No dia 14 de maio de 2026, o mercado financeiro assistiu a um dos estreantes mais impactantes do ano na Nasdaq. A Cerebras Systems, fabricante americana de chips projetados exclusivamente para inteligência artificial, abriu seu primeiro dia de negociação com as ações cotadas a US$ 350 — uma alta de 89% sobre o preço do IPO, fixado em US$ 185 por ação. A operação levantou US$ 5,55 bilhões e a empresa alcançou valuation totalmente diluído de US$ 106,75 bilhões já nas primeiras horas de pregão.
Sumário IPO da Cerebras
O número é expressivo, mas o que ele realmente comunica vai muito além do desempenho de uma única companhia. O entusiasmo dos investidores por uma empresa de hardware, e não por um desenvolvedor de modelos ou uma plataforma de software, revela uma inflexão silenciosa que vem se consolidando há meses: o centro de gravidade da inteligência artificial está migrando dos modelos e aplicações para a infraestrutura e a capacidade computacional. Este artigo analisa por que essa mudança está acontecendo, o que ela significa para o ecossistema de IA e como empresas de todos os portes podem se posicionar diante desse novo cenário.
O que é a Cerebras e por que ela importa
Fundada em 2016 e sediada em Sunnyvale, Califórnia, a Cerebras Systems não é uma fabricante de chips convencional. Seu produto-âncora, o Wafer Scale Engine 3 (WSE-3), representa uma ruptura arquitetural em relação ao design dominante no mercado. Enquanto as GPUs tradicionais — incluindo as da NVIDIA, líder inconteste do segmento — são fabricadas como chips individuais que depois precisam ser interconectados em clusters complexos, o WSE-3 é construído sobre um único wafer de silício inteiro.
Nas palavras do CEO Andrew Feldman, trata-se de “um chip do tamanho de um prato de jantar, 58 vezes maior do que qualquer chip já construído anteriormente”. Essa arquitetura monolítica elimina grande parte da latência de comunicação entre chips e, segundo a empresa, entrega desempenho até 15 vezes superior ao da concorrência em cargas de trabalho específicas de inferência.
Chips de treinamento vs. chips de inferência: a diferença que o mercado está aprendendo a fazer
Para entender a relevância estratégica da Cerebras, é essencial distinguir dois momentos do ciclo de vida da IA:
- Chips para treinamento: são otimizados para processar volumes massivos de dados e ajustar bilhões de parâmetros durante a fase de criação de modelos. Exigem potência computacional extrema por períodos prolongados.
- Chips para inferência: são projetados para executar modelos já treinados — ou seja, responder a perguntas, gerar textos, classificar imagens. Precisam ser rápidos, energeticamente eficientes e, sobretudo, baratos por token processado.
A grande aposta da Cerebras está na inferência. Com o WSE-3, a empresa promete custo por token significativamente inferior ao das arquiteturas baseadas em GPU para determinadas cargas de trabalho. É por isso que a OpenAI, empresa que até então operava majoritariamente com chips NVIDIA, firmou em janeiro de 2026 um acordo plurianual com a Cerebras avaliado em mais de US$ 20 bilhões, lançando em seguida seu primeiro modelo rodando sobre chips da fabricante.
O timing do IPO é estratégico. O mercado global enfrenta um gargalo de compute sem precedentes: a demanda por capacidade de processamento para IA cresce acima de 40% ao ano, enquanto a oferta de chips avançados permanece concentrada em pouquíssimos fabricantes com cadeias de suprimentos tensionadas. A Cerebras se posiciona como uma alternativa viável em um momento em que cada ciclo de inferência conta, e custa.
O contexto maior: uma leva de IPOs de IA está se formando
O IPO da Cerebras não é um evento isolado. Wall Street se prepara para o que analistas já chamam de a maior onda de aberturas de capital focadas em IA desde a bolha dot-com. Entre os nomes que devem protocolar seus pedidos nos próximos trimestres estão:
- SpaceX (com xAI integrada): após a fusão com a xAI em fevereiro de 2026, a empresa de Elon Musk prepara uma oferta que combina exploração espacial e infraestrutura de IA.
- OpenAI: avaliada em mais de US$ 150 bilhões em rodadas privadas, é o nome mais aguardado do segmento de modelos.
- Anthropic: criadora do Claude, com valuation estimado acima de US$ 60 bilhões, também deve buscar o mercado público ainda este ano.
- Databricks: plataforma de dados e analytics que integra capacidades de IA, com receita recorrente acima de US$ 2 bilhões.
O que diferencia a Cerebras nesse grupo é sua natureza: ela é a única empresa de infraestrutura pura entre os candidatos a IPO. Enquanto OpenAI e Anthropic competem diretamente entre si na corrida pelos melhores modelos, a Cerebras fornece o alicerce sobre o qual todos esses modelos operam.
Esse é um insight relevante para investidores e tomadores de decisão: apostar em infraestrutura é apostar na demanda agregada do ecossistema de IA, e não em um vencedor específico da guerra de modelos. No ciclo da internet, a Cisco — fornecedora de roteadores e switches — gerou retornos consistentes mesmo enquanto dezenas de plataformas de software que utilizavam sua infraestrutura desapareciam. A analogia com o momento atual da IA não passou despercebida pelos investidores institucionais que lotaram a carteira de ordens da Cerebras.
Por que infraestrutura é o novo centro de gravidade
Os dados confirmam a tese de que a infraestrutura se tornou o campo central de disputa no mercado de IA. De acordo com o Ramp AI Index, que acompanha gastos corporativos com IA nos Estados Unidos, o investimento empresarial em IA cresceu 290% entre o primeiro trimestre de 2024 e o primeiro trimestre de 2026. A maior parte desse crescimento foi direcionada a compute e armazenamento — não a licenças de software.
O Gartner projeta que os gastos globais com infraestrutura de IA atinjam US$ 210 bilhões em 2027, com taxa composta de crescimento anual superior a 35%. Trata-se de uma redistribuição estrutural dos orçamentos de TI: o que antes ia para servidores genéricos e licenças de produtividade agora migra para clusters de GPU, TPU e chips especializados.
Gargalos que até os líderes enfrentam
Nem mesmo as empresas mais bem capitalizadas do setor estão imunes à escassez de compute. A Anthropic, segundo reportagem do The Guardian, enfrentou em 2025 restrições significativas de capacidade computacional que atrasaram o treinamento de novas versões do Claude. A própria OpenAI relatou em documentos internos que a limitação de hardware era o principal fator a restringir a velocidade de iteração sobre seus modelos.
Esses gargalos criam uma dinâmica de mercado peculiar: a demanda por chips de IA é relativamente inelástica no curto prazo. Empresas que dependem de IA para suas operações ou produtos simplesmente não podem reduzir seu consumo de compute porque o custo subiu — elas precisam da capacidade para existir. Isso transforma fornecedores de hardware em players com poder de precificação incomum no setor de tecnologia.
O custo por token como variável-chave
Para o ecossistema empresarial, a métrica que realmente importa é o custo por token — ou seja, quanto custa processar cada unidade de texto gerada ou analisada por um modelo de IA. Em 2023, o custo por milhão de tokens do GPT-4 girava em torno de US$ 30 a US$ 60. Hoje, com hardware mais eficiente e chips otimizados, esse valor já caiu para menos de US$ 2 em diversas plataformas.
Essa trajetória de queda é o que viabiliza economicamente a automação em escala. Quando cada interação com um modelo custa centavos — e não dólares —, casos de uso como atendimento ao cliente 24/7, classificação automática de documentos, triagem de leads e monitoramento de processos se tornam viáveis não apenas para grandes corporações, mas para qualquer empresa que dependa de processos repetitivos e baseados em dados.
A Cerebras, ao prometer eficiência ainda maior em inferência, acelera essa curva de democratização. Embora seu foco comercial esteja nos hiperescaladores e grandes laboratórios de IA, o efeito de segunda ordem atinge toda a cadeia: quanto mais barato o hardware especializado, menor o custo repassado aos provedores de nuvem e, por fim, às empresas que consomem IA como serviço.
Riscos e pontos de atenção
Uma análise completa exige que se examinem também os riscos. O mercado de hardware de IA não está imune a ciclos de destruição de valor, e a euforia em torno do IPO da Cerebras não elimina vulnerabilidades estruturais que merecem atenção.
Obsolescência tecnológica acelerada. Os ciclos de renovação de hardware estão mais curtos. O WSE-3 é uma arquitetura impressionante, mas novos designs — como chips ópticos, arquiteturas neuromórficas e melhorias na litografia de 2 nanômetros — podem reduzir sua vantagem competitiva em janelas de 24 a 36 meses. Investir em hardware de IA exige convicção de que a empresa conseguirá manter o ritmo de inovação.
Concentração de clientes. Embora a dependência da G42 tenha caído de 85% da receita em 2024 para 24% em 2025, a Universidade Mohamed bin Zayed de Inteligência Artificial passou a responder por 62% do faturamento. Ter dois clientes representando mais de 85% da receita é um fator de risco que não pode ser ignorado.
Pressão na cadeia de suprimentos. A fabricação de wafers monolíticos do tamanho do WSE-3 é extraordinariamente complexa e depende de pouquíssimas foundries no mundo. Qualquer interrupção na cadeia — seja geopolítica, regulatória ou técnica — atinge a Cerebras de forma desproporcional em comparação com fabricantes que usam designs modulares.
O fantasma da bolha dot-com. A história oferece um paralelo útil: no ciclo 1998-2000, empresas de infraestrutura de internet (como Cisco e Akamai) sobreviveram ao estouro e continuaram crescendo; já centenas de aplicações construídas sobre essa infraestrutura desapareceram. O padrão pode se repetir: hardware de IA tende a ser uma aposta mais resiliente do que modelos ou aplicações individuais, mas isso não elimina o risco de supervalorização no curto prazo.
O que isso significa para empresas que usam IA
Para CTOs, CIOs e heads de inovação que acompanham esse movimento, algumas implicações práticas se destacam:
Queda tendencial no custo de inferência. A entrada de novos players como Cerebras no mercado de hardware acelera a competição e pressiona os preços para baixo. Projetos de automação que hoje estão no limite da viabilidade econômica tenderão a se pagar mais rapidamente nos próximos 12 a 18 meses.
Democratização do acesso. À medida que mais provedores de nuvem incorporam chips especializados em seus catálogos, a capacidade computacional de ponta se torna acessível sem a necessidade de investimento em hardware próprio. Isso reduz a barreira de entrada para empresas que querem usar IA sem montar um data center.
Infraestrutura robusta como pré-condição para automações seguras. Automações empresariais — especialmente as que lidam com dados sensíveis ou processos críticos — exigem consistência, baixa latência e disponibilidade. Um ecossistema de hardware diversificado e competitivo é o que garante que essas condições sejam atendidas sem dependência de um único fornecedor.
Preparação para a próxima onda. Empresas que compreenderem essa mudança estrutural e começarem a mapear seus processos automatizáveis agora estarão em posição vantajosa quando o custo de compute atingir patamares ainda mais baixos. A janela de oportunidade não está na espera — está na preparação.
Conclusão: a infraestrutura como alicerce da automação inteligente
O IPO da Cerebras não é apenas um marco financeiro. É a validação, pelo mercado de capitais, de que a infraestrutura de IA se tornou o ativo mais estratégico do ecossistema. Modelos vêm e vão, interfaces mudam, mas a demanda por capacidade computacional — chips mais rápidos, mais eficientes, mais baratos — só cresce.
Esse movimento cria as condições para que a inteligência artificial saia definitivamente dos laboratórios e se incorpore ao tecido operacional das empresas. Quando o custo de processamento despenca e a confiabilidade do hardware aumenta, automações que antes eram inviáveis se tornam não apenas possíveis, mas inevitáveis.
Essa potência técnica é o que permite à KIVEMAR criar automações mais seguras e inteligentes. Ao conectar infraestrutura de ponta — exatamente o tipo de capacidade que o mercado está financiando e validando — a fluxos de trabalho desenhados sob medida com a Metodologia CORE (Contexto, Objetivo, Recursos, Estratégia), a KIVEMAR ajuda empresas a transformar a evolução do hardware de IA em resultados concretos: menos retrabalho, mais previsibilidade e equipes liberadas para o que realmente importa.
O mercado já entendeu que o futuro da IA passa pela infraestrutura. A pergunta para os tomadores de decisão agora é: sua empresa está preparada para usar essa infraestrutura a seu favor?
Quer entender como a evolução da infraestrutura de IA pode transformar os processos da sua empresa? Assine nossa newsletter para receber análises semanais do mercado de IA ou entre em contato para descobrir como automações inteligentes podem reduzir custos e aumentar a eficiência operacional do seu negócio.
