Cerebras hentet 1 milliard dollar i en Series H-runde i februar 2026. Finansieringen verdsatte selskapet til rundt 23 milliarder dollar etter kapitalinnhentingen – nesten tre ganger så mye som verdsettelsen på 8,1 milliarder dollar seks måneder tidligere . Tiger Global ledet runden, med deltakelse fra blant andre AMD, Fidelity, Benchmark og Coatue .
I april 2026 startet Cerebras IPO-prosessen på nytt. Per mai samme år hadde selskapet økt målet for emisjonen til omtrent 4,8–5 milliarder dollar, med en mulig verdsettelse på over 50 milliarder dollar . Dette var et finansieringsmål, ikke en gjennomført kapitalinnhenting.
Cerebras utvikler Wafer Scale Engine 3, eller WSE-3. Det er én enorm prosessor på størrelse med en hel silisiumskive, integrert med hundretusenvis av kjerner.
Selskapet hevder at WSE-3 bruker en brøkdel av strømmen per beregning, samtidig som den kan levere mer enn 20 ganger høyere hastighet enn konkurrerende løsninger i enkelte trenings- og inferensoppgaver .
Poenget med arkitekturen er å samle svært mye beregningskraft på én brikke. Det kan redusere behovet for å flytte data mellom mange separate prosessorer – en flaskehals i store AI-systemer.
SambaNova fullførte den første delen av en Series F-runde på 1 milliard dollar i juli 2026. Runden verdsatte selskapet til 11 milliarder dollar etter kapitalinnhentingen, rundt 2,3 ganger verdsettelsen fra fem måneder tidligere .
General Atlantic ledet investeringen. Blant deltakerne var Intel Capital, BlackRock, T. Rowe Price, Capital Group og Qatar Investment Authority . SambaNovas toppsjef Rodrigo Liang sa til TechCrunch at flere investorer etter planen skulle komme inn i en ny avslutning av runden i løpet av noen uker .
SambaNova utvikler spesialtilpassede brikker, komplette maskinvaresystemer og skytjenester for inferens. Inferens er fasen der en ferdigtrent AI-modell brukes til å svare på spørsmål og utføre oppgaver.
Selskapets SN50-brikke, som ble presentert i februar 2026, er utviklet spesielt for inferens i store språkmodeller. SambaNova hevder at SN50 kan levere mer enn tre ganger så høy gjennomstrømning som Nvidias B200-GPU .
Strategien er å selge en samlet maskin- og programvareplattform, i stedet for bare en generell brikke. JPMorgan Chase har valgt SambaNovas systemer til sikker AI-inferens lokalt i egne datasentre .
Positron hentet 230 millioner dollar i en Series B-runde i februar 2026. Runden verdsatte selskapet til over 1 milliard dollar og ble ledet av Arena Private Wealth, Jump Trading og Unless, med strategiske investeringer fra Arm og Qatar Investment Authority .
I juli 2026 gikk Positron inn i forhandlinger om ytterligere rundt 750 millioner dollar i finansiering. Kapitalinnhentingen skulle etter planen skje i to faser, med en mulig verdsettelse på opptil 5 milliarder dollar . Det dreier seg dermed om et mulig fremtidig finansieringsmål, ikke en ferdig gjennomført runde.
Positron konsentrerer seg om energieffektive brikker for AI-inferens. Målet er å redusere strømforbruket ved å kjøre AI-modeller sammenlignet med løsninger basert på Nvidia-GPU-er .
Selskapet hevder at Atlas-systemene leverer 3,5 ganger bedre ytelse per dollar og 3,5 ganger høyere energieffektivitet enn sammenlignbar Nvidia-maskinvare .
Neste generasjon, Asimov-brikken, er planlagt sendt til produksjonsklargjøring mot slutten av 2026. De første prøveenhetene er ventet tidlig i 2027 .
De tre selskapene inngår i en langt større investeringsbølge. AI-brikkestartups hentet over 8,3 milliarder dollar globalt i 2026. Amerikanske selskaper sto for 4,7 milliarder dollar, mens europeiske aktører bidro med rundt 800 millioner dollar . Medianstørrelsen på en AI-brikkerunde er 250 millioner dollar – svært høyt sammenlignet med vanlig venturekapital .
Tre utviklingstrekk er særlig viktige:
De 2,55 milliardene dollarene som de tre selskapene hentet eller forsøkte å hente i løpet av én uke i juli 2026, viser hvor sterk tro investorer har på at AI-markedet kan få flere typer maskinvare .
Det betyr ikke nødvendigvis at Nvidia mister lederrollen med det første. Men kapitalstrømmen viser at stadig flere selskaper prøver å bryte opp det som lenge har vært en nærmest enerådende GPU-modell – særlig i den delen av AI-markedet som handler om å kjøre ferdigtrente modeller raskt, billig og med lavere strømforbruk.