Cerebras $2.5B: l’AI fisica cambia le regole per le PMI

La cronologia di un’exit che il mercato non si aspettava

In May 2026, TechCrunch reported i dettagli dell’exit da 2,5 miliardi di dollari di Cerebras Systems. Il fondo Eclipse, fondato da Lior Susan, figura tra i principali beneficiari dell’operazione. Tuttavia, la storia inizia molto prima.

Circa dieci anni fa, Susan iniziò a investire in aziende che costruivano tecnologia per il mondo fisico. Era una posizione solitaria. La maggior parte del capitale di rischio guardava al software, al SaaS, ai marketplace digitali. Al contrario, Eclipse puntava su chip, sensori, robotica e infrastruttura computazionale tangibile.

Cerebras è diventata la dimostrazione più visibile di quella tesi. L’azienda ha sviluppato chip di dimensioni straordinarie — il Wafer Scale Engine — capaci di elaborare modelli di AI di grandi dimensioni con latenze ridotte. Inoltre, ha costruito sistemi completi, non solo silicio grezzo.

Architettura Cerebras: perché il silicio conta più del software

Per comprendere il valore dell’operazione, è utile guardare all’architettura tecnica. I chip Cerebras non seguono il paradigma tradizionale dei GPU cluster. Invece, integrano migliaia di core su un singolo wafer di silicio.

Di conseguenza, la comunicazione tra unità di calcolo avviene senza i colli di bottiglia tipici delle reti inter-GPU. Questo si traduce in vantaggi concreti su workload specifici: training di modelli linguistici, inferenza ad alta frequenza, simulazioni fisiche complesse.

According to analyses published by Gartner, entro il 2027 oltre il 60% delle aziende che adottano AI in produzione dovrà affrontare decisioni strutturate sull’hardware di inferenza. Pertanto, la scelta del chip non è più una questione da delegare al reparto IT: diventa una decisione strategica.

In particolare, per le PMI che stanno costruendo pipeline di AI interne — analisi predittiva, automazione documentale, raccomandazione prodotti — la disponibilità di infrastruttura specializzata cambia i calcoli di make-or-buy.

Vincitori e perdenti nell’ecosistema AI hardware

L’exit di Cerebras ridisegna alcune gerarchie. Tra i vincitori più evidenti troviamo Eclipse e i suoi LP, ma anche l’intero segmento degli investitori in AI fisica. Infatti, l’operazione legittima una tesi di investimento che per anni è rimasta marginale rispetto al software-first.

Tra i soggetti che devono rivedere le proprie posizioni ci sono invece i fornitori di cloud computing generalista. Aziende come AWS, Google Cloud e Azure hanno costruito il proprio vantaggio sulla flessibilità orizzontale. Tuttavia, la specializzazione verticale dell’hardware AI crea nicchie dove il cloud tradizionale non è competitivo né per costo né per performance.

Analogamente, i produttori di GPU tradizionali — NVIDIA in testa — devono monitorare l’ascesa di architetture alternative. Nonostante ciò, NVIDIA mantiene un vantaggio ecosistemico enorme grazie a CUDA e alla base installata. Il duopolio non è in discussione nel breve periodo.

Per approfondire le dinamiche competitive nell’AI hardware, il report McKinsey State of AI offers a structured reading of the ongoing tensions between industry giants.

La lettura di SHM Studio: cosa cambia per chi non è un hyperscaler

We of SHM Studio lavoriamo quotidianamente con PMI italiane che stanno integrando l’AI nei propri processi. Quindi, osserviamo questa vicenda con un’ottica operativa, non speculativa.

Il punto centrale è il seguente: l’infrastruttura AI fisica sta diventando accessibile anche al di fuori dei grandi centri di calcolo. Questo avviene attraverso due canali principali.

• Specialized Cloud provider come CoreWeave o Lambda Labs offrono accesso a chip Cerebras e hardware alternativo a NVIDIA su base oraria. Pertanto, una PMI può testare workload su architetture diverse senza acquistare hardware.
• Hybrid on-premises models: alcune aziende manifatturiere e logistiche stanno valutando deployment locali per motivi di latenza e sovranità del dato. In questo scenario, la scelta del chip diventa parte del progetto architetturale complessivo.

Dunque, la domanda per una PMI non è «devo comprare chip Cerebras?». La domanda è: «la mia roadmap AI nei prossimi 24 mesi richiede una riflessione sull’infrastruttura computazionale?». Nella maggior parte dei casi, la risposta è sì.

For companies building a structured digital presence, our AI services include a technological assessment phase that also considers infrastructural choices. Likewise, our approach to digital marketing always integrate the intelligent automation component.

Operational implications for Italian SMEs

Tradurre una notizia finanziaria in azioni concrete è il lavoro che le PMI spesso faticano a fare internamente. Pertanto, proviamo a indicare alcune direzioni pratiche.

First of all, è utile mappare i workload AI attuali e previsti. Non tutti i casi d’uso richiedono hardware specializzato. Ad esempio, un modello di classificazione testi su volumi medi gira perfettamente su istanze cloud standard. Al contrario, l’inferenza in tempo reale su dati sensoriali industriali può beneficiare di architetture dedicate.

Next, conviene monitorare l’evoluzione dei prezzi sul mercato del cloud specializzato. La concorrenza tra provider sta comprimendo i costi. Quindi, soluzioni che sembravano inaccessibili 18 mesi fa oggi entrano nel budget di aziende con 50-200 dipendenti.

Finally, it is worth structuring the governance of AI technology choices. This means not delegating infrastructure decisions solely to the IT department, but also involving strategic management and, where present, the CFO. The implications for TCO (Total Cost of Ownership) are significant.

For those managing digital campaigns with automation components, choices about Google Ads e LinkedIn Ads stanno evolvendo verso un uso più intensivo di modelli predittivi. Pertanto, la qualità dell’infrastruttura sottostante influenza direttamente le performance delle campagne.

The construction site is still open: Where Eclipse is going after Cerebras

Secondo quanto riportato da TechCrunch, Lior Susan considera l’exit di Cerebras solo l’inizio della tesi sull’AI fisica. Eclipse ha in portafoglio altre aziende che operano all’intersezione tra hardware, robotica e intelligenza artificiale.

Questo segnale è rilevante per capire dove si concentrerà il capitale nei prossimi anni. Tra l’altro, la tesi del «physical world AI» si sovrappone con tendenze già in atto: la digitalizzazione della manifattura, l’automazione logistica, i sistemi di visione artificiale per il retail.

Per le PMI italiane, molte delle quali operano proprio in questi settori, il messaggio è chiaro. Infatti, l’AI non è più solo un tema da software house o da startup digitali. È un tema che riguarda chi produce, distribuisce e vende nel mondo fisico.

La nostra attività di SEO e copywriting per PMI B2B tiene conto di questo cambiamento. Così come il nostro approccio allo web development, che integra sempre più componenti di personalizzazione basata su dati.

Next moves: Three questions to guide you

Let's wrap up with a simple framework. Three questions every SME should ask themselves after reading this news.

• Customer service, fraud detection, dynamic pricing, supply chain management, predictive maintenance, cybersecurity, and personalized marketing. Se la risposta include operazioni fisiche — produzione, magazzino, assistenza sul campo — allora l’infrastruttura computazionale diventa rilevante.
• Does our current cloud provider offer access to specialized AI hardware? Se la risposta è no, vale la pena esplorare alternative prima che la roadmap AI si scontri con limiti tecnici.
• Do we have governance for AI technology decisions? Se le scelte vengono fatte caso per caso senza una visione d’insieme, il rischio di incoerenza architetturale cresce nel tempo.

Per approfondire questi temi con un approccio consulenziale, è possibile Contact the SHM Studio team. Furthermore, our blog regularly publishes analyses on AI, digital infrastructure, and strategies for Italian SMEs.