Cerebras $2.5B: l’AI fisico entra nel B2B manifatturiero

La cronologia: da scommessa solitaria a exit da $2,5 miliardi

Nel 2015, Lior Susan fondava Eclipse Ventures con una premessa controcorrente. Mentre il venture capital americano inseguiva SaaS e marketplace digitali, Susan scommetteva sul mondo fisico. Robotica, semiconduttori, automazione industriale: settori considerati lenti, capital-intensive, poco glamour.

Cerebras Systems era uno di quei investimenti. L’azienda sviluppava chip AI di dimensioni inusuali — il Wafer-Scale Engine — progettati per accelerare l’addestramento e l’inferenza di modelli di grandi dimensioni. Inoltre, il posizionamento era esplicitamente alternativo a Nvidia: meno GPU commodity, più architettura specializzata per carichi AI intensivi.

Nel maggio 2026, TechCrunch ha riportato che Eclipse considera questo exit solo l’inizio. La tesi sul mondo fisico non è esaurita — al contrario, si sta dimostrando più attuale che mai.

Architettura della scommessa: perché il silicio conta più del software

Cerebras ha costruito un vantaggio competitivo reale. Il suo chip integra miliardi di transistor su un singolo wafer, eliminando la latenza di comunicazione tra chip separati. Pertanto, per applicazioni che richiedono inferenza rapida — controllo qualità in linea, manutenzione predittiva, visione artificiale — questo approccio offre vantaggi misurabili.

La distinzione rispetto all’AI cloud tradizionale è rilevante. I modelli ospitati su infrastrutture remote introducono latenza, dipendenza dalla connettività e questioni di data sovereignty. Al contrario, un’architettura on-premise o edge consente elaborazione locale, fondamentale in contesti industriali dove i dati di produzione sono sensibili.

Dunque, il valore di Cerebras non è solo finanziario. Rappresenta la maturazione di un’intera categoria: l’AI hardware specializzato per applicazioni fisiche. Secondo Gartner, entro il 2027 oltre il 40% dei carichi AI aziendali verrà eseguito in modalità edge o on-premise. Il deal Cerebras anticipa questa traiettoria.

Vincitori e perdenti: chi guadagna davvero da questo scenario

Il vincitore più evidente è Eclipse Ventures. La firma ha dimostrato che investire nel mondo fisico non è una nicchia romantica, ma una tesi con rendimenti concreti. Inoltre, la credibilità acquisita attirerà capitali verso altri portfolio company nell’hardware AI e nella robotica.

Cerebras stessa consolida la propria posizione come alternativa credibile a Nvidia. Tuttavia, la strada è ancora in salita: Nvidia controlla oltre il 70% del mercato GPU per AI secondo stime di settore. La specializzazione di Cerebras è un vantaggio in segmenti specifici, non una conquista di mercato generalizzata.

Chi rischia di perdere terreno sono le PMI che rimandano le decisioni sull’infrastruttura AI. Infatti, mentre i grandi player industriali — automotive, aerospazio, farmaceutica — stanno già valutando architetture AI on-premise, le aziende di medie dimensioni rischiano di trovarsi in ritardo strutturale. Di conseguenza, il gap competitivo potrebbe ampliarsi nei prossimi 18-24 mesi.

Lo sguardo di un’agenzia milanese: cosa vediamo nel mercato italiano

Noi di SHM Studio lavoriamo quotidianamente con PMI italiane nei settori B2B e retail. Osserviamo una tendenza chiara: la domanda di soluzioni AI sta crescendo, ma spesso si scontra con una comprensione ancora superficiale dell’infrastruttura necessaria.

Molte aziende associano l’AI esclusivamente a strumenti cloud — ChatGPT, Copilot, piattaforme SaaS. Tuttavia, per chi opera in manifattura, logistica o supply chain, la vera opportunità è nell’AI applicata ai processi fisici. Questo richiede una riflessione sull’hardware, non solo sul software.

Il deal Cerebras-Eclipse è un segnale di mercato che anche le PMI italiane dovrebbero leggere. Pertanto, chi si occupa di digital marketing e trasformazione digitale non può ignorare la dimensione infrastrutturale dell’AI. Le due cose — comunicazione digitale e infrastruttura tecnologica — sono sempre più interconnesse.

Implicazioni operative per le PMI manifatturiere italiane

Cosa significa concretamente questo scenario per un’azienda manifatturiera italiana con 50-500 dipendenti? Prima di tutto, è utile distinguere tra tre livelli di maturità AI.

• Livello base: utilizzo di strumenti AI cloud per attività di marketing, copywriting, analisi dati. Accessibile oggi, con investimenti contenuti.
• Livello intermedio: integrazione di modelli AI in processi aziendali specifici — CRM predittivo, segmentazione clienti, ottimizzazione campagne Google Ads e LinkedIn. Richiede competenze digitali strutturate.
• Livello avanzato: AI on-premise per controllo qualità, manutenzione predittiva, visione artificiale. Richiede investimenti hardware e competenze specifiche.

Inoltre, è importante valutare la propria posizione attuale prima di saltare a soluzioni avanzate. Un’azienda che non ha ancora ottimizzato il proprio posizionamento SEO o la propria presenza digitale non è pronta per l’AI on-premise. La sequenza conta.

Per questo motivo, il nostro approccio in SHM Studio parte sempre da una valutazione della maturità digitale complessiva. Solo così è possibile identificare dove l’AI genera valore reale, e dove rischia di essere un investimento prematuro.

Il cantiere ancora aperto: dove si gioca la partita nei prossimi 24 mesi

La tesi di Eclipse Ventures non si esaurisce con Cerebras. Secondo il fondatore Susan, il portfolio include decine di aziende che operano all’intersezione tra AI e mondo fisico. Dunque, nei prossimi anni vedremo probabilmente altri exit significativi in robotica, energy tech e automazione industriale.

A livello macro, McKinsey stima che l’AI generativa e applicata potrebbe aggiungere fino a 4,4 trilioni di dollari annui all’economia globale. Una quota rilevante di questo valore verrà da applicazioni industriali e fisiche, non solo digitali.

In Italia, il contesto è specifico. Il tessuto produttivo è composto prevalentemente da PMI manifatturiere con forte specializzazione settoriale. Pertanto, l’adozione di AI fisico — anche in forme meno sofisticate rispetto ai chip Cerebras — rappresenta un’opportunità competitiva reale. In particolare per chi esporta e compete su mercati internazionali.

Allo stesso modo, chi si occupa di sviluppo web e presenza digitale deve iniziare a ragionare su come l’AI on-premise cambierà i flussi di dati e le integrazioni tra sistemi fisici e piattaforme digitali. Il confine tra IT e OT (Operational Technology) si sta assottigliando rapidamente.

Next moves: tre priorità per chi vuole muoversi con anticipo

Sulla base di quanto analizzato, è possibile identificare tre aree di azione prioritarie per le PMI italiane che vogliono prepararsi a questo scenario.

Prima priorità: audit della maturità digitale. Prima di valutare qualsiasi investimento AI, è necessario avere una visione chiara dello stato attuale. Questo include SEO, infrastruttura web, qualità dei dati interni, e capacità di analisi. Senza questa base, qualsiasi investimento AI rischia di essere inefficace.

Seconda priorità: formazione interna sull’AI applicato. Non si tratta di diventare esperti di chip o architetture hardware. Si tratta di comprendere quali processi aziendali possono beneficiare dell’AI, e quali competenze sono necessarie per valutare i fornitori. Inoltre, la formazione riduce il rischio di decisioni basate su hype piuttosto che su analisi.

Terza priorità: selezione dei partner tecnologici. Il mercato dell’AI B2B è affollato di soluzioni. Scegliere partner con esperienza verticale nel proprio settore è fondamentale. Infine, è utile valutare se le soluzioni proposte sono scalabili — ovvero se possono crescere con l’azienda senza richiedere migrazioni costose.

Per approfondire questi temi o avviare una valutazione della propria posizione digitale, è possibile contattare il team di SHM Studio o esplorare i contenuti del nostro blog.