Cerebras, SambaNova e Positron: i tre chipmaker che vogliono ridurre la dipendenza da Nvidia

Cerebras: il processore grande quanto un wafer

Raccolta e valutazione

A febbraio 2026 Cerebras ha chiuso un round Series H da 1 miliardo di dollari, raggiungendo una valutazione post-money di circa 23 miliardi di dollari. Il valore è quasi triplicato rispetto agli 8,1 miliardi registrati sei mesi prima .

Il round è stato guidato da Tiger Global, con la partecipazione, tra gli altri, di AMD, Fidelity, Benchmark e Coatue . In seguito, ad aprile, Cerebras ha riavviato il percorso verso una possibile quotazione in Borsa; a maggio puntava a raccogliere circa 4,8-5 miliardi di dollari con una valutazione superiore ai 50 miliardi .

La tecnologia

Il prodotto di punta è il Wafer Scale Engine 3 (WSE-3): un singolo processore che occupa un’intera fetta di silicio, invece di distribuire il calcolo su numerosi chip più piccoli. Integra centinaia di migliaia di core ed è progettato per carichi di lavoro di addestramento e inferenza.

Cerebras sostiene che il WSE-3 utilizzi una frazione dell’energia per unità di calcolo e possa offrire prestazioni oltre 20 volte superiori rispetto alle soluzioni concorrenti in determinati scenari . Si tratta di una promessa ambiziosa, ma il principio è chiaro: aumentare la densità di calcolo direttamente sul chip per ridurre gli scambi di dati tra processori e memoria.

SambaNova: la battaglia si sposta sull’inferenza

Raccolta e valutazione

A luglio SambaNova ha chiuso la prima tranche di un round Series F da 1 miliardo di dollari, a una valutazione post-money di 11 miliardi di dollari. L’operazione è stata guidata da General Atlantic, con investimenti, tra gli altri, di Intel Capital, BlackRock, T. Rowe Price, Capital Group e Qatar Investment Authority .

Il CEO Rodrigo Liang ha spiegato a TechCrunch che altri investitori avrebbero dovuto partecipare a una seconda chiusura nel giro di poche settimane .

La tecnologia

SambaNova sviluppa chip personalizzati, sistemi hardware e servizi cloud costruiti appositamente per l’inferenza . In pratica, non si concentra soltanto sull’addestramento dei modelli, ma sull’esecuzione quotidiana delle richieste degli utenti: il momento in cui un chatbot risponde, un modello analizza un documento o un sistema genera un contenuto.

Il chip di punta SN50, presentato a febbraio 2026, è stato progettato per l’inferenza dei grandi modelli linguistici. L’azienda afferma che possa offrire un throughput oltre tre volte superiore a quello della GPU Nvidia B200 . JPMorgan Chase ha inoltre scelto i sistemi SambaNova per l’inferenza AI sicura direttamente nei propri data center, senza affidarsi necessariamente a un’infrastruttura cloud esterna .

Positron: meno energia per eseguire i modelli

Raccolta e valutazione

A febbraio 2026 Positron ha raccolto 230 milioni di dollari in un round Series B, raggiungendo una valutazione superiore a 1 miliardo di dollari. L’operazione è stata guidata da Arena Private Wealth, Jump Trading e Unless, con investimenti strategici di Arm e Qatar Investment Authority .

A luglio la startup è entrata in trattative per un ulteriore finanziamento di circa 750 milioni di dollari, strutturato in due fasi. L’operazione potrebbe portare la valutazione a un massimo di 5 miliardi di dollari . Si tratta però di una trattativa, non di un round già concluso.

La tecnologia

Positron si concentra su chip per l’inferenza ad alta efficienza energetica. L’obiettivo è eseguire i modelli AI consumando molto meno rispetto alle GPU Nvidia, un aspetto sempre più importante per i data center che devono gestire un numero crescente di richieste.

Secondo le stime dell’azienda, i sistemi Atlas offrono 3,5 volte più prestazioni per dollaro e 3,5 volte più efficienza energetica rispetto a hardware Nvidia comparabile . Il prossimo chip, chiamato Asimov, dovrebbe arrivare al tape-out — la fase in cui il progetto viene inviato alla produzione — verso la fine del 2026, con i primi campioni attesi all’inizio del 2027 .

Perché gli investitori stanno puntando sui rivali di Nvidia

Le tre startup fanno parte di una corsa molto più ampia. Nel 2026 le aziende emergenti del settore dei chip AI hanno raccolto oltre 8,3 miliardi di dollari a livello globale: 4,7 miliardi negli Stati Uniti e circa 800 milioni in Europa . La raccolta mediana per un round nel comparto è di 250 milioni di dollari, una cifra eccezionalmente elevata per gli standard del venture capital .

1. La specializzazione prende il posto dell’approccio generalista

Anziché costruire GPU general-purpose per affrontare Nvidia sul suo stesso terreno, molte startup cercano un vantaggio in una parte specifica della catena di calcolo.

Cerebras punta sul calcolo su scala wafer. SambaNova e Positron si concentrano sull’inferenza, un segmento destinato a crescere con la diffusione dei modelli AI nei prodotti e nei servizi . Un chip specializzato può risultare più conveniente di una GPU generalista quando il carico di lavoro è prevedibile e viene eseguito su larga scala.

2. L’inferenza è il nuovo fronte competitivo

Nvidia mantiene una posizione dominante nell’addestramento dei modelli, ma la competizione si sta intensificando nell’inferenza. È qui che gli ASIC, cioè circuiti integrati progettati per compiti specifici, possono promettere un rapporto migliore tra prestazioni, consumi e costo operativo .

Per i gestori di grandi infrastrutture, anche piccoli miglioramenti per singola richiesta possono trasformarsi in risparmi considerevoli quando vengono moltiplicati per milioni o miliardi di interrogazioni.

3. La scommessa è mettere sotto pressione i margini

La tesi degli investitori è che il dominio di Nvidia e i suoi margini elevati non siano inattaccabili. Con l’aumento dei carichi AI, i grandi acquirenti cercano alternative meno costose e più efficienti dal punto di vista energetico .

I 2,55 miliardi raccolti dalle tre aziende in una sola settimana di luglio 2026 non significano che il monopolio di fatto delle GPU sia già finito. Segnalano però che il mercato è disposto a finanziare seriamente un modello diverso: chip progettati non per fare tutto, ma per fare molto bene una cosa precisa.