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
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。