,130万ドル（前年同期比92％増）、GAAP純損失1,400万ドルだった。

粗利益率の動きは注意深く見る必要がある。第1四半期のGAAP粗利益率は47％だったが、会社は第2四半期を36〜38％と見込んでいた。理由は、自前のデータセンター容量が完成するまでの間、既存顧客に納入済みのシステムを借り戻して需要に応えているためである。この「リースバック」費用が原価を押し上げた。会社は第3四半期のCore粗利益率を38〜40％、第4四半期以降は自社保有容量の拡大とともに改善すると説明している。

経営陣はFeldman CEO、Sean Lie CTOのほか、CFOがRobert（Bob）Komin氏、COOがDhiraj Mallick氏。従業員数は2025年末時点で708名である。1人当たり売上高で見れば約72万ドルと、半導体企業として決して低くない。

通期見通しと市場の反応

2026年通期のCore売上高見通しは8億8,000万〜8億9,000万ドル（従来の8億5,500万〜8億6,500万ドルから引き上げ）。Core粗利益率41〜43％、Core営業利益率マイナス19〜17％。第3四半期のCore売上高は2億1,400万〜2億1,600万ドル、Core粗利益率は38〜40％を見込む。Komin CFOは「2027年に売上を3倍超にする」と述べた。

ところが株価は時間外で最大17〜18％下落した。ガイダンスを引き上げ、Core基準では市場予想を上回ったにもかかわらず、である。

理由は二つある。

第一に、GAAP売上高1億8,010万ドルが市場予想の約1億9,400万ドルに届かなかった。第二に、GAAPハードウェア売上高が前年同期比23％減の5,410万ドルに落ち込んだ。

GAAPとCoreの3,000万ドルの差

GAAP売上高とCore売上高の差、約2,980万ドルの中身は明確だ。データセンターのパススルー収益1,450万ドルを控除し、顧客ワラント償却4,430万ドルを戻し入れている。

このうちワラント償却は事業の毀損ではなく会計処理である。だがそれは「無視してよい」という意味ではない。この処理は2031年10月まで毎四半期GAAP売上高を押し下げ続ける。投資家が四半期ごとに「どちらの数字を見るのか」という問いに直面し続けるということでもある。

なおGAAP純損失4億5,050万ドルの主因は株式報酬費用（3億7,700万〜3億8,660万ドル）であり、上場に伴う一時的な性格が強い。前年同期は3億950万ドルの黒字だったが、これも会計要因を含む数字である。

数字から読み取るべきことは三つある。

第一に、クラウド等売上がハード売上を上回り、事業の重心が明確に移った。第二に、Core基準では粗利益率も営業利益率も改善している。第三に、それでもデータセンター拡張のための設備投資が先行し、キャッシュ創出はまだ先である（上期の営業キャッシュフローはマイナス4,750万ドル）。

Core指標は経営実態を見るのに役立つ。しかし株主価値や会計上の損益を考える際に、GAAP費用を無視することはできない。

詳細はCerebras 2026年第2四半期決算で確認できる。

第24章　投資家はCerebrasをどう見ているか

上場企業になった以上、市場の評価も一次情報の一つである。ここは数字が動く領域なので、本稿執筆時点（2026年8月23日）の断面として読んでほしい。

アナリスト評価

CS-4発表後、証券会社の見方はおおむね強気だった。

【モルガン・スタンレー】オーバーウェイト継続、目標株価引き上げ。2027年にCore売上高が3倍超になるとの会社見通しを支持
【モルガン・スタンレー Joseph Moore氏】買い継続、目標株価279ドル。「CS-4の再設計が超高速AIインフラを強化する」
【UBS】目標株価330ドル
【BNPパリバ】SUPERNOVAの提携群と発表内容を評価
【みずほ】Metaが近くCerebrasの新規顧客として発表される可能性を指摘
【アナリスト平均】11社で12カ月目標株価約292ドル（別集計では10社平均で約299ドル）

一方で市場は素直に反応していない。株価は8月17日の255ドル前後から、Q2決算とCS-4発表を挟んで197ドル前後まで下げた。目標株価の平均と実勢価格の乖離は5割近い。

資金の動き

【Tiger Global】2026年第2四半期にCBRSの新規ポジションを構築。8月14日提出の13Fによれば約300万株、約6億6,300万ドル相当。同ファンドの当四半期最大級の新規買いの一つ。シリーズHの主導投資家でもある
【ARK Invest（キャシー・ウッド）】8月18日に約884万ドル、19日に約770万ドルを買い増し
【インサイダー】上場後、10件の取引で売り越しが記録されている。直近3カ月のインサイダー買いはゼロ、売却は約2,070万ドル（報道ベース）
【ロックアップ】180日の売却制限は2026年11月ごろ解除見込み

強気の機関投資家が買い、内部者が売り、ロックアップ解除が控える。この三つが同時に進行している。

何が織り込まれ、何が織り込まれていないか

2025年売上5億1,000万ドルに対して時価総額約466億ドルは、実績売上の約90倍にあたる。上場初日終値の水準では約130倍だった。株価収益率（PER）は損失が続いているため算出できない。ある調査会社は8月中旬時点の株価売上高倍率を約104倍、その過去中央値を約120倍と算定している（報道ベース）。

この倍率が正当化されるかどうかは、RPO 254億ドルがどれだけの速度と粗利で売上へ変わるかにかかっている。モルガン・スタンレーは2028年に売上80億ドルへ到達すると予測する一方、Cerebras自身は2026〜2027年に約30億ドルのキャッシュを燃やす見込みだとされる（いずれも報道ベース）。

つまり市場が値付けしているのは現在の事業ではなく、2028年前後の姿である。CS-4はその実現可能性を示す材料の一つに過ぎない。

第25章　もう一つの顧客層――政府とソブリンAI

CS-4の話をしていると見落とすが、Cerebrasには企業向けとは別の顧客層がある。国家である。そしてこれは、UAE依存という文脈を理解するうえで欠かせない。

Cerebras for Nations

2025年11月11日、Cerebrasは「Cerebras for Nations」という global プログラムを立ち上げた。各国政府とその国内のデータセンター・クラウド・AI事業者と組み、ソブリンAI（主権AI）の構築を支援する枠組みである。

三つの柱が掲げられている。世界水準のAIスーパーコンピューターの共同設計・構築、各国の言語・領域に特化したモデルの学習、そしてGPUでは実現できない速度の推論基盤の提供である。

MBZUAIと英語・アラビア語モデルを共同で学習させている、というFeldman CEOの説明は、この枠組みの実例である。UAE依存は単なる顧客集中ではなく、事業モデルそのものの帰結でもある。

2025年11月には、ガイアナ政府と最大100MWのAIデータセンターを建設・運営する覚書も締結している。南米・カリブ地域への展開の起点と位置づけられた。

米エネルギー省とのMOU

2025年12月18日、Cerebrasは米エネルギー省（DOE）と覚書を締結した。ホワイトハウスが2025年11月24日の大統領令で立ち上げた「Genesis Mission」を支援する枠組みである。

Genesis Missionは、DOEの17の国立研究所、産業界、学界を動員し、AIによって米国の科学・工学の生産性を10年で倍増させるという国家プロジェクトである。指揮を執るのは科学担当次官のDarío Gil氏。同日、DOEはCerebrasを含む24組織との協力協定を発表した。名を連ねたのはAccenture、AMD、AWS、Google、IBM、Microsoft、NVIDIA、OpenAI、xAIなどである。

MOUの内容は、大規模科学データセットの開発と活用、AI+HPC向けの計算アーキテクチャ・電力・パッケージング・冷却・メモリー・I/O技術の共同研究、ソフトウェアと開発者コミュニティ、公共的な啓発活動と幅広い。Cerebrasの最高戦略責任者Andy Hock氏は「長年DOEと国立研究所と先進的なテーマで協働してきた」と述べている。

実際、Argonne国立研究所やNETLは初代CS-1の納入先であり、関係は2020年に遡る。

この顧客層が意味するもの

政府案件には二つの性質がある。

第一に、規模が大きく、契約期間が長い。国家AI基盤は数年から十数年のスパンで整備される。第二に、政治と外交の影響を直接受ける。G42をめぐるCFIUS審査でIPOが2年近く遅れたのは、その典型である。

Cerebrasが「速度で選ばれる会社」であると同時に「国家が選ぶ会社」でもあるという二面性は、成長の源泉であり、同時に最大の変数でもある。

第26章　G42・MBZUAIへの依存と地政学リスク

Cerebrasは過去、UAEのG42とMohamed bin Zayed University of Artificial Intelligence、通称MBZUAIに売上が集中していた。

Cerebrasとアブダビの関係は2023年7月に遡る。G42と約1億ドル規模の契約を結び、AIスーパーコンピューター「Condor Galaxy」の提供を始めたのが起点である。当初は9台構築の構想が語られていた。CerebrasはG42へハードウェアを販売するだけでなく、G42の米国内データセンターの立ち上げと運用を代行し、余剰の計算能力を自社のクラウド顧客へ回すという形をとった。

2025年通期売上（5億1,000万ドル、前年比76％増）では、MBZUAIが約62％、G42が約24％、合計で約86％を占めたと開示された。G42単独の比率は2024年の85％から24％へ下がったが、UAE関連という括りで見れば集中度はほとんど変わっていない。2024年上期に至っては、G42だけで87％を占めていた。

この集中度は非常に高い。一社または関連する二組織の購入延期、契約変更、外交関係の変化が、企業全体の業績へ直結する。

G42をめぐっては、中国企業や中国技術との関係が米国で問題視され、対米外国投資委員会の審査がCerebrasの当初IPO計画に影響した。

Feldman CEOはIPO当日のインタビューで、MBZUAIとの関係について「一緒にモデルを学習させている」「英語とアラビア語のモデルだ」と説明し、「この市場にはクジラのような巨大顧客が存在する。それがこの市場の特性だ」と述べた。

しかし数字は別のことも語っている。2025年に米国で請求した顧客からの売上は、前年の2億8,270万ドルから1億8,760万ドルへ34％減少した。全社売上が76％伸びる一方で、米国事業は縮小していたことになる。OpenAI契約が本格的に売上へ変わるのは2026年以降であり、それまでの成長はUAEの国家AI調達が生んだものだった。

先端AI半導体は、単なる商用品ではなく安全保障資産になっている。輸出管理、投資審査、データ主権、モデル利用規制が事業へ直接影響する。

OpenAI、AWS、AMD、米国企業向けクラウド売上が増えれば、UAE依存率は下がる。ただし今度はOpenAI契約の比重が大きくなり、顧客集中の対象が変わるだけになる可能性もある。

見るべきなのは顧客数ではなく、売上、売掛金、契約残高、設備投資回収が上位顧客へどれだけ依存しているかである。

ここで一つ、開示上の制約に触れておきたい。Cerebrasは規制当局への提出書類で主要顧客を「Customer A」から「Customer D」としか記載せず、顧客別売上を公表していない。第1四半期決算後には、OpenAIが実質的な四半期売上の70〜80％以上を占めているのではないかとみる独立系アナリストの見方も出た（報道ベース）。同社自身は、リスク要因の記載でOpenAI、G42、MBZUAI、AWSの4者を「限られた数の重要顧客」として名指ししている。

第27章　600MW・製造能力10倍計画は実現できるか

Cerebrasは、稼働中および契約済みのデータセンター能力を2027年末までに600MW超へ拡大する計画を示した。さらに2026年中に製造能力を10倍以上へ増やすとしている。

Feldman CEOがSUPERNOVAで挙げた拠点は、北米ではサンタクララ、ダラス、ミネアポリス、オクラホマシティ、アラバマ、トロント、モントリオール、欧州ではフランスのリヨン、ノルウェー、フィンランドのミッケリである。欧州については2026年7月に、200MWのAIデータセンター容量を提供すると発表している。

自社建設だけに頼っているわけではない。2026年7月29日には、CleanCore Solutions（NYSE American: ZONE）とミネソタ州のデータセンターキャンパスについてAIコロケーション契約を締結した。報道によれば10年契約である。Cerebrasは第2四半期決算で、データセンター案件のパイプラインがギガワット級へ拡大したとも述べている。

もっとも、600MWという数字は「稼働中および契約済み」の合計であり、いま動いている容量ではない。契約と稼働のあいだには、電力接続、変圧器、液冷設備、施工の時間が横たわる。

同社はTSMCのウェハー供給を確保し、Flex、Sanmina、Rocket EMSの契約製造ラインを増設している。

Cerebrasには、NVIDIA系サプライチェーンと異なる利点がある。WSEはHBM、CoWoS、3nmプロセスを使わない。そのため、HBMや先端パッケージングの供給制約を一部回避できる。

しかし、供給制約がなくなるわけではない。

必要になるのは、5nmウェハーだけではない。ウェハー級パッケージ、専用基板、電源装置、液冷部品、ネットワーク、ラック、試験設備、データセンター用地、電力、変圧器、バックアップ電源、保守人員が必要だ。

600MWを稼働させるには、地域ごとの送電網接続と長期電力契約も要る。近年のAIデータセンター建設では、チップより変圧器や電力接続待ちがボトルネックになることもある。

CS-4のBackpack設計が部品数と設置時間を減らしても、電力インフラの建設期間までは消せない。

今後の最大の検証項目は、発表性能ではなく、何台を製造し、何MWを稼働させ、どの稼働率で顧客へ販売できるかである。

規模感を掴んでおきたい。2026年上期の設備投資は5億4,890万ドル。同時期のGAAP売上高は上期合計で約3億7,350万ドルである。売上を上回る額を設備へ投じている段階だ。IPOのオーバーアロットメント全行使後の総調達額（グロス）約63億8,000万ドルと、最大8億5,000万ドルのリボルビング・クレジット枠が、この先行投資を支えている。引受手数料や発行費用を差し引いた手取り額とは区別が必要である。

第28章　NVIDIAとの本当の競争領域

NVIDIAの優位はGPU性能だけで構成されていない。

CUDAと開発ツール
TensorRT-LLM
PyTorchなどとの統合
NVLinkとNVSwitch
InfiniBandとSpectrum-X
DGX、HGX、GB200・GB300ラック
世界中のクラウド事業者
サーバーメーカーと製造網
数百万人規模の開発者基盤

この総合力を、Cerebrasが短期間で全面代替するのは難しい。

一方、NVIDIAのGPUクラスターにも弱点がある。

GPU間でモデルを分割する必要がある
HBMとCoWoSの供給に依存する
通信階層が複雑になる
低バッチ・低遅延推論では利用率を上げにくい
高価なGPUを推論専用に使う場合がある
CUDAへの集中が調達上のリスクになる

Cerebrasが狙うのは、この中でも「1ユーザー当たりの低遅延推論」である。

NVIDIAが大量の同時ユーザーを効率よく処理する総合データセンター基盤だとすれば、Cerebrasは一人または一つのエージェントへ極端に速いトークンを届ける専用基盤として差別化できる。

したがって、勝敗は全AI半導体市場のシェアだけでなく、推論市場が「安い大量処理」と「高価値な高速処理」に分かれるかで決まる。

第29章　Etched、Google TPU、そして競争条件が変わったGroq

【Cerebras】設計思想＝ウェハー全体を一つの巨大プロセッサにする／強み＝超広帯域オンチップSRAM、低遅延、学習と推論の両対応／課題＝SRAM容量、特殊な製造・冷却、独自ソフト基盤

【NVIDIA】設計思想＝汎用GPUを高速ネットワークで大規模接続／強み＝CUDA、量産、汎用性、総合エコシステム、そしてGroqのLPU技術／課題＝価格、電力、通信階層、供給集中

【Etched】設計思想＝Transformer専用ASIC「Sohu」／強み＝対象を限定した高効率、TSMC 4nm、Jane Streetを初号顧客に出荷開始／課題＝量産実績と第三者測定がこれから、モデル構造変化のリスク

【Google TPU】設計思想＝行列演算特化ASIC／強み＝Google規模の実績、クラウド統合／課題＝Google Cloud中心、外販の自由度

【AWS Trainium／Inferentia】設計思想＝AWS専用AIアクセラレーター／強み＝Bedrock・EC2統合、クラウド販売網／課題＝AWSへの囲い込み、移植性

Groqは独立存続するが、競争条件は変わった

ここは2026年に大きく変わった点なので、明確にしておきたい。

2025年12月24日、NVIDIAがGroqと大型取引を結ぶことが報じられ、市場では総額約200億ドル規模と伝えられた。形式上は買収ではなく「非独占のライセンス契約」と人材採用であり、Groqの顧客契約、製品、株式を取得する取引ではない。NVIDIAの年次報告書は、この取引に関連して144億ドルののれんと25億ドルの開発技術無形資産を計上し、対価は成約時に130億ドル、1年以内に40億ドル（利息込み）を支払うと記載している。報道上の「約200億ドル」と会計開示の支払額が一致しないのは、評価対象と算定方法が異なるためである。

創業者のJonathan Ross氏、社長のSunny Madra氏をはじめ、従業員の約9割がNVIDIAへ移ったとされる。Groq自体は元CFOのSimon Edwards氏をCEOとする独立企業として存続し、GroqCloudの運営を続ける。したがって「Groqが消えた」「NVIDIAがGroqの会社や顧客契約まで買収した」と表現するのは不正確である。一方、中核人材とLPU技術へのアクセスをNVIDIAが得たことで、Groq単独の研究開発力と競争上の位置づけが変わった可能性は高い。

NVIDIAにとって過去最大の買い物であり、2019年のMellanox（約70億ドル）を大きく上回る。反トラスト規制を避けるための構造だという指摘もあり、2026年3月にはWarren、Blumenthal両上院議員が「リバース・アクイハイア」構造への調査を開始した。

Cerebrasにとって、この取引の意味は二重である。低遅延推論の直接競合が一社減った。同時に、NVIDIAが低遅延推論の技術と人材を手に入れた。BNPパリバは、CerebrasのSUPERNOVA後のレポートで「NVIDIAのLPUと同様に」という言い回しでCerebrasの提携群を評しており、市場はすでに両者を同じ土俵で見ている。

Etchedは「初期段階」ではなくなった

原稿執筆時点で状況が最も速く動いているのがEtchedである。

同社は2026年6月30日にステルスを脱し、Transformer専用ASIC「Sohu」の実動シリコンと10億ドル超の受注契約を公表した。7月23日にはSequoia主導で3億ドルのシリーズCを調達し、評価額103億ドル。さらに2026年8月には、累計調達額が約20億ドル、評価額が約210億ドルに達し、最初のチップ出荷を開始、Jane Streetを初号顧客として獲得したと報じられた（報道ベース）。

Sohuの設計はCerebrasと正反対である。Cerebrasが物理的なチップ境界を消すことで汎用性を保ったままデータ移動を減らすのに対し、EtchedはTransformerのAttention演算を固定機能回路として焼き込み、プログラマビリティそのものを捨てた。Transformerが支配的であり続ける限り効率は高いが、構造が変われば潰しが利かない。

ただしEtchedも、第三者による独立ベンチマークはまだ公表されていない。この点はCS-4と同じである。

Cerebrasはアルゴリズムを一つに限定するのではなく、物理的なチップ境界を消すことでデータ移動を減らす。Etchedより汎用性があり、NVIDIAより特殊である。

今後のAI推論市場は一社が独占するより、用途別に複数のアーキテクチャが共存する可能性が高い。ただしNVIDIAとGroqのライセンス・人材移籍のように、「共存」と「技術統合」の境界が曖昧になることもある。

第30章　Cerebrasの技術的・事業的弱点

1. SRAM容量

44GBのSRAMは非常に高速だが、大規模モデルの重み全体を保持するには小さい。外部メモリーと複数ウェハーを使えば、Cerebrasの「データ移動を減らす」という利点が一部失われる。

2. GPUほど汎用的ではない

GPUはAI以外に、科学計算、シミュレーション、レンダリング、映像、データ分析へ使える。WSEはAI・HPCに高度に特化している。

3. CUDAとの差

標準的なPyTorchモデルを動かせても、独自CUDAカーネル、最新量子化、特殊Attention、細かな最適化にすぐ対応できるとは限らない。ソフトウェア対応速度はハードウェア性能と同じくらい重要になる。

4. 独自ベンチマーク

最大30倍はCerebrasの測定値である。比較対象のGPUシステムは名指しされておらず、250PFLOPSはスパースFP16値である。MLPerfなどの標準試験や第三者測定で、コスト、電力、精度を含めた再現が必要だ。CS-4のAPI価格も発表時点では未公表である。

ただし公平を期せば、CS-3世代ではArtificial Analysisによる第三者測定で速度記録が実証されている。実績のない会社の主張ではない。

5. 顧客集中と契約解除リスク

G42・MBZUAI依存からOpenAI依存へ変わる可能性がある。少数顧客の計画変更が業績と設備稼働率へ大きく影響する。

さらに深刻なのは、OpenAI契約に解除条項がある点である。Cerebrasがマイルストーンや性能基準を満たせない場合、OpenAIは契約の一部または全部を解除できると報じられている。そして契約が解除されれば、10億ドルの運転資金ローン（残高9億1,820万ドル）は即時返済義務が生じる。

つまり実行遅延は、売上機会の喪失にとどまらず、資金繰りの問題へ直結しうる。600MWの整備と製造能力10倍を「予定どおり」に進めることが、通常のスタートアップより重い意味を持つ理由である。

6. 資本集約度

クラウド化すると、Cerebras自身が設備を持つ。成長には巨額資金が必要で、需要が計画を下回れば固定費負担が残る。

7. 製造と保守

巨大ウェハーの製造、試験、パッケージ、液冷、現地保守は一般的なGPUサーバーより特殊である。生産10倍計画で品質と稼働率を維持できるかは未検証だ。

8. NVIDIAの反撃

NVIDIAも静止していない。新GPU、より大きなラックスケール構成、NVLink、推論ソフトウェア、低精度演算、KVキャッシュ最適化が進めば、Cerebrasとの速度差は縮小しうる。加えて2025年12月のGroq資産取得によって、低遅延推論に特化したLPU技術と、それを設計した中核人材がNVIDIA内部へ移った。CerebrasがGPUに対して主張してきた「構造的に届かない領域」は、今後NVIDIA自身が埋めにくる領域でもある。

9. 上場企業としての新しい制約

2026年5月の上場によって、Cerebrasは四半期ごとに数字を説明する義務を負った。第2四半期決算では、ガイダンスを引き上げ、Core基準で予想を上回りながら株価が17％下落した。GAAPとCoreという二つの物差しが併存し、ワラント償却が2031年まで続く構造は、投資家との対話コストを恒常的に高くする。180日のロックアップ解除は2026年11月ごろとされ、需給要因も控えている。

長期の設備投資と四半期の説明責任は、しばしば相反する。

第31章　AIバブル崩壊時にCerebrasはどうなるか

AI投資が過熱し、将来需要を前提にデータセンター、電力、半導体へ巨額資金が流れている。もしAIサービスの価格低下、収益化の遅れ、モデル効率化、信用収縮が重なれば、設備投資計画が見直される可能性がある。

Cerebrasは、こうした局面で有利な面と不利な面を持つ。

有利なのは、速度が明確な価値を持つ用途が残ることだ。AIバブルが崩れても、既に導入されたAIサービス、データセンター、推論需要が消えるとは限らない。むしろ投資家の損失と技術基盤の稼働継続は両立しうる。

また、HBMやCoWoSに依存しない供給網は、NVIDIA製品が高価な状況では競争力になる。

不利なのは、Cerebras自身が600MW規模の容量を先行契約し、製造能力を10倍にしようとしていることだ。需要が予想より少なければ、設備利用率が低下する。推論価格が急落すれば、速いトークンが高価格で売れるという前提も崩れる。

AIバブルの有無より重要なのは、Cerebrasが「速度プレミアム」を維持できるか、設備1MW当たりの売上と粗利益を確保できるかである。

第32章　ロボット・フィジカルAIとの接点

CS-4をヒューマノイド本体へ搭載することはできない。消費電力、冷却、サイズがデータセンター向けだからだ。

しかし、フィジカルAIのクラウド側では重要な役割を持ちうる。

長期行動計画
大規模世界モデルの推論
複数ロボットの統合管理
過去の経験データ検索
シミュレーション結果の評価
VLAモデルの高レベル推論
ロボット学習データの再処理
合成データ生成

ロボット制御にはミリ秒級の応答が必要なため、姿勢制御や衝突回避はエッジ側で行う必要がある。一方、数秒先の計画、作業手順、言語指示の理解、複数案の比較はクラウド推論と組み合わせられる。

特に多数のロボットが稼働する工場や物流倉庫では、クラウド側のAIが各ロボットの作業を割り当て、失敗事例を集約し、新しい方策を生成する。低遅延推論により、中央AIがより頻繁に計画を更新できる。

ただし通信断や遅延を考えると、Cerebrasだけでロボット知能を構成するのではなく、エッジGPU・NPUとデータセンター推論の階層構造になる。

第33章　日本ではどう買えるのか――日本法人と国内代理店

日本の読者にとって、最も実務的な問いはここだろう。Cerebrasの製品は日本で入手できるのか。

答えは「できる」である。しかも体制は6年前から整っている。

セレブラス・システムズ合同会社

Cerebrasは2020年8月7日、100％子会社としてセレブラス・システムズ合同会社を設立し、日本での営業・マーケティング活動を開始した。初代の代表執行役社長には江尾浩昌氏が就任している。NetAppを出発点に、Isilon Systems、Fusion-io、Scality、Cohesityと、ストレージ関連企業の日本法人代表を歴任してきた人物である。

設立当時、江尾氏は日本市場についてこう述べていた。日本市場は新技術に慎重な企業が多いが、グローバル競争のなかでDXを進めるには先進技術を持つ海外ベンダーの活用が不可欠である、と。想定していた初期の顧客層は、学術・研究機関、データセンター事業者、そして膨大なデータを持つ大手製造業と通信事業者だった。

東京エレクトロンデバイスが国内販売代理店

日本国内の販売代理店は東京エレクトロンデバイスである。同社はCS-2の時代から国内でCerebras製品を取り扱い、導入支援から保守・運用・技術サポートまでを担っている。

つまり日本企業がCerebrasを検討する場合、本社と直接交渉する必要はない。国内の商社・SIerを通じた通常の調達プロセスに乗せられる。この点は、海外AI半導体の導入検討でしばしば障壁になる部分が、すでに解消されているということでもある。

ただし、2026年時点の現実

とはいえ、期待を先回りしすぎない方がよい。

第一に、Cerebrasの容量は2026年時点でOpenAI向けに大きく傾いている。750MWのうち2026年分は250MWで、これに加えてG42・MBZUAI向けの既存契約がある。日本企業へ振り向けられる余力がどれだけあるかは不透明である。

第二に、Cerebrasが列挙するデータセンター拠点に日本は含まれていない。北米と欧州が中心であり、アジア太平洋の拠点は公表されていない。国内にデータ所在を求める案件では、オンプレミス導入が前提になる。

第三に、CS-4は高密度液冷を前提とした設計である。国内データセンターで120〜140kW級のラックを受け入れられる施設は限られる。

したがって日本企業にとっての現実的な選択肢は、当面は次の三つに整理できる。

【オンプレミス導入】研究機関、大学、製造業の研究部門など。東京エレクトロンデバイス経由。CS-3世代が中心
【クラウドAPI】Cerebras Inferenceを直接利用。データが国外へ出ることを許容できる用途
【AWS経由】2027年第1四半期に予定されるAmazon Bedrock展開を待つ。既存のAWS契約の枠内で使える可能性がある

このうち三つ目が、日本企業にとって最も現実的な入口になる可能性が高い。ハイパースケーラーの販売網に乗るということは、調達、セキュリティ審査、課金がすべて既存の枠組みで済むということだからである。

第34章　日本の半導体・データセンター企業への示唆

Cerebrasの成長は、日本企業に少なくとも五つの示唆を与える。

1. AI半導体はGPUだけではない

AI計算市場が拡大すれば、GPU、TPU、LPU、Transformer ASIC、ウェハースケールなど複数方式が共存する。日本企業はNVIDIA向け部材だけで市場を見るべきではない。

2. 液冷と電力供給が製品価値になる

CS-4の性能向上は、微細化だけでなく、電力変換回路をチップへ近づけ、直接液冷と一体設計した結果でもある。

日本が強みを持つ電源部品、コンデンサー、ポンプ、バルブ、熱交換器、冷却材料、計測、制御技術が、AIサーバー性能を左右する。

3. 検査・欠陥管理の価値が上がる

ウェハースケールでは欠陥を前提に設計する一方、欠陥位置の測定、再構成、パッケージ後検査、長期信頼性が重要になる。半導体製造装置、検査装置、材料企業に新しい機会がある。

4. 推論速度がサービス設計を変える

日本企業がCerebrasを購入しなくても、AWSやAPI経由で高速推論を使える可能性がある。コールセンター、製造保全、設計支援、金融、創薬、ロボットで、AIの応答待ち時間を前提としないアプリを設計できる。逆に言えば、応答待ちを前提に設計されたUIやワークフローは、数年で古くなる可能性がある。

5. 調達先分散

NVIDIA一社にGPU、ネットワーク、ソフトウェアを依存すると、価格、納期、輸出規制の影響を受ける。Cerebras、AMD、AWS、国産アクセラレーターを含む複数構成を検証することは、事業継続の観点でも意味がある。

日本企業が導入判断する場合は、ピーク性能より、自社モデルを使ったPoCで次を測るべきだ。

Time to First Token
Inter-Token Latency
タスク完了時間
同時利用者数
1件当たりコスト
1kWh当たりトークン数
精度と量子化影響
API可用性
データ所在と秘密保持
障害時の代替基盤

第35章　今後確認すべき重要指標

Cerebrasの将来を判断するには、見出しの速度だけでなく、次の指標を追う必要がある。

技術

CS-4の第三者ベンチマーク（Artificial Analysis、MLPerfなど）
GPT-OSS-120B以外のモデル性能
スパースFP16ではなく密行列での実効性能
ラック実測消費電力の公表
長いコンテキストでの速度低下
低精度化による品質変化
Prefillを含めた総遅延
複数ウェハー・複数ラックでの拡張効率
システム稼働率と故障率
2027年の新世代WSE（クロック引き上げではない世代）の内容

経済性

CS-4のAPI課金価格（発表時点で未公表）
1ユーザー当たりトークン速度
1ラック当たり総トークン数
1ドル当たりトークン数
1MW当たり売上
「速度プレミアム」が価格に反映され続けるか
クラウド粗利益率
データセンター稼働率
設備投資額と回収期間

事業

OpenAI向け売上認識と、Ultrafastの限定プレビューからの拡大
254億ドルの残存履行義務の消化ペース
GAAP売上高とCore売上高の乖離幅（顧客ワラント償却は2031年10月まで継続）
ハードウェア売上高の減少が続くかどうか
AWS Bedrockでの一般提供時期（2027年Q1予定）
AMD Helios分離型推論の実運用結果（2026年第4四半期に本番投入予定）。とくに「1ワット当たり5倍」がモデリング値から実測値へ変わるか
G42・MBZUAI・OpenAIへの顧客集中度と、米国請求売上の回復
OpenAI以外の大口顧客の獲得（Meta採用観測の真偽）
日本を含むアジア太平洋のデータセンター展開
2027年の売上3倍計画
製造能力10倍の達成状況
600MWの稼働開始時期
2026年11月ごろのロックアップ解除

競争

NVIDIA次世代GPU・ラックとの速度差
NVIDIAがGroqのLPU技術をAIファクトリー構成へ統合する時期と成果
Etched Sohuの量産出荷と第三者測定
Google、AWSの自社ASIC価格
オープンモデルの構造変化
推論価格の下落速度

第36章　結論――CerebrasはNVIDIAを倒す会社なのか

Cerebrasが近い将来、NVIDIAをAI半導体市場全体から追い落とす可能性は高くない。

NVIDIAは、GPU、ネットワーク、CPU、ソフトウェア、開発者、クラウド、製造量を一体化した巨大な産業基盤である。Cerebrasの売上、製造能力、顧客数、ソフトウェア生態系は、まだNVIDIAとは大きな差がある。

しかし「NVIDIAを全面的に倒せない」ことは、「Cerebrasが成功できない」ことを意味しない。

AI推論市場は巨大であり、すべての処理が同じハードウェアを必要とするわけではない。大量の同時利用者へ低価格で回答する処理、1人の利用者へ最高速度で回答する処理、長い入力を処理するPrefill、1トークンずつ生成するDecode、科学計算、ロボット制御では、それぞれ最適な装置が異なる。

Cerebrasが最初に獲得しようとしているのは、「遅いAIでは商品価値が成立しない市場」である。

コーディングエージェントがコード修正を何十回も繰り返す。セキュリティAIが通信を止めずに内容を検査する。研究エージェントが仮説、検索、計算、検証を反復する。ロボット管理AIが大量の作業計画を更新する。こうした用途では、推論速度が直接、生産性と売上を決める。

CS-4の「最大30倍」も「1ワット当たり10倍」も、現時点では特定条件の自社比較であり、一般化してはならない。それでも、毎秒4,400トークン超という水準は、AIサービスの設計思想を変える可能性を持つ。

重要なのは、CerebrasがGPUを使わずに高速化したこと自体ではない。

同社は、AI計算の中心問題を「演算器を何個積むか」から、「モデルのデータをどこに置き、どれだけ短い距離で動かすか」へ置き換えた。そして、チップ境界をなくし、ウェハー全体をコンピューターにするという極端な方法で答えを出した。

今後の勝負は、技術デモから商業運用へ移る。

CS-4を何台作れるのか。600MWを予定どおり稼働できるのか。OpenAIとの大型契約を売上と利益へ変えられるのか。ハードウェア売上の減少は下げ止まるのか。AWSとAMDの分離型推論は本当に1ワット当たり5倍のトークン生成を実現するのか。30倍の速度差は、Groqの技術と人材を取り込んだNVIDIAの次世代システムに対しても維持できるのか。そして、四半期ごとに数字を問われながら、数年がかりの設備投資を完走できるのか。

これらを実証できれば、Cerebrasは「変わった巨大チップの会社」から、AIエージェント時代の高速推論基盤へ進化する。

NVIDIA一強を崩すとは、NVIDIAを消すことではない。

GPU以外を選ぶ合理的な市場を作ることである。

Cerebrasは今、その市場を作れるかどうかの最終試験に入った。

参考リンク

一次情報（Cerebras／SEC）

報道・分析

日本関連

ハッシュタグ

#Cerebras #セレブラス #CS4 #WaferScaleEngine #AI半導体

#AI推論 #生成AI #AIエージェント #NVIDIA #OpenAI

#AMD #AWS #Etched #Groq #データセンター #半導体 #CBRS

いいなと思ったら応援しよう！

この記事は noteマネーにピックアップされました