Cerebras: Como os chips de IA em nível de wafer desafiam a NVIDIA? Análise dos resultados financeiros da CBRS e das barreiras tecnológicas

14 de maio de 2026, uma empresa cujo nome ainda não é amplamente conhecido pelo público, mas cuja rota tecnológica é capaz de revolucionar todo o setor de chips de IA — a Cerebras Systems — concluiu na NASDAQ a maior IPO de tecnologia de 2026 até agora. Preço de emissão de 185 dólares, com abertura de mercado saltando para 350 dólares, encerrando o primeiro dia com alta de 68%. Essa nova estrela dos chips de IA, apelidada de “desafiante mais forte da Nvidia”, lançou um chip de nível wafer, do tamanho de um prato, desafiando diretamente o domínio da Nvidia na GPU com uma afronta tecnológica.

No entanto, pouco mais de um mês após a estreia, o primeiro relatório trimestral da Cerebras gerou forte divergência no mercado — receita acima do esperado, prejuízo significativamente reduzido, mas uma orientação de margem bruta que caiu abruptamente, levando a uma queda de mais de 10% no preço após o fechamento. O que exatamente preocupa o mercado? A rota independente de chips de wafer realmente possui lógica de longo prazo para desafiar a Nvidia? Serão analisados de forma sistemática os aspectos de rota tecnológica, desempenho financeiro, cenário competitivo e canais de venda da Cerebras.

O valor da Cerebras

A lógica tradicional de fabricação de chips é: em uma única lâmina de silício de 12 polegadas, litografia de centenas de chips, depois corte, encapsulamento e teste. Cada chip tem uma área limitada pelo tamanho da máscara de litografia, impossibilitando o aumento de tamanho. A abordagem da Cerebras, porém, revoluciona esse paradigma — uma única lâmina de wafer não é cortada nem dividida, realizando litografia e roteamento em toda a área de uma só vez, transformando toda a peça de silício em um chip supergigante.

Essa é a chamada Wafer-Scale Engine (WSE) da Cerebras. A última geração, WSE-3, é baseada na tecnologia de 5nm da TSMC, com área de 46.225mm², integrada com 4 trilhões de transistores e 900 mil núcleos de IA, equipado com 44GB de SRAM on-chip, oferecendo 125 petaflops de capacidade de cálculo para IA. Para comparação, o chip principal de centros de dados de IA, o Nvidia H100, possui cerca de 80 bilhões de transistores — a WSE-3 tem 50 vezes mais transistores.

Porém, a quantidade de transistores não é a verdadeira vantagem competitiva da Cerebras. A diferenciação mais significativa está na arquitetura de memória.

GPUs tradicionais (como o H100) dependem fortemente de memória HBM de alta largura de banda externa, com a transferência de dados entre chip e memória limitada pela largura física do barramento. Essa limitação é conhecida como “muro de memória” — por mais potente que seja a unidade de cálculo, se os dados não podem chegar até ela, o desempenho é prejudicado. A Cerebras integra 44GB de SRAM diretamente no chip, com largura de banda de 21 PB/s. Analistas apontam que a largura de banda de memória do WSE-3 é 2625 vezes maior que a do chip B200 da Nvidia em embalagem. Em cenários de inferência de IA, isso significa que os pesos do modelo podem ser carregados com muito menos frequência do armazenamento externo, reduzindo drasticamente a latência.

Claro, a rota de wafer completo também tem seus custos. Se uma única falha fatal ocorrer em toda a lâmina, ela pode comprometer a usabilidade de todo o chip. A estratégia da Cerebras é usar “técnicas de reparo com núcleos redundantes” — projetando muitos núcleos de cálculo de reserva, capazes de contornar automaticamente as áreas defeituosas. Isso, porém, aumenta a complexidade de projeto e o custo. Usar toda a lâmina como um único chip exige uma gestão de tolerância a defeitos e de yield completamente diferentes da fabricação convencional.

Diferença fundamental na rota tecnológica: Nvidia segue uma abordagem de “cluster em larga escala + interconexão de alta velocidade”, formando supercomputadores com muitas GPUs; a Cerebras aposta na “extrema ampliação de um único chip”, usando uma única peça gigante para substituir centenas ou milhares de GPUs. A primeira tem décadas de ecossistema consolidado, com compatibilidade de software; a segunda, embora teoricamente mais eficiente em inferência, precisa construir do zero seu ecossistema de software.

O primeiro mês de IPO: de euforia a correções, a trajetória do preço do CBRS

Em 14 de maio de 2026, a Cerebras abriu seu capital na NASDAQ a 185 dólares por ação, com uma abertura de mercado saltando para 350 dólares, atingindo um pico intradiário de mais de 108% de alta e acionando o limite de queda automática, fechando a 311,07 dólares. Alta de 68% no primeiro dia, tornando-se a maior IPO de tecnologia nos EUA em 2026 até então.

Nas semanas seguintes, o preço do CBRS oscilou fortemente. Chegou a atingir 386 dólares, antes de recuar para cerca de 197 dólares, o mínimo histórico. Em 23 de junho (terça-feira), o fechamento regular foi de 226,72 dólares — ainda cerca de 23% acima do preço de emissão, mas mais de 27% abaixo do fechamento do primeiro dia.

Após o fechamento de 23 de junho, a Cerebras divulgou seu primeiro relatório trimestral pós-IPO, levando a uma queda de mais de 10% no preço após o pregão. Na noite de 24 de junho, o CBRS caiu quase 11%, fechando a 201,8 dólares.

Até o momento, a capitalização de mercado da CBRS é de aproximadamente 49,8 bilhões de dólares, com um P/E (TTM) de cerca de 527 vezes. Essa avaliação reflete as expectativas de crescimento acelerado do mercado, mas também indica que qualquer sinal abaixo do esperado pode gerar forte volatilidade.

O primeiro relatório financeiro: receita acima do esperado, por que o mercado não aceita?

Os dados financeiros do primeiro trimestre de 2026 (até 31 de março) da Cerebras mostram uma “dupla face” clara:

Lado positivo:

• Receita total de 193,4 milhões de dólares, aumento de 94% em relação ao mesmo período do ano anterior, superando a previsão de 181,2 milhões
• Receita de hardware de 110,6 milhões, crescimento de 59%
• Receita de nuvem e outros serviços de 82,8 milhões, crescimento de 178%
• prejuízo líquido de 14 milhões de dólares, uma redução significativa em relação aos 23,9 milhões do mesmo período do ano anterior
• prejuízo por ação de 0,22 dólares, melhor que a previsão de 0,25 dólares
• orientação de receita anual entre 855 milhões e 865 milhões de dólares, acima da previsão de 824 milhões

Lado preocupante:

• orientação de margem bruta principal para o segundo trimestre de 36%-38%, uma queda de mais de 10 pontos percentuais em relação aos 46,5% do primeiro trimestre
• margem operacional principal anual prevista entre -28% e -32%
• expectativa de receita principal para o segundo trimestre de cerca de 194 milhões de dólares

Receita dobrando, prejuízo reduzido, orientação revisada para cima — esses resultados seriam excelentes para qualquer empresa de crescimento. Mas o mercado reagiu com forte queda após o fechamento. A lógica é simples: a avaliação da Cerebras baseia-se na expectativa de “crescimento alto + alta margem bruta”, e a queda na margem bruta compromete essa premissa.

O CFO Bob Komin explicou na teleconferência que a redução da margem bruta se deve à escassez de espaço em data centers, levando a Cerebras a alugar alguns sistemas de volta de clientes, enquanto a empresa expande sua capacidade de produção. Esses custos devem reduzir a margem de lucro em cerca de 10 a 15 pontos percentuais em 2026. O CEO Andrew Feldman foi direto: “É extremamente irônico que, depois de termos inventado toda essa tecnologia, a construção do próprio prédio seja um fator limitante.”

Em outras palavras, o principal gargalo atual da Cerebras não é tecnologia ou demanda, mas a velocidade de fornecimento da infraestrutura física. Essa condição gera pressão de curto prazo sobre os lucros, mas também confirma a demanda real e urgente por seus produtos.

OpenAI e AWS: mudança na estrutura de clientes por trás de pedidos de 20 bilhões de dólares

A evolução na composição de clientes da Cerebras é fundamental para entender seu valor de longo prazo.

No primeiro semestre de 2024, a G42, uma empresa de IA dos Emirados Árabes, respondeu por 87% da receita da Cerebras. Essa concentração extrema de clientes era uma das maiores preocupações do mercado. Contudo, em janeiro de 2026, a Cerebras anunciou uma parceria estratégica de mais de 200 bilhões de dólares com a OpenAI — que implantará 750 MW de capacidade de inferência de alta velocidade da Cerebras até 2028. Além disso, lançaram conjuntamente o Codex-Spark, um modelo de IA para codificação quase em tempo real, capaz de gerar mais de 1.000 tokens por segundo.

Ao mesmo tempo, a Cerebras firmou uma parceria de longa data com a Amazon AWS, planejando implantar o sistema CS-3 em seus data centers. As duas empresas desenvolveram uma estratégia de “inferência desacoplada”: a AWS usará o chip Trainium 3 para pré-processamento, enquanto a Cerebras fornecerá o inferência de alta velocidade na fase de decodificação.

O significado dessas parcerias vai além do valor dos pedidos. De um cliente único, G42, para uma estrutura de clientes com OpenAI e AWS como pilares, o risco de concentração foi substancialmente reduzido. Mais importante, OpenAI e AWS representam os dois cenários mais críticos de demanda de inferência de IA — treinamento de modelos avançados e implantação em nuvem em larga escala. Conseguir pedidos de longo prazo de ambos é uma espécie de “validação de mercado” para a rota tecnológica da Cerebras.

Até o final de 2025, a Cerebras possui uma carteira de contratos não entregues de cerca de 24,6 bilhões de dólares, com previsão de que até 2027, 3,7 bilhões possam se transformar em receita reconhecida. A relação entre pedidos pendentes e receita atual é de aproximadamente 48 vezes — um indicador de alta visibilidade futura de receita, embora também mostre que a empresa ainda esteja na fase inicial de entregas em grande escala.

Rota de chips de wafer independente: desafio ao monopólio da Nvidia — potencial e limitações

A Cerebras optou por uma rota tecnológica completamente diferente da Nvidia.

A Nvidia representa a abordagem dominante — o método de chiplet, que consiste em dividir o chip em pequenos blocos de cálculo, cache, IO, etc., produzidos separadamente e depois montados por embalagem avançada. Essa rota tem vantagens de alta taxa de yield, controle de custos e produção em escala. Chips como o B200 da Nvidia e os produtos Ascend da Huawei usam essa estratégia.

Já a rota de wafer completo da Cerebras é uma “construção única” — uma peça gigante de silício, sem cortes ou montagem, usada como um único chip. Essa rota oferece vantagens teóricas de eficiência na inferência, mas enfrenta desafios de complexidade de fabricação, gerenciamento de yield e construção de ecossistema de software do zero.

A competição entre as duas rotas é, essencialmente, um confronto entre “efeito de escala” e “eficiência extrema”. A Nvidia se apoia na sua ecossistema consolidado de software CUDA e na capacidade de produção em massa; a Cerebras, por sua vez, pode oferecer uma vantagem de velocidade de mais de 10 vezes em cenários de inferência específicos.

Para investidores, a questão central não é “a Cerebras pode derrotar a Nvidia” — isso, no futuro próximo, é praticamente impossível. A verdadeira questão é: o mercado de inferência de IA é grande o suficiente para sustentar uma rota tecnológica que não seja baseada em GPUs? Se a resposta for sim, então a singularidade da Cerebras, como o único player comercial dessa rota, já constitui uma lógica de avaliação.

Fatores de risco: quatro desafios que não podem ser ignorados

Incerteza na margem bruta e na trajetória de lucros. A orientação de margem bruta para o segundo trimestre caiu de 46,5% para 36%-38%. A margem operacional principal prevista para o ano ainda é profundamente negativa. A Morgan Stanley acredita que a compressão de margem é temporária, esperando que, à medida que a Cerebras se afaste do aluguel de infraestrutura, a margem possa retornar a 60%. Mas essa previsão ainda não foi validada pelo mercado.

Risco de concentração de clientes, que precisa de tempo para se diversificar. Apesar de OpenAI e AWS melhorarem a estrutura de clientes, a maior parte da carteira de pedidos não entregues ainda é dominada por OpenAI — 20 bilhões de dólares de um total de 24,6 bilhões. Qualquer mudança no ritmo de implantação da OpenAI pode impactar significativamente a receita.

Pressão de oferta com o vencimento do período de lock-up. Na quinta-feira (25 de junho), aproximadamente 13% das ações do IPO poderão ser vendidas por investidores iniciais e insiders. Essa maior oferta pode pressionar o preço no curto prazo.

Avaliação e velocidade de crescimento. A relação preço/vendas da CBRS é de cerca de 91 vezes, muito acima dos aproximadamente 23 vezes da Nvidia. Embora empresas de alto crescimento possam justificar avaliações elevadas, uma desaceleração no ritmo de crescimento ou uma margem bruta menor que o esperado podem reduzir o valor de mercado.

Conclusão

A ascensão da Cerebras é, na essência, um reflexo da mudança do foco de demanda por poder de cálculo de “treinamento” para “inferência” de IA. Quando o treinamento de grandes modelos se torna mais padronizado e em escala, a busca por eficiência máxima em inferência — com menor latência, menor custo e maior eficiência energética — abre espaço para rotas tecnológicas “não convencionais”, como os chips de wafer.

Com base no primeiro relatório financeiro, a Cerebras entregou uma performance de receita e pedidos acima do esperado, mas a queda na margem bruta revela as dores iniciais de crescimento — a expansão da infraestrutura física não acompanha a explosão de demanda por poder de cálculo. É uma “doce preocupação”: um problema de lucros, mas também uma confirmação da demanda real.

Para investidores, a Cerebras não é uma “substituta da Nvidia”, mas uma “outra possibilidade na inferência de IA”. O sucesso ou fracasso dessa rota independente dependerá de dois fatores principais: se o mercado de inferência de IA continuará crescendo rapidamente o suficiente para sustentar múltiplas rotas tecnológicas; e se a Cerebras conseguirá transformar seus 24,6 bilhões de pedidos pendentes em receita e fluxo de caixa de forma eficiente até 2026-2027.

A questão de se o chip de wafer da Cerebras poderá realmente desafiar o império de GPUs da Nvidia talvez não seja respondida hoje, mas nos próximos 12 a 24 meses, com cada etapa de conversão de pedidos, recuperação de margem e implementação da parceria com a AWS.

FAQ

Q1: Quais as diferenças principais entre o chip de wafer WSE-3 da Cerebras e a H100 da Nvidia?

WSE-3 é um wafer de 12 polegadas inteiro, não cortado, com 4 trilhões de transistores e 900 mil núcleos; H100 é um chip tradicional de embalagem, cortado. A diferença central está na arquitetura de memória: WSE-3 possui 44GB de SRAM on-chip com largura de banda de 21PB/s; H100 depende de memória HBM externa, com largura de banda de 3,35TB/s. WSE-3 oferece vantagem de velocidade na inferência, mas maior complexidade de fabricação e custo.

Q2: Quais os principais dados do relatório financeiro do Q1 de 2026 da Cerebras?

Receita de 193,4 milhões de dólares, aumento de 94% ano a ano, superando previsão de 181,2 milhões; prejuízo líquido de 14 milhões, redução significativa; receita de hardware de 110,6 milhões, de nuvem e serviços de 82,8 milhões. Orientação de receita anual entre 855 milhões e 865 milhões de dólares.

Q3: Por que o preço do CBRS caiu após o relatório financeiro?

Apesar de receita e prejuízo melhores que o esperado, a margem bruta prevista para o segundo trimestre caiu de 46,5% para 36%-38%. A causa principal é a escassez de espaço em data centers, levando a aluguéis de sistemas de clientes e expansão de capacidade, o que deve reduzir a margem em 10-15 pontos percentuais. O mercado teme a visibilidade de lucros.

Q4: Quais os principais riscos enfrentados pela Cerebras?

Quatro riscos principais: queda na margem bruta e incerteza na lucratividade; alta concentração de clientes, especialmente OpenAI (200 bilhões de dólares de pedidos em relação a 246 bilhões de pedidos totais); vencimento do lock-up em 25 de junho, podendo aumentar oferta de ações; avaliação elevada, com relação preço/vendas de cerca de 91 vezes, muito acima da Nvidia, com risco de ajuste se o crescimento desacelerar ou a margem não se recuperar.