AI 芯片初创公司 Cerebras Systems 表示,在计划进行首次公开募股 (IPO) 之前,已经清除了一个关键障碍,声称已解决了美国外国投资委员会 (CFIUS) 对其资金来源的担忧。
监管机构最关注的是 Cerebras 对阿联酋 AI 明珠企业 G42 的依赖。根据该公司 9 月份的 IPO 文件显示,G42 在 2024 年上半年贡献了超过 87% 的收入。
自 2023 年年中以来,对中东国家的 AI 加速器和系统出口受到严格控制,美国芯片设计公司需要获得特殊许可才能在该地区销售产品。为避免触发出口限制,G42 出资约 9 亿美元在美国建设了多个基于 Cerebras 晶圆级 CS2 和 CS3 设计的 AI 超级计算机,以便远程访问。
G42 原计划作为 IPO 的一部分收购超过 2200 万股 Cerebras 股份。然而,这显然引起了 CFIUS 的关注。
正如我们此前报道,G42 受到美国情报机构的审查,据报道担心这家总部位于阿联酋的公司可能向中国提供先进技术和数百万人的基因数据访问权限。
这些担忧最终促使 G42 切断了与包括华为在内的一些供应商的联系,以期安抚美国出口管理部门,并消除与 Cerebras 和 Microsoft 合作的障碍。
据彭博社周一报道,Cerebras 称通过修改与 G42 的协议解决了所有悬而未决的 CFIUS 担忧,将这家阿联酋科技公司限制为无表决权股份——这一举措使进一步审查变得不必要。
在给 El Reg 的电子邮件中,Cerebras 坚称已经解决了与 CFIUS 的所有异议,并未做进一步评论。美国财政部拒绝置评。
总部位于加利福尼亚州的 Cerebras 首席执行官 Andrew Feldman 在 LinkedIn 上兴奋地表示:"我很高兴宣布,在与我们的战略合作伙伴 G42 密切合作下,Cerebras Systems 已与 CFIUS 达成积极的解决方案,并正在向前推进。"
这位高管还感谢美国政府和阿联酋统治者对美国人工智能公司的支持。
此进展发生在路透社报道 Cerebras 上市因等待特朗普政府关键官员任命而推迟不到一周之后。
Cerebras 计划的 IPO 条款尚未披露,但据彭博社此前报道,预计将以 70-80 亿美元的估值筹集高达 10 亿美元。
虽然 G42 仍是 Cerebras Systems 最大的客户之一,但该芯片初创公司显然旨在通过本月早些时候宣布的横跨美国、加拿大和法国的大规模基础设施建设,支持高性能推理即服务平台,来实现客户群的多样化。
该公司承诺到 2025 年底在六个新数据中心部署超过一千个晶圆级加速器。
虽然与 xAI 等公司正在建设的十万多个 GPU 装置相比这个数字可能并不算多,但值得注意的是,Cerebras 盘子大小的芯片每个在 FP16 精度下可实现高达 125 petaFLOPS 的性能,约为用于建造田纳西州孟菲斯市 Colossus 超级计算机的 Nvidia H100 系列的 62 倍。
Cerebras 的大多数新站点将与 G42 合作运营,这意味着他们对容量有优先使用权。然而,该公司将完全控制其在俄克拉荷马市和加拿大蒙特利尔的站点。
除了模型训练外,Cerebras 正将高吞吐量推理作为关键差异化因素,比如 DeepSeek 的 Llama3.3 70B R1 推理模型。根据 Artificial Analysis 记录的基准测试,该芯片设计公司声称其系统可以以每秒 1,508 个 token 的速度提供此类规模的模型服务——远快于传统的基于 GPU 的提供商。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。