Cerebras en Disrupt 2026: ¿hasta dónde puede escalar la IA?

Andrew Feldman lleva a Disrupt 2026 la pregunta que el sector no puede esquivar

Andrew Feldman, CEO y cofundador de Cerebras Systems, será uno de los protagonistas de TechCrunch Disrupt 2026, que se celebrará del 13 al 15 de octubre en Moscone West, San Francisco. Su sesión, titulada «Can AI Keep Scaling?», pone sobre la mesa el debate que más pesa en 2026: cada salto de capacidad de los modelos exige más cómputo, más energía y más infraestructura física — y no está claro cuánto más puede crecer esa curva.

Feldman llega a esa conversación desde una posición singular: lleva once años construyendo una arquitectura alternativa al chip convencional, y su empresa acaba de cerrar el IPO más grande de una tecnológica estadounidense desde Snowflake, además de un contrato multianual con OpenAI para desplegar 750 megavatios entre 2026 y 2028. La pregunta en Disrupt no es retórica — es el problema operativo que su empresa, y el resto de la industria, están intentando resolver ahora mismo.

Cerebras: once años desafiando el silicio convencional

Cerebras Systems se fundó en 2015 con una premisa que el sector consideraba poco práctica: en lugar de cortar una oblea de silicio en chips individuales, construir el procesador directamente sobre la oblea entera. Feldman había cofundado antes SeaMicro, un startup de microservidores eficientes en energía que AMD adquirió en 2012, y antes lideró equipos en Force10 Networks y Riverstone Networks.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Esa apuesta, conocida como wafer-scale computing, tardó una década en salir del papel. Hoy Cerebras vende sistemas on-premise y una plataforma cloud, y según el aviso de resultados del segundo trimestre recogido por The Next Web, su chip WSE-3 original integra 4 billones de transistores, 900.000 núcleos optimizados para IA y 44 GB de SRAM en una única pieza de silicio de 46.225 mm². Pocos fabricantes en el mundo operan a esa escala.

CS-4: tres obleas en un rack y la apuesta por la inferencia

En agosto de 2026, Cerebras presentó el CS-4, su primer sistema multi-oblea y el primer hardware que la compañía envía desde su salida a bolsa. Según el comunicado oficial publicado vía GlobeNewswire y el análisis de The Next Web, el rack combina tres WSE-3 Turbo para entregar:

750 PFLOPS de cómputo FP16 disperso
129,6 petabytes por segundo de ancho de banda de memoria
Soporte para modelos de más de 50 billones de parámetros
Latencia wafer a wafer de 2 microsegundos, frente a los 5 del CS-3

El CS-4 está pensado como máquina de inferencia para modelos frontier, no como sistema HPC tradicional. Cerebras afirma que, sobre el modelo GPT-OSS-120B, entrega más de 4.400 tokens por segundo por usuario — hasta 30 veces más rápido que sistemas basados en GPU. La compañía también asegura hasta 10 veces más rendimiento por vatio que el CS-3, con un consumo estimado de 120-140 kW por rack, aproximadamente la mitad que racks comparables de AMD y Nvidia, según el análisis de The Register recogido por The Next Web.

Hay un matiz importante que también subraya The Next Web: el WSE-3 Turbo no es un silicio nuevo. Comparte los 4 billones de transistores, los 900.000 núcleos, los 44 GB de SRAM y el nodo TSMC de 5 nm del WSE-3 original; el salto de rendimiento viene principalmente de subir la frecuencia de reloj de unos 1,4 GHz a 2,8 GHz y de reempaquetar la conversión de potencia mucho más cerca del procesador. La siguiente generación de silicio está prevista para 2027.

Sean Lie, CTO y cofundador, resumió el argumento de negocio así: dar a un sistema agéntico «espacio para más de un orden de magnitud adicional de razonamiento, verificación o uso de herramientas dentro del mismo wall-clock time». Para clientes empresariales, eso importa más que los benchmarks sintéticos.

El contrato con OpenAI y los números detrás del IPO

El contexto financiero pesa tanto como el tecnológico. Cerebras debutó en el Nasdaq en mayo de 2026 con una recaudación de US$5.500M, según TechCrunch, la mayor salida a bolsa de una tecnológica estadounidense desde Snowflake. En el evento Supernova de agosto, la empresa confirmó que trabaja con OpenAI, G42, MBZUAI y AWS.

Los resultados del segundo trimestre, publicados en el aviso de Nasdaq y analizados por Seeking Alpha y The Next Web, muestran números fuertes en crecimiento pero con pérdidas aún elevadas:

Ingresos: US$180,1M (+74% interanual, pero caída secuencial desde los US$193,4M del Q1)
Pérdida neta GAAP: US$450,5M
Pérdida ajustada: US$6,9M
Obligaciones de rendimiento pendientes (RPO): US$25.400M
Guía de ingresos para 2026: US$880M-US$890M
Capacidad de datacenter comprometida para fin de 2027: 600 megavatios

La concentración de clientes sigue siendo el riesgo estructural declarado por la propia empresa: G42 y MBZUAI representaron alrededor del 86% de los ingresos de 2025, y el peso de OpenAI en la cartera es tan alto que Cerebras lo presenta como el contrato que define el próximo trienio.

La infraestructura decide si la IA puede seguir creciendo

Feldman llega a Disrupt con un mensaje incómodo: no basta con diseñar procesadores más rápidos. Detrás de cada chip hay datacenters, electricidad, refrigeración, fibra óptica y capacidad de fabricación — y cada uno de esos eslabones tiene su propia crisis.

Un análisis publicado por TechTimes en mayo de 2026 describe el siguiente cuello de botella: los componentes ópticos de alta velocidad que conectan GPUs dentro de los clusters de entrenamiento. El mercado global de transceptores ópticos para IA pasaría de US$16.500M en 2025 a US$26.000M en 2026, un crecimiento del 57% interanual según TrendForce. McKinsey estima que la producción de transceptores de 800 Gbps quedará entre un 40% y un 60% por debajo de la demanda hasta 2027.

El 2 de marzo de 2026, Nvidia comprometió US$2.000M a Lumentum y otros US$2.000M a Coherent — un total de US$4.000M para acaparar el suministro de láseres EML, según TechTimes. El resultado: los plazos de entrega para cualquier comprador que no sea Nvidia se han extendido más allá de 2027. Al mismo tiempo, un datacenter de IA necesita alrededor de 36 veces más fibra óptica que un rack de servidores tradicional, y la demanda de fibra para datacenter creció un 76% interanual en 2025.

Como también apunta TechCrunch en su cobertura sobre Vera Rubin, la ventaja competitiva de Nvidia se está moviendo del GPU al resto del sistema — CPU, networking, almacenamiento — y el desafío ya no es solo fabricar chips, sino operar megaclusters a máxima eficiencia. Esa es exactamente la base del argumento de Feldman en Disrupt: si el hardware convencional alcanza su límite, la presión cae sobre arquitecturas alternativas como wafer-scale, sobre nuevos diseños de empaquetado (como el «backpack» extraíble del CS-4) y sobre acuerdos a largo plazo que aseguren capacidad física.

¿Qué significa esto para tu startup?

Para un founder que toma decisiones de infraestructura, esta conversación tiene tres implicaciones concretas:

El cómputo es un problema de cadena de suministro, no solo de precio. Si tu roadmap depende de GPUs a gran escala, planifica escenarios con plazos de entrega largos y considera arquitecturas alternativas — chips propios de hyperscalers, ofertas de Cerebras, AMD Helios, Groq — para no quedar atrapado en un único proveedor. El propio comunicado del CS-4 lo posiciona como integrable con racks AMD Helios y AWS Trainium precisamente para esos casos.
La inferencia rápida cambia el producto, no solo el costo. El CTO de Cerebras lo dijo sin rodeos: si tu modelo responde 30 veces más rápido, un agente puede hacer más razonamiento, más verificación y más uso de herramientas en la misma ventana temporal. Eso redefine qué se puede construir como producto: asistentes conversacionales, copilots y automatizaciones que hoy se sienten lentos pueden volverse viables con la próxima generación de hardware.
La energía y los megavatios son ya un cuello de botella estratégico. Cerebras habla de 600 MW comprometidos para fin de 2027 y un plan para multiplicar por más de diez su capacidad de fabricación durante 2026. Si tu startup consume cómputo intensivo, conviene entender de dónde viene tu energía contratada y qué capacidad tienen tus proveedores de nube para entregarte megawatts en 2027-2028 antes de firmar compromisos plurianuales.