Cerebras Systems 知財・事業戦略分析

IP & BUSINESS STRATEGY ANALYSIS Cerebras Systems 知財・事業戦略分析 ウエハスケールAIプロセッサの競争優位性と特許ポートフォリオ ― 経営者・投資家・技術責任者向け意思決定資料 対象企業URL：https://www.cerebras.ai/ ｜ 正式社名：Cerebras Systems Inc.（デラウェア州法人、Nasdaq: CBRS） 調査基準日：2026-09-07 ｜ 調査対象国・地域：Global ｜ 分析の深さ：超詳細 ｜ 想定読者：経営者、投資家、技術責任者 データソース：企業公式・SEC提出書類・IR、Summaria-MCP（特許検索）、Google Patents、報道・アナリスト資料 ｜ 公開情報に基づく分析であり法的意見ではありません

• https://www.cerebras.ai/

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 Executive Takeaways 「速度」で勝つ推論企業に転換しつつ、特許はハード実装と実行モデルに厚く、サービス層は非特許資産で守っている。 1. 事業：推論クラウドが主軸へ 2025年売上$510.0M（ハード約70%）→2026年Q2はクラウドGAAP売上$126.0M （+281%）がハード$54.1Mを逆転。OpenAI 750MW契約でRPO $25.4B。Nasdaq上場 （CBRS、2026-05-14）。 2. 優位性：1ユーザーあたりの速度と帯域 第三者計測でgpt-oss-120B 1,849 t/s（SambaNova 709、Groq 476）。44GB SRAM・ 21〜43PB/sの単一デバイスは他にない。◎7件／×2件（トークン単価、長文経済性）。 3. 特許：34ファミリー・122文献・登録71 2017年優先のデータフロー実行＋ウエハ実装（クロスレチクル配線・CTE吸収・給電・ 冗長化）が中核。推論サービス層の公開特許は1件（2025年出願・係属）。 4. 地理：米国偏在 US全件、EP/JP/CAはコア群のみ、CN/KRは旗艦のみ。2019年以降は米国のみ。欧州 200MW・台湾製造・UAE顧客と知財カバレッジにギャップ。 5. リスク：Groq 3 LPX・顧客集中・FTO NVIDIAがSRAMデコード専用ラックで速度軸に参入。UAE系86%・OpenAI依存。Tesla （垂直電力）、Micron/IBM（ウエハ上メモリ）、KV/投機的デコード特許群が注意領域。 6. 打ち手：多層防御と出願地の同期 推論サービス層（KV階層化・分離推論・パイプライン再構成・投機的デコード実装）の 集中出願、CS-4/CS-6実装の権利化、EP/JP/TWでの補完、クリアランス実施。 出典：S07, S10, S78, S06, P01 ｜ 公開情報に基づく分析であり法的意見ではありません 2

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 投資・経営判断上の結論 速度優位は本物だが「守り方」が非対称。契約・容量で守られる短期と、特許で守るべき中期を分けて評価する。 論点 差別化 の源泉 収益の 質 競争の 変化 知財の 評価 供給リ スク 結論 ウエハスケールSRAM帯域による低レイテンシ推論とHPC性能。GPUの容量・バッチ 経済性とは鏡像関係 RPO $25.4Bは複数年契約だがOpenAI（貸手・ワラント保有者）とUAE系に集中。 GAAP売上はワラント償却で減額（コア売上$209.9M vs GAAP $180.1M、Q2 2026） NVIDIA Groq 3 LPX（AA検証3,431 t/s）で速度市場が主流プレーヤーの戦場に。速度 単独では守れない ハード基本特許は模倣障壁として有効。推論サービス層・海外は薄く、競合の推論 特許が2024〜26年に急増 TSMC 5nm単一依存・長期契約なし・工程非移植。3nm移行時の容量確保が論点 出典：S07, S67, S81, S09, S60, P01 ｜ 公開情報に基づく分析であり法的意見ではありません 経営アクション（優先） 推論サービス層の集中出願（KV階層化・分離推論プロトコル・パイプライン再 構成） CS-4垂直電源・CS-6積層DRAMの設計確定前クリアランス（Tesla／Micron／ IBM／TSMC） EP/JP/CA/TWでの実装・冗長化・推論の補完出願と、DC展開地との同期 OpenAI/AWS/AMD/TSMC/Ranovus契約の知財条項（帰属・実施権）見直し Rex Computing訴訟の状況把握と開示整合 期限感 2026〜27年 設計確定前 2026年下 期〜 即時 即時 モニタリング指標：Artificial Analysisでの相対速度、推論特許の公開件数、CS-6実現時期、顧客集中比率、コア売 上とGAAPの乖離。 3

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 技術責任者向け結論 44GB/ウエハの制約を前提に構成を設計し、自社スタックが密集する推論特許群に接触しないかを請求項単位で確認する。 アーキテクチャ上の前提 対象モデルのウエハ分割数、KV配置、TTFT（オフウエハI/O 1.2〜2.4Tb/s）を評価 1T級・1Mコンテキストは数十システム規模（アナリスト推定）。分離推論（プリフィ ル外部）で補完 WSE-3 Turboは同一ダイ高クロック。新シリコンはCS-5（2027）、積層DRAMはCS-6 MLPerf非提出。第三者ベンチは入力長・バッチ条件を確認 施設・運用 CS-3 23kW、CS-4ラック125〜135kW級、低温冷水要件（分析） PyTorch/CSL/Model Zoo中心。CUDA資産の移行コスト 出典：S60, S61, S06, S47, P01, P24 ｜ 公開情報に基づく分析であり法的意見ではありません 知財上の確認事項 高：垂直電源（Tesla US12554302等）、積層DRAM（Micron US11621257、IBM US10304802）、KVキャッシュ管理（NVIDIA/d-Matrix/Groq/AMD）、投機的デコード （Groq/SambaNova/AMD） 中：疎性（Google/NVIDIA/Amazon/Intel）、数値表現（Microsoft）、再構成データフ ロー（SambaNova）、冗長化（Graphcore/SambaNova/IBM）、光I/O （Lightmatter/Ayar/Celestial） 自社優位の設計差分（0.5mm近接電源、ウエハ間2µs、KV階層化）を新規出願に落 とす F20（冗長化）、実装群（F06/F17/F29/F30/F32）の海外未展開を製造・据付地に応 じ補完 4

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 会社・事業概要 2015年創業のウエハスケールAI企業。2026年5月にNasdaq上場、推論クラウドとOpenAI契約で急成長。 項目 内容 正式社名 Cerebras Systems Inc.（米国デラウェア州法人、SEC CIK 0002021728）。日本法人：Cerebras Systems G.K.（2020年設 立）。日本公報上の出願人名「セレブラスシステムズインク」。 設立年 2015年創業（会社表記）／2016年4月デラウェア州法人設立（S-1） 本社所在 1237 E. Arques Avenue, Sunnyvale, CA 94085, USA。拠点：トロント、東京、バンガロール、サンディエゴ他（UAE拠 地 点はS-1要約に記載） 創業者 Andrew Feldman、Gary Lauterbach、Michael James、Sean Lie、Jean-Philippe Fricker（いずれも元SeaMicro） CEO・主 Andrew Feldman（CEO兼President）、Sean Lie（CTO、共同創業者）、Bob Komin（CFO）、Dhiraj Mallick（COO）、 要経営陣 Jean-Philippe Fricker（Chief System Architect）、Michael James（Chief Architect, Advanced Technologies）、Andy Hock（Chief Strategy Officer）、Qi Jin（EVP … 事業概要 ウエハスケールAIプロセッサ（WSE）と搭載システム（CS-3／CS-4）、クラスタ（MemoryX／SwarmX）を開発・販売 するハードウェア事業と、自社データセンターで運用するAI推論・学習クラウド（Cerebras Inference／Cerebras Cloud）を提供するサービス事業。2025年売上$510.0M（ハード約70%・クラウド約30%）、2026年Q2はクラウドが GAAP売上$126.0M（前年比+281%）と主軸が推論サービスへ移行… 主要市場 （1）LLM推論（低レイテンシ・高速トークン生成のAPI／専用容量）、（2）大規模モデル学習（国家系・研究機関・企 業）、（3）HPC／科学計算（分子動力学・CFD・地震探査）。S-1引用のTAM：AI学習＋推論 $251B（2025）→$672B （2029）。 出典：S02, S09, S10, S07, S66, S67, S68, S69 ｜ 公開情報に基づく分析であり法的意見ではありません $510.0M 2025年売上（+76%） $180.1M 2026年Q2 GAAP売上 $25.4B RPO（2026年6月末） $185 IPO公開価格（2026-05-14） 86% 2025年売上のUAE系比率 600MW 2027年末の稼働/契約目標 2024年 $290.3M（424B4） OpenAI契約が大半（要確認） MBZUAI 62%＋G42 24% コア売上$209.9M、クラウド$126.0M 30M株＋OA、調達約$6.38B 北米・欧州・UAE 確度：SEC提出書類・IRは確認済み、RPO内訳・株主比率は二次情報（要追加確認）。 5

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 主要製品・サービス WSE→CS-3/CS-4→クラスタ→推論クラウドまで垂直統合。成長の中心はCerebras InferenceとOpenAI向け専用容量。 製品・サービス Wafer Scale Engine 3（WSE-3） 顧客セグメント 主要機能 価格・提供形態 位置づけ／成長性 全セグメント（システム部材） 4兆トランジスタ・90万コア・44GB SRAM・21PB/s、TSMC 5nm、 単体販売なし（システム組込み） 中核部材・コア技術の実体 / 高（世代 FP16/BF16/CB16、125 PFLOPS（疎） 更新 WSE-3 Turbo 推論クラウド／CS-4 WSE-3同一ダイの高クロック版（約2.8GHz報道）、250 PFLOPS（疎）、 公開情報なし CS-4の構成部材（2026年8月発表） / 43.2PB/sメモリ帯域、2.4Tb/s I/O 高 CS-3システム 研究機関・国家系・企業（オン WSE-3搭載15Uシステム、23kW、12×100GbE、水冷。学習・推論兼用 未公開（アナリスト推定$2〜3M超/ 主力ハードウェア（2024年3月〜） / プレ）／自社クラウド 台） 中（ハード売 CS-4 Nexus（ラック型） 推論クラウド／ハイパースケー 3×WSE-3 Turbo、750 PFLOPS、132GB SRAM、129.6PB/s、7.2Tb/s I/O、ウ 未公開 次期主力（推論容量拡大の中核） / 高 ラ／国家系 エハ間2µs、gpt-oss-120Bで4,400 t/s超（ベンダー値… CS-2システム（前世代） 研究機関・企業（既設） WSE-2（7nm、85万コア、40GB SRAM）搭載。Condor Galaxy 1/2、 未公開（推定約$1.6M） 既設基盤・保守 / 低（世代交代 Andromeda等 MemoryX 学習クラスタ利用者 重みを保持する外部メモリ（DRAM＋フラッシュ、1.5TB〜1.2PB）。最大24兆 未公開 Weight Streaming学習の構成要素 / パラメータ 中 SwarmX 学習クラスタ利用者 複数CS間の重みブロードキャスト／勾配リデュース用ファブリック（最大 未公開 クラスタスケールアウトの構成要素 / 2,048 CS-3） 中 Cerebras Wafer-Scale Cluster 国家系・大企業 CS-3＋MemoryX＋SwarmXの統合クラスタ。データ並列のみ、PyTorch対応、 要問い合わせ 学習向けシステム販売の単位 / 中 「GPU比97%少ないコード」 Condor Galaxy（CG-1/2/3） G42／MBZUAI（UAE） 64台規模のCS-2/CS-3スーパーコンピュータ（CG-3は8 exaFLOPs、ダラス）。 契約ベース（G42は$1.43B購入コミ アンカー顧客向け大型案件 / 中（顧客 米国内設置 ット等） 集中 Cerebras Inference（推論API） AI開発者・AIアプリ企業・フロ OpenAI互換API。gpt-oss-120B 3,000 t/s（ベンダー）／1,849 t/s（第三者・ Free（$5クレジット）／Developer 成長エンジン（2026年Q2クラウド売 ンティアAI企業 10K入力）、Qwen3-235B、Llama 4、GPT-5.6 Sol Ul… （$10〜）／Enterprise 上$126.0M、+281%） / 高 Cerebras Cloud（学習・専用容量） 企業・研究機関 CS-3/CS-4クラスタの時間貸し・専用容量（学習・ファインチューニング・推 要問い合わせ クラウド事業のもう一つの柱 / 中〜高 論） Cerebras Code 開発者（コーディング） Qwen3-Coder 480B等を約2,000 t/sで提供するサブスクリプション Pro $50/月（24Mトークン/日）、 開発者獲得・エージェント用途の入口 Max $200/月（120M/日） /中 OpenAI向け専用推論容量（GPT-5.3-Codex- OpenAI 750MW（2028年まで段階導入）の低レイテンシ推論容量提供。Codex-Spark 契約（$10B超〜$20B超と報道） RPO $25.4Bの大半を占める最重要契 Spark、GPT-5.6 Sol Ultrafast） 1,000 t/s超、Sol 750 t/s（14倍高速モード） 約 / 高（依存度も 全25件はHTML/Markdown版を参照（CS-5/CS-6等の計画を含む） 。 出典：S03, S05, S06, S20, S21, S22, S04 ｜ 公開情報に基づく分析であり法的意見ではありません 6

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 顧客セグメント フロンティアAI・国家系・ハイパースケーラの3大口に加え、AIアプリ・研究所・製薬・エネルギー・政府へ広がる19セグメント。 フロンティアAI企業（OpenAI等） フロンティアAI企業 国家系AI（G42／MBZUAI、主権AI） ハイパースケーラ（AWS、Azure、GCP） AIアプリ企業（検索・対話：Perplexity、Mistral、Notion） コーディングエージェント企業（Cognition、Cline、Lovable 等） 専用推論容量（CS-3/CS-4、750MW） ニーズ：エージェント・コーディング用途で1ユーザーあたりの応答を10 倍以上速くしたい CS-3（Bedrock分離推論） ニーズ：自社ASIC（Trainium等）の弱いデコード速度を外部デバイスで補 完したい CS-4 Nexus ニーズ：電力（MW）あたりのトークン供給量を最大化したい Cerebras Inference API ニーズ：ユーザーの体感待ち時間を300ms以下にして離脱を減らしたい Condor Galaxy、Wafer-Scale Cluster、Cerebras for Nations ニーズ：数千GPU分の学習・推論基盤を少数システムで短期に立ち上げた い Cerebras Code／Inference API ニーズ：長い生成を数千t/sで回し、エージェントの反復回数を増やしたい AIプラットフォーム（Hugging Face、IBM watsonx、 OpenRouter） 企業（金融・SaaS：AlphaSense、CrowdStrike、Figma、 Block） 国立研究所（Sandia、LLNL、LANL、Argonne、NETL） 大学・HPCセンター（EPCC、PSC、LRZ、KAUST） 製薬・ヘルスケア（GSK、Mayo Clinic、AbbVie） エネルギー（TotalEnergies） 防衛・政府（DARPA、DOE、独連邦軍〔Aleph Alpha経由〕） ソブリンクラウド事業者（Core42、Compute Nordic、Bell） 半導体・システムベンダー（AMD、Qualcomm、Dell） Inference Provider統合 ニーズ：オープンモデルを最速で提供し開発者を惹きつけたい CS-2/CS-3、SDK ニーズ：新アーキテクチャで研究成果（論文・Gordon Bell）を出したい CS-3、光インターコネクト研究 ニーズ：国内製造・セキュアな高速計算基盤を確保したい Inference API／専用容量 ニーズ：リアルタイム分析・セキュリティ検知にLLMを組み込みたい CS-2/CS-3、Cerebras Cloud ニーズ：ゲノム・エピゲノム基盤モデルを短期間で学習したい CS-3/CS-4容量、DCリース ニーズ：自国内で高速推論容量を提供しMWを埋めたい 出典：S15, S18, S19, S23, S33〜S39, S42 ｜ 公開情報に基づく分析であり法的意見ではありません CS-3、SDK/CSL ニーズ：分子動力学・CFDのタイムステップを桁違いに速くしたい CS-2/CS-3、WFA ニーズ：地震探査・貯留層シミュレーションを高速化したい 分離推論協業、メモリサーバ ニーズ：自社製品の推論性能を補完し、顧客価値を上げたい 7

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 顧客ニーズとビジネスモデル 「応答を10倍速く」「MWあたりトークンを最大化」がニーズの核。収益はハード販売から複数年の容量契約＋従量APIへ。 顧客セグメント フロンティアAI企業（OpenAI 等） フロンティアAI企業 顧客ニーズ エージェント・コーディング用途で1ユーザーあたりの 応答を10倍以上速くしたい 電力（MW）あたりのトークン供給量を最大化したい 直接競合 NVIDIA（Rubin＋Groq 3 LPX）、 Groq（Groq NVIDIA GB300/Rubin NVL72、 Groq 3 LP 国家系AI（G42／MBZUAI、主 数千GPU分の学習・推論基盤を少数システムで短期に立 NVIDIA DGX/SuperPOD、AMD 権AI） ち上げたい Instinct ハイパースケーラ（AWS、 自社ASIC（Trainium等）の弱いデコード速度を外部デ NVIDIA Groq 3 LPX（デコード専 Azure、GCP バイスで補完したい 用） AIアプリ企業（検索・対話： ユーザーの体感待ち時間を300ms以下にして離脱を減ら Groq、SambaNova Cloud Perplexi したい コーディングエージェント企業 長い生成を数千t/sで回し、エージェントの反復回数を Groq、Nvidia Groq 3 LPX経由クラ （Cogniti 増やしたい ウド AIプラットフォーム（Hugging オープンモデルを最速で提供し開発者を惹きつけたい Groq、SambaNova、Together AI Fac 企業（金融・SaaS： リアルタイム分析・セキュリティ検知にLLMを組み込み OpenAI/Anthropic API、Azure AlphaSense、 たい OpenAI 出典：S07, S10, S67, S60 ｜ 公開情報に基づく分析であり法的意見ではありません 観点 分析（要約） 収益モ （1）ハードウェア販売（CS-3/CS-4、クラスタ、Condor Galaxy）と（2）クラウド／サービス デル （推論API従量課金、専用容量の複数年契約、Cerebras Code定額）。2025年はハード約70%／ クラウド約30%だが、2026年Q2はクラウドGAAP売上$126.0Mがハード$54… 顧客獲 フロンティアAI・国家系との大型直販、AWS Bedrock／AWS Marketplace／Hugging Face／ 得経路 OpenRouter／Vercel等のチャネル、開発者向けFreeティアとCerebras Code、DOE・DARPA等 の公的研究予算、日本は東京エレクトロンデバイス経由。… 導入障 高額システム（推定$2〜3M超/台）、水冷・高密度電力（CS-3 23kW、CS-4ラック125kW級）と 壁 低温冷水の施設要件、CUDA資産の移行、対応モデルの制限（最大級モデルは非提供期間あ り）。推論APIはOpenAI互換のため障壁が低い。… スイッ API利用者のスイッチングコストは低い（互換API・複数プロバイダ併用が一般的）。専用容量・ チング オンプレ顧客はCSL/Model Zooへの投資と施設整備によりロックインが強い。OpenAI契約は複 コスト 数年・段階導入で中期的に固定。… スケー 推論容量はMW単位でDCリースを積み上げるモデル（2027年末600MW目標）。供給側はTSMC ラビリ 5nm単一依存、社内組立、Flex/Sanmina製造で「2026年に10倍以上」を計画。資本集約度が ティ 高く、リース債務（S-1で$2.3B＋約$1.6Bの非解約リース）を伴う。… 8

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 コア技術と用途 300mmウエハ1枚を1チップ化し、44GB SRAMを21〜43PB/sで読む。LLMデコードとメモリ帯域律速HPCの両方で効く。 項目 WSE-1（2019） WSE-2（2021） WSE-3（2024） WSE-3 Turbo（2026） プロセス TSMC 16nm 7nm 5nm 5nm（同一ダイ高クロック） トランジスタ 1.2兆 2.6兆 4兆 4兆 コア数 40万 85万 90万（物理97万） 90万 SRAM 18GB 40GB 44GB 44GB メモリ帯域 9PB/s 20PB/s 21PB/s 43.2PB/s（報道値差あり） AI演算（疎） — 75 PF 125 PF 250 PF システム CS-1 CS-2 CS-3（23kW） CS-4 Nexus（3枚・750 PF・132GB） 通常の半導体は1枚のウエハから数百個のチップを切り出しますが、Cerebrasはウエハ全体（約46,000mm²）を切らずに1個の プロセッサとして使います。ウエハ上に90万個の小さな計算コアを2次元メッシュで並べ、各コアに48KBのSRAMを直付けする ことで、合計44GBのメモリに21PB/s（1秒あたり2.1京バイト）でアクセスできます。隣り合うダイの境界（スクライブライ ン）にも配線を通してウエハ全体を一つのファブリックにし、製造欠陥のあるコアは予備コアで置き換えて歩留まりを確保し ます。巨大なチップに電力を供給し熱を逃がすため、電源モジュールを垂直に配置し、水冷プレートと熱膨張差を吸収する専 用コネクタを備えた「エンジンブロック」構造を採用しています。… 出典：S03, S05, S06, S48, S49, S62 ｜ 公開情報に基づく分析であり法的意見ではありません 区分 コア技 術 主な用 途 一言説 明 事業上 の意味 技術責 任者向 け 投資家 向け 内容 ウエハスケールAIプロセッサ LLM推論・学習、科学計算 300mmウエハ1枚を1個のチップとして動かし、SRAMだけで超広帯域を得る GPUクラスタが不得手な「1ユーザーあたりの応答速度」と「メモリ帯域律速の科学計算」 で差別化し、推論APIと国家・研究機関向けシステムで収益化する。 44GB/ウエハのSRAM容量制約、レイヤーパイプラインによる多ウエハ分割、1.2〜2.4Tb/sの オフウエハI/O、5℃級冷水と125kW級ラック電力、CUDA非互換のソフトスタックを前提に 評価する。 速度優位はGroq 3 LPX（NVIDIA）と正面競合。売上・RPOはOpenAI/UAEに集中。TSMC 5nm単一依存。知財は米国ハード中心で、サービス層の特許は薄い。 9

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 技術的差別化要因 帯域・歩留まり・実装・実行モデルの4点が同時に成立していることが差別化の実体。 ① SRAM直結の帯域 90万コアに48KB SRAMを直付けし合計44GB・21PB/s。LLMデコード（1トークンごと の全重み読出し）とステンシル・MDの実効性能を桁で変える。 ② クロスレチクル配線と冗長化 スクライブラインを越える配線でウエハ全体を1ファブリック化。冗長コア（97万→90 万）で欠陥を吸収し、TSMC出力のほぼ全数を組立可能（アナリスト）。 ③ エンジンブロック実装 垂直給電、CTE吸収コネクタ、水冷コールドプレート、位置合わせ、圧縮固定。CS-4で は電源をウエハから0.5mmへ接近。 ④ データフロー実行モデル ウェーブレット到着でタスク起動、ゼロ値非送信で非構造化疎性を活用。DSD/ISA、動 的ルーティング、配置最適化コンパイラが支える。 技術責任者が確認すべき論点：SRAM 44GB/ウエハの制約下で、対象モデル（例：120B〜1T級）を何枚の／オフウエハI/O（CS-3 1.2Tb/s、WSE-3T 2.4Tb/s）とTT／プリフィル（GPU/Trainium）とデコード（WSE）を分離する運用 でのスケ／5nm据え置き（WSE-3 Turboは同一ダイ高クロック）とCS-5/CS-6／PyTorch／CSL／Model Zoo中心のソフトスタックとCUDA資産の移 出典：S49, S48, S51, S06, S50 ｜ 公開情報に基づく分析であり法的意見ではありません 10

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 従来技術・周辺技術との比較 「容量・汎用性重視（HBM GPU/ASIC）」と「速度重視（SRAM近接）」の間で、Cerebrasは唯一のモノリシック・ウエハ方式。 技術 内容 Cerebrasとの違い 競争上の意味 GPU＋HBM＋NVLinkクラスタ（NVIDIA Rubin HBM4を搭載したGPUを72台規模のスケールアップ網で Cerebrasは1ウエハに44GB SRAMを直結し帯域で3桁上回るが、容量は 学習・大バッチ推論の主流。速度軸ではRubin＋Groq 3 ／AMD Heli 束ねる主流方式。 HBM GPU（288GB/GPU級）に劣り、多ウエハ分割が LPXの組合せが直接競合。 SRAM系データフロー／ストリーミングプロセ 数百MB級SRAMを持つチップを多数結合し、コンパイラ 同じ「SRAMで帯域を稼ぐ」思想だが、チップ間リンク経由。 最も近い代替。NVIDIAによるGroq技術取得で競争が激 ッサ（Groq LPU、SambaN で静的スケジュールする方式。 Cerebrasはウエハ内配線で層間通信を完結できる。 化。 チップレット＋CoWoS／SoW-X（TSMC） 複数ダイをインターポーザ上で集積し、2027年には CerebrasはTSMC工程で1枚のモノリシック・ウエハを歩留まらせる方 競合がウエハ級密度に近づく手段。Cerebras自身の供給 SoW-Xでウエハ級のシステムを構成。 式。SoWは既知良品ダイをキャリア上に再構成する。 依存先でもある。 デジタル・インメモリ計算（d-Matrix、 SRAMセルの近傍で行列積を行い、データ移動を削減す チップレット規模のSRAM帯域思想。3D DRAM統合（d-Matrix Raptor） 低レイテンシ推論で直接競合し、容量問題の解法で先行 Fractile） る。 で容量面を補う動き。 しうる。 光インターコネクト／光I/O（Lightmatter、 チップ間・ラック間を光で結び、多数のHBMデバイスを Cerebrasはウエハ内の電気配線で帯域を稼ぐ。光I/OはDARPA案件 GPU側の弱点（スケールアップ帯域）を埋め、ウエハス Ayar Labs、Cel 一つのメモリプールのように扱う。 （Ranovus）で自社も採用検討。 ケール優位を相対的に縮める補完・代替技術。 3D積層SRAM／DRAM（Graphcore Bow ロジック上にメモリダイを積層して帯域・容量を追加す Cerebrasは2026年発表のCS-6でウエハ上に積層DRAMを載せる計画 SRAM容量制約を解く鍵。特許化余地が大きい。 WoW、TSMC SoI る。 （開発中）。 FPGA／LPDDR大容量推論（Positron、 帯域より容量（数百GB〜2TB）を優先し、長文・大モデ 設計思想が逆（容量優先）。速度ではWSEに劣るが長文・大モデルの経 長文コンテキスト市場での代替手段。 Qualcomm AI200） ルを1ノードで扱う。 済性で競う。 Transformer専用ASIC／モデル固定シリコン Transformerに特化、あるいは特定モデルを回路に焼き Cerebrasは汎用データフロー配列で任意モデルを配置。専用ASICはモ 特定モデルの推論単価で競合し得るが、モデル更新の速 （Etched Sohu、 込み、汎用性を捨てて速度と効率を得る。 デル変更に弱い。 い市場では制約。 出典：S83, S84, S101, S102, S86, S89 ｜ 公開情報に基づく分析であり法的意見ではありません 11

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 競争環境 25社・グループを直接競合／間接競合／代替技術／サプライヤー／顧客候補／パートナー候補／エコシステムに区分。 間接競合 直接競合 代替技術 サプライヤー エコシステム企業 パートナー候補 顧客候補 1 1 2 2 2 9 区分 8 間接競合 出願数（US公開・登録、Summaria）：NVIDIA約9,252／SambaNova 350／Graphcore 201／Rebellions 161／Lightmatter 140／Ayar Labs 130／Groq 112／Celestial AI 94／ Tenstorrent 78／d-Matrix 24／Etched 10〜12／MatX 6 出典：P01, S78〜S105 ｜ 公開情報に基づく分析であり法的意見ではありません 主な企業 Google（TPU）、Microsoft（Maia）、Graphcore（SoftBank）、Tenstorrent、Positron AI、Intel、Qualcomm、Huawei （Ascend）、Rebellions（韓国）／FuriosaAI（韓国） 直接競合 NVIDIA、AMD、Groq、SambaNova Systems、d-Matrix、Etched、MatX、Together AI／Fireworks AI／Baseten（GPU推論ク ラウド） 代替技術 Tesla（Dojo）、Lightmatter／Ayar Labs／Celestial AI（Marvell） サプライヤ TSMC、Samsung Electronics ー エコシステ IBM、研究機関（Zhejiang Lab、UC Regents、MIT Lincoln Lab） ム企業 パートナー Amazon（AWS Trainium） 候補 顧客候補 Meta（MTIA） 12

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 直接競合 NVIDIA（Groq 3 LPX）が速度軸に参入。SRAM/データフロー系スタートアップと推論APIクラウドが同一顧客を争う。 企業 NVIDIA AMD Groq SambaNova Systems d-Matrix Etched MatX Together AI／Fireworks AI／Baseten （GPU推論クラウド） 関連製品・技術 関係 特許概況 Blackwell/GB300、Vera Rubin NVL72（288GB HBM4/GPU）、Groq 3 LPX 推論・学習の最大競合。Groq技術ライセン US特許約9,250件（Summaria、全分野）。疎性・KVキャッシュ・投 （SRAMデコード専用ラック、2026年） スで速度軸に直接参入 機的デコード・コンパイラで厚い。 Instinct MI350/MI400、Heliosラック、ROCm。Cerebrasとの分離推論協業・ 直接競合かつパートナー LLM推論高速化（投機的デコード）・KV再計算の出願あり。 Series H投資家 LPU、GroqCloud。2025年12月にNVIDIAへ非独占ライセンス・幹部移籍、ネ 最も近いSRAM系推論競合（技術はNVIDIA US 112件。TSPアーキテクチャ、コンパイラ、投機的デコード、KVキ オクラウドへ転換 へ） ャッシュ。 SN40L/SN50 RDU（3層メモリ）、SambaNova Cloud、Intel提携 データフロー系の直接競合 US 350件。再構成データフロー、コンパイラ、欠陥修復、バッチ投 機的デコード。 Corsair（デジタル・インメモリ計算）、Raptor（3D DRAM） 低レイテンシ推論の直接競合 US 24件。インメモリ計算チップレット、低精度KVキャッシュ。 Sohu（Transformer専用ASIC、HBM3E）、評価額$21B 推論専用ASICの直接競合 US 10〜12件。マルチチップシストリック、テンソル並列群。 MatX One（2027年出荷予定、大型シストリックアレイ） 将来の直接競合（学習＋推論） US 6件。非循環アーキテクチャ、量子化。 GPUベースのオープンモデル推論API 推論API市場の直接競合（速度では劣後、 ハード特許は少ない（ソフト・運用中心）。 価格・モデル数で競合） 出典：S82, S81, S84, S79, S85, S89, S90, S91, P01 ｜ 公開情報に基づく分析であり法的意見ではありません 13

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 間接競合・代替技術 ハイパースケーラASICは顧客候補でもあり、Tesla Dojo／TSMC SoWは事業より特許で影響する。 企業 Google（TPU） Amazon（AWS Trainium） Microsoft（Maia） Meta（MTIA） Graphcore（SoftBank） Tenstorrent Positron AI Intel Qualcomm Huawei（Ascend） Tesla（Dojo） TSMC IBM Samsung Electronics 関連製品・技術 TPU v7 Ironwood、TPU v8（学習8t/推論8i）、外販（Anthropic、Meta） Trainium3/4、Bedrock。CS-3をBedrockで採用（プリフィルTrainium＋デコードCS-3） Maia 200（3nm、216GB HBM3e、272MB SRAM） MTIA 300/400/450/500、Broadcom協業。Llama APIでCerebras採用 Bow IPU（WoW 3D積層SRAM）、SoftBank傘下で再投資 Wormhole/Blackhole、Galaxy（RISC-V、GDDR） Atlas（FPGA）、Asimov（LPDDR 2TB） Gaudi 3、Jaguar Shores（2027〜）、Crescent Island、SambaNova/Positron提携 AI200/AI250（LPDDR大容量推論ラック）、Cerebrasと2024年提携 Ascend 910C/950、CloudMatrix 384、Atlas 950 SuperPoD Dojo（TSMC InFO-SoWタイル）。2025年8月にチーム解散、Dojo3再開報道 5nm/3nm、CoWoS、SoW-P/SoW-X（2027年量産） ウエハレベル処理系の研究特許、AIU HBM、ファウンドリ、Mach推論チップ 出典：S93〜S105, S100〜S102 ｜ 公開情報に基づく分析であり法的意見ではありません 区分 間接競合 パートナー候補 間接競合 顧客候補 間接競合 間接競合 間接競合 間接競合 間接競合 間接競合 代替技術 サプライヤー エコシステム企業 サプライヤー 対象企業との関係 HBM ASICの代替技術。推論容量の競合 チャネルパートナー兼間接競合 自社推論ASIC（間接競合）、推論クラウド顧客候補 自社ASIC（間接競合）かつ顧客 SRAM系の間接競合（商用勢い低下） 低コスト志向の間接競合 容量優先推論の間接競合 間接競合・エコシステム 間接競合・パートナー 中国市場の間接競合（輸出規制で分断） ウエハ級システムの代替技術（事業は縮小）だが特許は残存 唯一のファウンドリ（サプライヤー）かつウエハ級パッケージの技術提供者 先行特許保有者（エコシステム） サプライヤー候補・間接競合 14

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 競争優位性評価（1/2：A01〜A10） ◎7／○8／△3／×2。速度・帯域・歩留まり・実装・HPC・契約・エージェント用途が強く、単価・長文経済性が弱い。 ID 評価 ニーズ（優位性） 製品 主な理由 主なリスク A01 ◎ 1ユーザーあたりのトークン生 Cerebras Inference／CS-4 第三者計測（Artificial Analysis、10K入力）でgpt-oss-120B 1,849 t/s、SambaNova NVIDIA Groq 3 LPXがAA検証で3,431 t/s（Gemma 4 31B、私設エンドポ 成を最速にしたい 709、… イ… A02 ◎ メモリ帯域律速の処理を高速化 WSE-3／WSE-3 Turbo 44GB SRAMを21〜43PB/sで読める単一デバイスは他に存在しない（HBM GPUは 容量44GB/ウエハの天井。HBM4・3D積層・光I/OでGPU側の実効帯域 したい 22TB/s級/GPU）。… が上がる。… A03 ◎ 巨大ダイを歩留まり良く量産し WSE製造・組立 冗長コア（97万物理→90万有効）とクロスレチクル配線で「TSMC出力のほぼ全数が組 TSMC SoW-Xや既知良品ダイ再構成（Tesla/Zhejiang Lab方式）が別解 たい 立可能」（アナリスト）。10年の実装ノウハウ。… を提供。… A04 ○ モデル並列を書かずに大規模学 Wafer-Scale Cluster データ並列のみで2,048台までスケール、GPT-3を565行で記述（97%コード削減）と主 学習市場はNVIDIA/AMD/TPUが支配。ハード売上は減速。特許は 習したい （Weig 張。… Weight Streaming自… A05 ◎ MD・CFD・ステンシルを桁違 CS-3＋SDK/CSL MD 110万ステップ/秒（Frontier比748倍、ベンダー・共同発表）、ステンシル228倍 FP64非対応、対象カーネルが限定。国立研市場は規模が小さい。… いに速くしたい （TotalEnergies論文）、Gord… A06 ○ MWあたりトークン供給量を上 CS-4 CS-4は「最大10倍tokens/W」（ベンダー）、SRAM読み出しはHBMより低エネルギー アナリストは性能/WはCS-3比で小幅改善、ラック125〜135kWと低温冷 げたい （0.05pJ/bit級のオンウエハ配線）。… 水要件を指摘。第三者検証なし… A07 △ 120B〜1T級モデルを高速に提 多ウエハ・レイヤーパイ 層をウエハ領域に割り付け活性化のみを渡す方式で405B・671B級を提供可能。… 1T級・長文（1Mコンテキスト）では数十システム（>$20M、約1MW） 供したい プライン推論 が必要との分析。DeepSeek… A08 ○ 既存コードを変えずに乗り換え OpenAI互換API・エコシ OpenAI互換、Hugging Face・OpenRouter・LangChain・Vercel等30以上の統合、 互換性は乗換障壁を下げる両刃。Groq/SambaNovaも同等の互換 たい ステム AWS Marketpl… 性。… A09 ◎ 信頼できる供給者を選びたい OpenAI・AWS・AMD・ OpenAI 750MW（$10B超〜$20B超）、AWS Bedrock、AMD協業、RPO $25.4B。… 顧客集中（UAE 86%、Customer A 63%）とOpenAIの貸手・ワラント G42契約 保有者兼務。… A10 × トークン単価を下げたい CS-3/CS-4 第三者推定でCS-3ラックの性能/W/$はB200比0.32〜0.65倍。バッチ経済性はGPUが優 価格競争ではGPUクラウド（Together/Fireworks等）に劣後。… 位。… 出典：S78, S06, S48, S60, S59, S15 ｜ 公開情報に基づく分析であり法的意見ではありません 15

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 競争優位性評価（2/2：A11〜A20） ◎の速度優位はNVIDIA Groq 3 LPXの直接競合に晒され、×の単価・長文経済性はGPUの得意領域と鏡像関係。 ID 評価 ニーズ（優位性） 製品 主な理由 A11 ○ 国産・安全な供給網を求めたい 米国内製造（Flex、Sanmina） 組立は自社＋米国EMS。DOE・DARPA・NNSAとの関係。… A12 △ CUDA相当の成熟度が欲しい ソフトウェアスタック PyTorch 2.x対応・Model Zoo・SDKは整備。… （PyTorch/CSL） A13 ◎ 20kW超のダイを安定稼働させた エンジンブロック（電力・冷 垂直電力供給、CTE吸収コネクタ、水冷コールドプレート、位置合わせ等を10年かけ い 却・実装） て製品化。CS-4で電源をウエハから0.5mmに接近。… A14 ○ FLOPを減らして学習・推論コス 疎性活用（非構造化スパー ゼロ値を送らないデータフローで非構造化疎性を活用、SPDFで学習FLOP約60%削 トを下げたい ス、SPDF） 減。… A15 ○ 低精度で安定して学習したい 数値表現（CB16、確率的丸 CB16と確率的丸めFPUを特許化。… め） A16 × 長文コンテキスト・大量同時接 推論API KVキャッシュがSRAMを圧迫し、公開エンドポイントは128Kコンテキスト。… 続を安く処理したい A17 ○ 自国内で完結するAI基盤を持ち Cerebras for Nations、主権A UAE（G42）、ドイツ（Aleph Alpha）、ガイアナ、欧州DC展開の実績。… たい A18 ○ ハードを直接叩いて新手法を試 SDK/CSL開放 CSL・シミュレータ公開、論文多数（SC20〜SC24、ICS）。… したい A19 ◎ エージェントの反復を高速に回 Cerebras Code、Codex-Spar OpenAI初の専用モデル（Codex-Spark）をCerebrasで提供、Cognition・Cline・ したい Lovableの採用。… A20 △ 次世代も速度リーダーであって ロードマップ（CS-5、CS-6） CS-5（2027、10,000 t/s目標）、CS-6（積層DRAM）を提示。… ほしい 出典：S78, S06, S48, S60, S59, S15 ｜ 公開情報に基づく分析であり法的意見ではありません 主なリスク ウエハはTSMC（台湾）単一依存、長期契約なし、工程非移植。… CUDA資産・ライブラリ・人材の厚みには及ばず、モデル追随が遅 れる場面がある。… Tesla Dojo系特許（垂直電力・SoW冷却）との接触確認が必要。施 設側要件が厳しい。… 疎性の恩恵はモデル依存。NVIDIA 2:4構造化疎性が業界標準化。… FP8/FP4対応の公開情報がなく、業界はFP4へ移行。… Positron/Qualcomm等の容量優先設計、GPUの大バッチ経済性に 劣後。… 輸出規制・CFIUS経験。国家系は政治リスクを伴う。… 研究コミュニティは小規模。GPU研究者層に比べ薄い。… NVIDIA/Groq 3 LPX、AnthropicやOpenAI自社推論の高速化。… 2024年以降シリコン更新なし（WSE-3T は高クロック版）、3nm計 画未公表、SRAMスケーリング停… 16

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 強い優位性トップ10 上位は「速度」と「それを生む実装」。特許で直接支えられるのは帯域・歩留まり・HPC・実装で、速度そのものは間接保護。 特許保 主なリスク # 評価 優位性（ニーズ） 製品・サービス 理由（要約） 護 1 ◎ 1ユーザーあたりのトークン生成 Cerebras Inference／CS- 第三者計測（Artificial Analysis、10K入力）でgpt-oss-120B 1,849 t/s、Samb… △ NVIDIA Groq 3 LPXがAA検証で3,431 t/s（Gemma 4 3… を最速にしたい 2 ◎ メモリ帯域律速の処理を高速化 WSE-3／WSE-3 Turbo 44GB SRAMを21〜43PB/sで読める単一デバイスは他に存在しない（HBM GPUは ○ 容量44GB/ウエハの天井。HBM4・3D積層・光I/OでGPU側 したい 22TB/s級/GPU）。… の実効帯域が上がる… 3 ◎ 巨大ダイを歩留まり良く量産し WSE製造・組立 冗長コア（97万物理→90万有効）とクロスレチクル配線で「TSMC出力のほぼ全数が ○ TSMC SoW-Xや既知良品ダイ再構成（Tesla/Zhejiang Lab方 たい 組立可能」（アナリスト）。10年の実装… 式）… 4 ◎ MD・CFD・ステンシルを桁違い CS-3＋SDK/CSL MD 110万ステップ/秒（Frontier比748倍、ベンダー・共同発表）、ステンシル228倍 ○ FP64非対応、対象カーネルが限定。国立研市場は規模が小 に速くしたい （TotalEnergi… さい。… 5 ◎ 信頼できる供給者を選びたい OpenAI・AWS・AMD・G42 OpenAI 750MW（$10B超〜$20B超）、AWS Bedrock、AMD協業、RPO $25.4B。… × 顧客集中（UAE 86%、Customer A 63%）とOpenAIの貸 契約 手・ワラン… 6 ◎ 20kW超のダイを安定稼働させた エンジンブロック（電力・冷 垂直電力供給、CTE吸収コネクタ、水冷コールドプレート、位置合わせ等を10年かけ ○ Tesla Dojo系特許（垂直電力・SoW冷却）との接触確認が必 い 却・実装） て製品化。CS-4で電源をウエハから0.… 要。施設側要件が厳… 7 ◎ エージェントの反復を高速に回 Cerebras Code、Codex-Sp OpenAI初の専用モデル（Codex-Spark）をCerebrasで提供、Cognition・Cline・ △ NVIDIA/Groq 3 LPX、AnthropicやOpenAI自社推論の高速 したい Lovab… 化… 8 ○ モデル並列を書かずに大規模学 Wafer-Scale Cluster（We データ並列のみで2,048台までスケール、GPT-3を565行で記述（97%コード削減）と △ 学習市場はNVIDIA/AMD/TPUが支配。ハード売上は減速。 習したい 主張。… 特許はWeight … 9 ○ MWあたりトークン供給量を上げ CS-4 CS-4は「最大10倍tokens/W」（ベンダー）、SRAM読み出しはHBMより低エネルギー ○ アナリストは性能/WはCS-3比で小幅改善、ラック125〜 たい （0.05pJ/bit級の… 135kWと低温冷水要件を… 10 ○ 既存コードを変えずに乗り換え OpenAI互換API・エコシステ OpenAI互換、Hugging Face・OpenRouter・LangChain・Vercel等30以上の統合、 × 互換性は乗換障壁を下げる両刃。Groq/SambaNovaも同等 たい ム AW… の互換性。… 出典：S78, S06, S48, S32, S15 ｜ 公開情報に基づく分析であり法的意見ではありません 17

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 特許ポートフォリオ概観 34ファミリー・122文献・登録71。主分類はデータフロー実行（C02）とパッケージ（C10）、続いてISA・配置・疎性。 34 特許ファミリー DOCDB簡易ファミリー22 24 公開・係属中／要確認 US17・EP2・JP3・CA1・CN1 71 登録 US52・EP7・JP6・CA3・CN2・KR1 27 PCT国際公開 2018〜2026年 出願人名：CEREBRAS SYSTEMS INC／セレブラスシステムズインク。買収・譲受特許は確認で きない。未公開出願（直近18か月）は含まない。 出典：P01, P02〜P23 ｜ 公開情報に基づく分析であり法的意見ではありません C01 ウエハスケール集積・クロスレ C02 データフロー実行・ウェーブレ C03 オンウエハ・ファブリック／ル C04 命令セット・データ構造記述子 C05 ニューロン分散・スケールドフ C06 スパース計算・ウェーブレット C07 数値表現・浮動小数点演算 C08 コンパイラ・配置最適化 C09 欠陥耐性・冗長化 C10 パッケージング・機械構造・C C11 電力供給・冷却 C12 製造プロセス（露光・穴加工・ C13 推論実行・パイプライン C14 学習アルゴリズム・演算カーネ 2 2 2 2 1 1 1 1 7 3 3 3 4 2 18

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 グローバル特許展開 米国が全ファミリー。EP・JP・CAは2017年優先のコア群、CN・KRは旗艦のみ。2019年以降の発明は米国に留まる。 US WO EP 9 JP 9 CA 4 CN 3 KR 1 27 69 法域 法域別文献数。ファミリー数：US 33、WO 27、EP 9、JP 5、CA 4、CN 2、KR 1 出典：P01, P02, P03, P06, P09, P10, P12 ｜ 公開情報に基づく分析であり法的意見ではありません 対象企業 登録52件・公開17件（34ファミリー全てに米国出 願）。継続・分割を活発に活用。… 市場上の重要性 最重要（本社、主要DC、 OpenAI・AWS・DOE） 知財上の意味（要約） 米国 防御・攻撃の主戦場。サービス層 （US） （C13）の権利が薄く、競合の推論特 許が急増中。… 欧州（EP EP登録7件（2017年優先のコア群： 欧州DC 200MW計画（仏・ノ サービス提供地としての重要度が上が ／UPC） F01/F02/F03/F04/F05/F10/F12）、EP公開2件 ルウェー・フィンランド）、 る一方、実装・冗長化・推論の権利が （F16/F… Aleph Alpha 無い。UPC統一訴訟リスク。… 日本（JP） 登録6件・公開3件（F01/F02/F03/F04/F10、分割含 東京エレクトロンデバイスが コアの実行モデルは保護済みだが実 む）。出願人名「セレブラスシステムズインク」。 代理店、CS-1/2/3を国内販 装・推論は無保護。国内DC展開が始 2018… 売。日本法人あり。 まれば追加出願の検討余地。… 中国 F01（CN110869946B、分割CN113792847B）および 輸出規制により直接販売は困 旗艦特許のみ権利化。中国のSoW研究 （CN） F16（CN111095527A、状態要確認）。S… 難。製造・部材の一部が関与 がCerebras方式の周辺に出願している する可能性。 点は将来の交渉材料・障害の双方。… 韓国 F01（KR102369209B1）のみ確認。… HBM・ファウンドリのサプラ サプライヤーとの交渉上、旗艦特許が （KR） イヤー地域。顧客市場として あることは有利。実装系は無保護。… は限定的。 カナダ CA3060969C、CA3060350C、CA3060356C（登録・ トロント開発拠点、Montreal 開発拠点・DC所在地として保護があ （CA） Google Patents表示）、CA3051… DC、Bell 300MW（Saskatch る程度整合。… 英国 EP登録7件のUK有効化状況は要確認。UK独自出願は確 限定的。 EP経由の保護に依存。… （UK） 認できない。… 19

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 主要特許ファミリー（重要度：高） 旗艦F01（US/EP/JP/CN/KR/CA）と実装系F16/F17、歩留まりF20、コンパイラF08/F24、推論F27が事業を直接支える。 分 優先 法域 発明名称 技術課題→解決手段（要約） 類 年 US/WO/EP/JP/CN/KR/CA 加速化ディープラーニング（ウエハスケール・ 計算要素とルータを持つPEの2Dメッシュ配列がウェーブレット単位でデータフロー計算を実行し、SGD／連続伝播勾 C02 2017 データフロ 配降下・逆チェ… F02 US11488004B2 US/WO/EP/JP/CA 加速化ディープラーニングのニューロンスメア 1ニューロンを複数PEの資源で実装し（smearing）、入力活性化の局所性を保ちつつPE間で負荷分散する。… C05 2017 リング F03 US10726329B2 US/WO/EP/JP/CA ディープラーニング加速化のためのデータ構造 オペランド指定子がDSDレジスタを参照し、ファブリックベクタ／メモリベクタ（1D・4D・循環バッファ）を記述。 C04 2017 記述子（D 拡張DSDで4… F04 US11157806B2 US/WO/EP/JP/CA 加速化ディープラーニングのタスクアクティベー 仮想チャネル指定子で経路制御し、activate命令またはファブリックベクタ完了で仮想チャネルを活性化、活性化済 C02 2017 ション みチャネル群… F08 US12625745B2 US/WO 加速化ディープラーニングの効率最適化配置 ソフトウェアスタックがNN記述に基づき最適化配置を決定し、ルータ（カラー使用）とPEの命令を構成する。… C08 2019 F10 US10614357B2 US/WO/EP/JP 加速化ディープラーニングのデータフロー・ト 受信ウェーブレットの仮想チャネル指定子に基づいてPEメモリから命令を読み出し、ウェーブレットのデータ要素を C02 2017 リガー・タ 入力オペランドとし… F16 US10366967B2 US/WO/EP/CN マルチダイ相互接続装置・方法（クロスレチク スクライブラインを持つウエハに対し、リソグラフィ工程で隣接ダイ間を跨ぐダイ間配線を形成する。… C01 2017 ル配線） F17 US10468369B2 US/WO/EP 熱膨張係数の異なる基板の固定装置・方法（CTE ウエハとPCBの間に弾性（エラストマー）コネクタを配置し、信号経路を保ちつつ熱膨張差を吸収する。… C10 2017 吸収コ F20 US11328208B2 US/WO 加速化ディープラーニングのプロセッサ要素冗 各PEに冗長化結合を設け、ウエハテストや稼働中（データセンター）に収集した欠陥情報で構成情報を決め、冗長PE C09 2018 長化 で欠陥PEを置換… F21 US12177133B2 US/WO 加速化ディープラーニングの動的ルーティング ルータが静的・動的ルーティングの双方を行い、ウェーブレット中の情報でNN処理中にルーティング構成を変更可能 C03 2019 にする。… F24 US12204954B2 US/WO 加速化ディープラーニングの計算・メモリ配置 ソフトウェアスタックがNN記述から計算・メモリ資源の配置を決定し、ルータのカラー使用とPE命令を構成。… C08 2019 F27 US20260057263A1 US/WO 自己回帰推論のためのシステム・方法（推論パ モデルの層を1以上のアクセラレータの処理領域へ写像し、領域間を接続して処理シーケンスに対応するパイプライン C13 2024 イプライン を形成、クエリをパ… F30 US10840216B2 US 多ダイ集積回路への給電システム コンプライアントコネクタ、PCB、電源部品、圧縮要素、冷却系、クランプから成る「power on wafer」アセンブリ C11 2019 で垂… No. 代表公報 F01 US10699189B2 全34ファミリー・構成文献はMarkdown第7章／HTML「Patent Portfolio」タブを参照。 出典：P01, P02〜P23 ｜ 公開情報に基づく分析であり法的意見ではありません 20

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 技術分類と注力領域（14分類） C02（実行モデル）7件・C10（実装）4件・C04/C06/C08各3件。C13（推論）は1件でC11（電力）も薄い。 記号 C01 C02 C03 C04 C05 C06 C07 C08 C09 C10 C11 C12 C13 C14 分類 ウエハスケール集積・クロスレチクル配線 データフロー実行・ウェーブレット/タスク制御 オンウエハ・ファブリック／ルーティング 命令セット・データ構造記述子（DSD） ニューロン分散・スケールドファブリック スパース計算・ウェーブレットフィルタリング 数値表現・浮動小数点演算 コンパイラ・配置最適化 欠陥耐性・冗長化 パッケージング・機械構造・CTE吸収 電力供給・冷却 製造プロセス（露光・穴加工・リソ配線） 推論実行・パイプライン 学習アルゴリズム・演算カーネル 主分類 2 7 2 3 2 3 2 3 1 4 1 2 1 1 副含む 5 8 4 4 2 3 2 3 1 5 2 3 1 2 該当ファミリー F01 F07 F16 F31 F33 F01 F02 F04 F10 F11 F12 F13 F14 F05 F11 F15 F21 F03 F05 F13 F19 F02 F07 F22 F23 F26 F09 F18 F08 F24 F25 F20 F06 F17 F28 F29 F32 F29 F30 F28 F31 F33 F27 F01 F34 出典：P01（分類定義はexplain_patent_classifications） ｜ 公開情報に基づく分析であり法的意見ではありません 事業上の意味 「1ウエハ＝1チップ」というコア技術そのものを守る。TSMCとの共同工程を第三者が模倣す 疎性を自然に活かす低レイテンシ実行モデルの根幹。推論速度・HPC性能の源泉。 90万コア間の通信を1サイクル/ホップで実現する差別化要素。 コンパイラ・SDK（CSL）の基盤。互換アーキテクチャの模倣を抑止。 負荷分散と価格帯別製品展開の根拠。 非構造化疎性による演算・電力削減の独自性。 低精度学習の安定性。FP8/FP4時代への拡張余地。 「97%少ないコード」の実体。ソフト差別化を特許で補強。 ウエハ歩留まり＝原価の根幹。 巨大ダイ実装の信頼性。競合が容易に再現できない実装ノウハウの特許化。 20kW超ダイの安定稼働。CS-4の垂直電源への拡張が課題。 ファウンドリ工程との接点。代替ファウンドリ移行時の資産。 推論クラウド事業の中核だが公開件数は1ファミリー（2025年出願）に留まる。 学習効率と特定演算の高速化。 21

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 出願年別・ステータス別傾向 2018年に大量のPCT国内移行、2020年に第2波（配置・疎性・動的ルーティング）。2022年以降は継続出願中心で、2025年に推論出願が出現。 58 17 2018 2019 25 10 2020 2021 3 2022 出願年別文献数（USは各文献の出願日、他法域は国際出願年で近似） 出典：P01 ｜ 公開情報に基づく分析であり法的意見ではありません 1 2023 3 2024 4 2025 1 2026 登録 国際公開（PCT） 公開・係属中／要確認 優先年 2017 優先年 2018 優先年 2019 優先年 2020 優先年 2023 優先年 2024 ステータス別文献数／優先年別ファミリー数 71 27 24 7 1 1 1 16 8 22

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 優位性×特許保護 ◎○優位性15件のうち直接保護○は7件。速度・エージェント・学習簡素化は△、契約・エコシステム・製造・主権AIは×（非特許資産）。 特許保護＼優位性 ◎ 強い優位性 ○ 一定の優位性 ○ 直接・強く支える 特許 A02 単一デバイス44GB SRAM・21〜43PB/sの A03 ウエハ全体を歩留まらせる欠陥耐性・製造 A05 メモリ帯域律速HPC（MD・ステンシル）での数百倍性 A13 巨大ダイの電力・冷却・実装（エンジンブロック） A06 電力効率（tokens/W、オンウエハ配線の低エネル A14 非構造化疎性の活用（SPDF） A15 数値表現（CB16・確率的丸め） △ 間接・周辺的な特 A01 1ユーザーあたりの推論速度（gpt-oss-120B A19 コーディング・エージェント用途での速度採用（Code A04 データ並列のみで済む学習プログラミング（Weight A18 SDK/CSLによるハード直接プログラミングの開放 × 直接保護を確認し A09 大型契約・提携（OpenAI 750MW、AWS、A A08 OpenAI互換API・広範な統合 A17 主権AI・国家系案件の実績 許 づらい A11 米国内組立・製造パートナー ○：中核的な優位性を直接または強く支える特許がある／△：間接的・周辺的に支える特許はあるがサービス上の優位性とは距離がある／×：公開特許からは直接保護が確認しづらい 出典：P01, S78, S15 ｜ 公開情報に基づく分析であり法的意見ではありません 23

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 特許で守られている強み ウエハスケール集積・実行モデル・実装・配置コンパイラは米国で体系的に権利化されている。 強み ウエハスケール集積（クロスレチクル配線・階層露光） データフロー実行モデル（ウェーブレット、タスク起動・同期、制御ウェーブレット、マイクロスレッド） ファブリック・ルーティング（仮想チャネル、バックプレッシャ、動的ルーティング） ISA・DSD 欠陥耐性・冗長化 実装（CTE吸収、圧縮固定、滑り熱界面、位置合わせ、給電、穴加工） 配置最適化コンパイラ 疎性・数値表現 出典：P01, P02〜P23 ｜ 公開情報に基づく分析であり法的意見ではありません 特許ファミリー F16, F33, F31 F01, F10, F04, F12, F14, F13, F11 F15, F21, F05 F03, F19, F05 F20 F17, F06, F29, F32, F30, F28 F08, F24, F25 F22, F23, F26, F09, F18 コメント 米国6件＋継続で厚い。EP公開・CN公開は権利化状況要確認。 US/EP/JP（一部CA）で登録。競合SRAM系の設計自由度を制約し得る中核群。 動的ルーティングは2024年登録・継続中。 DSDは米国3件登録＋EP/JP/CA。 米国のみ。歩留まりの核心なのに海外保護が薄い。 米国で体系的に権利化。EPは公開段階。 2025〜2026年に相次ぎ登録。継続出願中。 疎性フィルタは米国登録、重み疎性は国内段階未確認。 24

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 特許だけでは守りにくい強み 「世界最速」の実測値、モデル追随、Weight Streaming運用、API互換、DC容量、価格は特許の外にある。 強み 「世界最速推論」の実測速度（t/s）そのもの モデル追随速度（新モデルの即日提供） Weight Streaming／MemoryX／SwarmXのクラス タ運用 OpenAI互換API・統合エコシステム データセンター容量（600MW）と立地・電力契約 価格・トークン単価 CS-4の垂直電源バックパック・ラック統合 理由 システム構成・カーネル・投機的デコード・バッチ設計の複合結果で、請求項化しても回避が容易。第三者ベンチマークの継続更新で維持する性質。 エンジニアリング体制とモデル提供元との関係。特許対象外。 公開特許で直接記載を確認できず、実装ノウハウとして保持されている可能性。競合（Google/Intel/IBM/Microsoft）は外部メモリ・集約通信の特許を多数保有。 関連ファミリ ー F27 — F07 互換性はむしろ乗換障壁を下げる。標準・オープンソースの領域。 不動産・契約資産。特許不可。 コスト構造（TSMC価格、電源部材、稼働率）に依存。 既存F30は「power on wafer」の基本構成。CS-4固有の構造（0.5mm近接電源、6×200GbE/ウエハ、2µsウエハ間）は未公開（出願済みなら2027年以降に公開）。 Tesla特許との近接。 — — — F30 出典：P01, S60, S46 ｜ 公開情報に基づく分析であり法的意見ではありません 25

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 非特許資産に依存する強み 契約・TSMC工程・組立ノウハウ・ソフト・ブランド・DC容量・人材が速度優位を支える。契約の知財条項が要点。 非特許資産 種別 重要度 関連優位性 備考 顧客契約・資本関係（OpenAI MRA・融資・ワラント、G42/MBZUAI購入コミット、AWSタームシート） 契約・関係 高 A09 A01 A19 RPO $25.4Bの源泉。知財条項（共同開発成果、実施権、競業）の確認が重要。 TSMCとの共同開発工程・10年の量産経験 ノウハウ・関係 高 A02 A03 S-1で「単一障害点」と自認。工程は非移植。 社内組立・電源・冷却の実装ノウハウ（Flex/Sanmina含む） ノウハウ 高 A13 A11 F06/F17/F29/F30/F32が一部を特許化。CS-4世代は未公開。 ソフトウェア（Graph Compiler、PyTorchスタック、CSL/SDK、Model Zoo、推論カーネル） 著作権・営業秘密 高 A04 A05 A12 A18 配置最適化はF08/F24/F25で特許化。推論カーネル・投機的デコードは営業秘密。 「世界最速」ブランドと第三者ベンチマーク実績（Artificial Analysis、OpenRouter） ブランド 高 A01 A19 NVIDIA Groq 3 LPXのAA検証値により相対化が始まっている。 運用データ（月間数兆トークンの推論テレメトリ、モデル別最適化知見） データ 中 A01 A06 公開情報では規模のみ（会社主張）。 データセンター容量・立地（北米・欧州・UAE、600MW目標） インフラ・契約 高 A09 A17 リース債務を伴う。 政府・研究機関との関係（DOE MOU、DARPA、NNSA、国立研共同研究） 関係・規制対応 中 A05 A11 A17 CFIUS・輸出管理対応の経験を含む。 人材（創業者・アーキテクト、Hot Chips連続登壇） 人材 高 A02 A13 主要発明者5名がほぼ全コア特許の発明者。 研究コミュニティ・論文実績（SC/ICS/Gordon Bell） 評判 中 A05 A18 HPC市場の信用。 出典：S09, S15, S18, S19, S29, S67 ｜ 公開情報に基づく分析であり法的意見ではありません 26

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 競合特許ランドスケープ（代表特許） Tesla（垂直電力・SoW）、Micron/IBM（ウエハ上メモリ）、Groq/SambaNova/NVIDIA/AMD（推論）が接触しやすい領域を形成。 出願人 Groq 公報 US11243880B2 課題→解決手段（要約） 機能スライス（メモリ／演算）にタイルを配置し、データを一方向・命令を直交方向にストリームするTSPアー キテクチャ… Groq US11868250B2 スライス型メモリ設計（TSP）… Groq US20260259737A1 ドラフトモデル＋パイプライン化したターゲットモデルでバッチを扱う投機的デコード… Groq US20260186742A1 KVブロックの巡回分配と部分積の可逆蓄積… SambaNova US11055141B2 構成可能ユニット配列に静止ロジックとコントローラを設ける… SambaNova US11327771B2 予備要素とパラメータ格納で不良要素をタグし配置パターンを変更… SambaNova US20260147728A1 固定長のドラフト／ターゲットキャッシュとマスク・ポインタ管理… Graphcore US10564970B2 BSP方式の同期命令とインターコネクト… Graphcore US11119873B2 固定伝送時間の交換ファブリックに遅延段を設けて修復… Tenstorrent US11934897B2 中間ノードでのマルチキャストによるグラフ実行… Tenstorrent US11693639B2 コンパイラで疎性分布を均一化して分配… d-Matrix US11886359B2 デジタル・インメモリ計算チップレット（DIMC）でattention計算を加速… d-Matrix US12182028B2 KVデータを低精度で二重キャッシュ・転置格納… Etched US20240378175A1 複数ICのシストリックアレイをチップ間接続で結合… Etched US12361091B2 2組のデバイス群を全結合するテンソル並列群… MatX US12487860B2 非循環ノード部分集合と異なるスケジューリング… 全41件はHTML/Markdown版を参照。 出典：P01, P24 ｜ 公開情報に基づく分析であり法的意見ではありません 比較上の意味 Cerebrasのデータフロー／ウェーブレット方式と対をなす静的スケジュール型 SRAMア… SRAM主記憶の設計思想で近接… Cerebrasが実装する投機的デコードの周辺に権利化が進む（FTO注意）… 推論サービス層のKV運用特許… RDUのデータフロー制御。CGRA系の基本群（350件）… CerebrasのPE冗長化（F20）と同目的の別解… 推論高速化手法の権利化競争… IPUのタイル同期。Cerebrasのタスク同期（F12）と思想が異なる… 冗長化の別解… NoCオーバーレイでのデータフロー。ファブリック設計で近接… 疎性活用の別解… SRAM近接計算の直接競合… 長文コンテキスト対策の権利化（Cerebrasの弱点領域）… マルチチップ拡張。ウエハスケールの代替… 推論スケールアウトの構成… 2027年製品の基盤… 分 類 C04 C04 C13 C13 C02 C09 C13 C02 C09 C03 C06 C06 C13 C05 C03 C03 27

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 企業×技術分類マトリクス CerebrasはC01〜C04・C10で最も濃い唯一の企業。C13（推論）はNVIDIA・Microsoft・Qualcomm・Groq・d-Matrixが濃く、Cerebrasは△。 企業 Cerebras Systems NVIDIA AMD Google Microsoft Intel Groq（→NVIDIA） SambaNova Graphcore Tenstorrent d-Matrix Etched Tesla（Dojo） TSMC IBM Samsung C01 ウエハスケール ◎ × △ △ × ○ × × × △ × × ◎ ◎ ◎ ○ C02 データフロー実 ◎ △ △ ◎ ◎ ◎ △ ◎ ○ ○ × × △ × ◎ ○ C03 オンウエハ・フ ◎ ○ △ ○ ○ ◎ × △ ○ ○ ◎ ○ △ × ○ ○ C04 命令セット・デ ◎ ○ ○ ○ △ ◎ ○ ○ ◎ ○ △ × × × ○ △ C06 スパース計算・ ○ ◎ △ ◎ ◎ ◎ △ △ △ ○ ○ × × △ ◎ ◎ C08 コンパイラ・配 ○ ◎ ○ ◎ ○ ◎ ○ ◎ ○ ○ ○ ○ △ × ◎ ◎ C09 欠陥耐性・冗長 ○ △ △ △ ○ ○ △ ○ ○ × × × × △ ◎ ○ C10 パッケージング ◎ △ ○ △ △ ◎ × × △ × × × ○ ◎ ◎ ○ C11 電力供給・冷却 ○ △ ○ ○ △ ◎ △ × × × × × ◎ ○ ◎ ◎ C13 推論実行・パイ △ ◎ ○ ○ ◎ ○ ◎ ○ × △ ◎ ○ × × ○ △ ◎出願が確認でき特に注力／○出願が確認できる／△関連はあるが限定的／×今回の調査範囲では確認できない。C05・C07・C12・C14を含む全14分類はHTML/Markdown版。 出典：P01（技術語×出願人集計）, P24 ｜ 公開情報に基づく分析であり法的意見ではありません 28

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 グローバル法域別の注意点 欧州（UPC）・カナダ・北欧のDC展開先と台湾（製造地）に実装・推論の権利がない。UAE顧客は米国設置で米国特許が機能。 法域 米国（US） 競合の出願状況 知財上の意味 要追加確認 NVIDIA/Intel/Google/Microsoft/IBM等が全分類で密集。Tesla SoW 17 防御・攻撃の主戦場。サービス層（C13）の権利が薄く、競合の推論特許が 継続出願の維持、推論サービス層の出願、Tesla/Micron/IBM系 件、Gr 急増中。 のクリアランス、Rex Co 欧州（EP／UPC） NVIDIA/Intel/Graphcore（英国）が出願。UPCでのAIサーバ訴訟事例 サービス提供地としての重要度が上がる一方、実装・冗長化・推論の権利が F16/F17の審査状況、UPCオプトアウト判断、CS-4/推論サービ （ParTec v. NVI 無い。UPC統一訴訟リスク。 ス層の欧州出願要否。 日本（JP） NVIDIA/Google等は日本でも出願。国内AIチップ勢（Preferred Networks コアの実行モデルは保護済みだが実装・推論は無保護。国内DC展開が始ま J-PlatPatで審査経過・年金納付状況を確認。国内顧客・DC計 等）は今回未調査。 れば追加出願の検討余地。 画に応じた出願方針。 中国（CN） Huawei、Zhejiang Lab（SoW）、Northwestern Polytechnical Univ.等 旗艦特許のみ権利化。中国のSoW研究がCerebras方式の周辺に出願している CN公報の原文確認、CN111095527の審査状況、中国SoW出願 点は将来の交渉材料・障害の双方。 の監視。 韓国（KR） Samsung、Rebellions（US 161件）、FuriosaAI。 サプライヤーとの交渉上、旗艦特許があることは有利。実装系は無保護。 KIPRISでKR102369209B1の状態確認。 カナダ（CA） Tenstorrent（トロント）。 開発拠点・DC所在地として保護がある程度整合。 CIPOで状態確認。 英国（UK） Graphcore（ブリストル）、Fractile。 EP経由の保護に依存。 UK IPOで有効化・年金状況を確認。 オーストラリア — 優先度低。 IP Australiaで出願人名検索。 （AU） 台湾（TW） TSMC（SoW/CoWoS）、Global Unichip。 製造地での権利がないことは、第三者がTSMCで類似ウエハを製造する際の TIPOで出願人名検索、製造地保護の要否判断。 抑止力を欠く。 出典：P01, P02〜P12, S112 ｜ 公開情報に基づく分析であり法的意見ではありません 29

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 FTO注意領域（法的判断ではなく追加調査の優先順位） 高4件：CS-4垂直電源（Tesla）、CS-6積層DRAM（Micron/IBM）、KVキャッシュ管理、投機的デコード。 高 4件 垂直電力供給・電源モジュールの直近配置（CS-4バックパック） Tesla ウエハ上メモリ積層（CS-6の3D積層DRAM） Micron KVキャッシュ管理・圧縮・スケジューリング NVIDIA 投機的デコード（ドラフト／ターゲット、バッチ化） Groq 中 9件 ウエハ級システムの多層冷却・ESD/EMI・位置合わせ Tesla SoW／InFOパッケージ（キャリア上再構成） TSMC 分離推論（プリフィル／デコードの異種HW分担） Meta 疎性活用（ゼロスキップ、細粒度・構造化疎性） Google 数値表現（ブロック浮動小数点、確率的丸め、FP8/FP4） Microsoft 再構成データフロー配列の制御・コンパイル SambaNova PE配列の欠陥修復・冗長化 Graphcore 光インターコネクト／CPO（DARPA・Ranovus協業） Lightmatter 既存訴訟：Rex Computing v. Cerebras Rex Computing 低 7件 NoC／マルチキャスト・ブリッジングNIC Tenstorrent マルチチップ・シストリック／テンソル並列 Etched チップレット型ウエハスケールのクロック分配・耐故障 UC Regents 中国SoW出願群 Zhejiang Lab、Northwestern Polytechnical モデル固有ASIC・Transformer専用ハード Etched、Taalas ウエハレベルテスト・システムレベルテスト Google 疎/密分離アクセラレーション Meta 出典：P24（Tesla US12554302, Micron US11621257, IBM US10304802, NVIDIA US2026/0220041, Groq US2026/0259737 等）, S109 ｜ 公開情報に基づく分析であり法的意見ではありません 30

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 ホワイトスペース・追加出願余地 優先度高7件：推論サービス層とCS-4/CS-6実装。追加出願テーマ30件（高11）。 優先 補強候補 事業上の意味 出願テーマ例 法域 度 高 多ウエハ推論パイプラインの動的再構成（ホットスワップ、負荷分散、障害時 OpenAI等の専用容量運用の安定性と稼働率 層再配置アルゴリズム、ウエハ間活性化転送の圧縮、障害時の部分再マ US・EP・JP 再配置） ッピング 高 SRAM制約下のKVキャッシュ配置・階層化（ウエハSRAM↔MemoryX↔ホスト） 長文コンテキスト・多同時接続の経済性（現状の弱点） KVの階層配置、圧縮・量子化、ページング、プリフェッチ US・EP 高 分離推論の協調プロトコル（GPU/Trainiumプリフィル→WSEデコードのKV転 AWS/AMD協業の実装を自社権利で確保 KV転送フォーマット、TTFT最適化、負荷比率制御 US・EP 送・ 高 ウエハ直近の垂直電源・電流分配（CS-4バックパック） CS-4以降の電力効率の中核。Tesla特許との差別化点を AC/DCモジュール配置、電流経路、熱・電気の統合設計 US・EP・JP・ 明文化 TW 高 ウエハ間低レイテンシ接続（2µs、6×200GbE/ウエハ）とラック内ファブリッ Nexusアーキテクチャの差別化 ウエハ間活性化転送プロトコル、同期、冗長経路 US・EP ク 高 ウエハ上3D積層DRAM統合（CS-6） SRAM容量制約の根本解 ハイブリッドボンディング配置、熱設計、冗長化との統合、メモリ階層 US・TW・KR・ 制御 JP 高 投機的デコードのウエハ実装（ドラフトモデル配置、検証パイプライン） 速度優位の維持。競合が周辺を権利化中 ドラフト／ターゲットの領域割付、受理率適応制御 US 中 MoE／動的ルーティングモデルのウエハ配置 主流モデル構造への対応 エキスパート配置、動的ルーティング（F21）の拡張 US・EP 中 FP8/FP4・混合精度のデータフロー実装 業界標準精度への追随と電力効率 低精度フォーマット、スケーリング、確率的丸めの拡張 US 中 稼働中欠陥検出・自己修復（in-situ redundancy）の運用 DC規模での可用性と保守コスト テレメトリ、動的PE無効化、性能維持 US・EP 中 光I/O統合（DARPA/Ranovus） オフウエハI/O帯域の拡大 CPO配置、光ファブリックとウエハメッシュの接続 US 中 推論APIサービス層（ルーティング、キューイング、SLA制御、料金メータリン サービス事業のロックイン 速度保証スケジューラ、優先度制御 US グ） 全20件と追加出願テーマ30件はHTML/Markdown版を参照。 出典：P01（競合出願密度）, S06, S47, S18, S19 ｜ 公開情報に基づく分析であり法的意見ではありません 31

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 経営者向け示唆 速度という差別化軸を特許・データ・提携で多層防御し、出願地を事業展開地と同期させる。 （1）差別化軸「1ユーザーあたりの速度」はNVIDIA（Groq 3 LPX）に正面から追われてお り、速度そのものは特許で守りにくい。ウエハ実装・実行モデルの特許群を土台に、推論サ ービス層（KV運用・投機的デコード・分離推論・パイプライン再構成）の出願を2026〜 2027年に集中させ、多層防御に切り替えるべき。 （2）欧州200MW・カナダ・フィンランド等のDC展開先で実装・冗長化・推論の権利が薄 い。サービス提供地での権利化方針（EP/UPC、JP、CA）を事業計画と同期させる。 （3）TSMC・OpenAI・AWS・AMD・Ranovusとの契約における知財条項（共同開発成果の 帰属、実施権、競業）を見直し、CS-6（積層DRAM）ではMicron/IBM/TSMC特許のクリアラ ンスを設計確定前に実施する。 （4）Rex Computing訴訟の状況と、Tesla Dojo特許群（垂直電力・冷却）への接触確認を優 先度高で進める。 出典：S07, S67, S60, S61, P01, P24 ｜ 公開情報に基づく分析であり法的意見ではありません 32

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 投資家向け示唆 売上・RPOの集中と知財の地理的偏りという「二重の集中」を評価軸に加える。 （1）売上・RPO（$25.4B）はOpenAI・UAE系に集中し、知財も米国ハード中心という「二 重の集中」がある。速度優位が相対化した場合の収益維持力は、契約の長期性と非特許資産 （DC容量・関係・ソフト）に依存する。 （2）特許ポートフォリオ（34ファミリー・登録約71件）はウエハスケール実装・実行モデ ルでは競合が容易に模倣できない障壁だが、2019年以降の発明は米国のみで、2025年出願の 推論特許は1件。競合（NVIDIA/Groq/SambaNova/d-Matrix）の推論特許は2024〜2026年に 急増しており、サービス層の知財リスクを評価に織り込むべき。 （3）モニタリング指標：第三者ベンチマーク（Artificial Analysis）での相対速度、推論特許 の公開件数、CS-6の実現時期、Tesla/Micron系特許との接触に関する開示、訴訟の進展。 （4）会計面：OpenAIワラント償却によるGAAP／コア売上の乖離、株式報酬、リース債務。 出典：S07, S67, S60, S61, P01, P24 ｜ 公開情報に基づく分析であり法的意見ではありません 33

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 技術責任者向け示唆 44GB制約下で構成を最適化し、競合の推論・実装特許群との接触を請求項単位で確認する。 （1）44GB/ウエハの容量制約を前提に、対象モデルのウエハ分割数・KV配置・TTFTを評価 し、AWS/AMD型の分離推論を含めた構成で性能/コストを比較する。 （2）自社の推論スタック（投機的デコード、KV管理、パイプライン制御）が、NVIDIA・ Groq・SambaNova・d-Matrix・AMDの2024〜2026年出願と接触しないか、請求項単位のク リアランス（Summariaの「クリアランス・被侵害調査」等）を実施し、差別化点を新規出 願に落とす。 （3）CS-4の垂直電源・冷却はTesla Dojo特許群と近接領域。設計差分（0.5mm近接電源、 冷却統合）を明文化し、必要なら設計回避。 （4）CS-6の積層DRAMはMicron（US11621257）・IBM（US10304802）・TSMC 3D-IC群を前 提に設計自由度を確認。 （5）疎性（ウェーブレットフィルタ／SPDF）はGoogle/NVIDIA/Amazon/Intelの密集領域。 非構造化疎性の独自性を請求項レベルで整理する。 （6）欠陥耐性（F20）・実装特許（F06/F17/F29/F30/F32）の海外未展開を製造・据付地に 応じて補完する。 出典：S07, S67, S60, S61, P01, P24 ｜ 公開情報に基づく分析であり法的意見ではありません 34

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 重要な不確実性 契約規模・未公開出願・海外移行・法的状態・訴訟状況は追加確認が必要。ベンチマークは条件差に注意。 項目 確度 内容 OpenAI契約の規模 要追加確認 2026年1月報道は$10B超、S-1要約では$20B超のMRA（750MW、拡張オプション2GW等）。RPO $25.4Bの大半を占めるとされるが、契約書原本は非公開。 未公開出願 未確認 2025年3月以降の出願は未公開。CS-4/推論サービス層/CS-6に関する出願の有無は2026年下期〜2027年に判明。 CN/KR/CA等の対応出願の網羅性 要追加確認 Google Patentsで旗艦ファミリー等を確認したが、全34ファミリーのCN/KR/TW/AU/IN移行は未確認。EP公開2件（F16/F17）の審査状況も未確認。 法的状態（放棄・年金・満了） 要追加確認 US A1 17件のうち一部は放棄の可能性。WOの「Ceased」表示はPCT段階終了を意味し権利消滅ではない。 Rex Computing訴訟の現状 要追加確認 2025年1月のクレーム解釈以降の進捗は今回の調査範囲では確認できない。 WSE-3 Turboの仕様（クロック2.8GHz、43.2 vs 42.2PB/s） 公開情報から推定 報道間で数値が異なる。 ベンチマーク条件 公開情報から推定 ベンダー値（3,000〜4,400 t/s）と第三者値（1,849 t/s、10K入力）は条件が異なる。MLPerf非提出。 従業員数・株主比率 公開情報から推定 S-1要約（二次）に基づく（708名、Fidelity 11.0%等）。 CS-3価格・BOM 公開情報から推定 アナリスト推定（$2〜3M超/台、BOM $350〜450K）。 日本市場の顧客名 公開情報なし TEDが代理店であることは確認できるが、国内エンドユーザー名は確認できない。 Weight Streaming／MemoryX／SwarmXの特許 未確認 Summaria検索（claim/spec）でCerebras名義の該当文献なし。営業秘密または未公開出願の可能性。 出典：S17, S67, P01, P09, S109, S78 ｜ 公開情報に基づく分析であり法的意見ではありません 35

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 追加調査論点（次のステップ） 特許庁DBでの一次確認、請求項単位のクリアランス、監視（SDI）の3層で進める。 一次確認（各国DB） WIPO Patentscope：2019年以降PCTの国内段階 EPO/UPC：F16/F17の審査状況、EP7件のUK有効化、オプトアウト J-PlatPat：JP6件の年金・審査経過 CNIPA/KIPRIS/CIPO/TIPO：CN・KR・CA・TW状況 PACER：Rex Computing v. Cerebrasの現状 クリアランス（請求項対比） CS-4電源構造 vs Tesla US12554302/US12547228 CS-6積層DRAM vs Micron US11621257、IBM US10304802 推論スタック（KV・投機的デコード・分離推論）vs NVIDIA/Groq/SambaNova/AMD/d-Matrix 疎性・数値表現 vs Google/NVIDIA/Amazon/Microsoft 出典：P01, P24, S109 ｜ 公開情報に基づく分析であり法的意見ではありません 監視（SDI） 出願人：Cerebras（新規公開）、Tesla SoW、TSMC SoW-X、Zhejiang Lab、 Groq/SambaNova/d-Matrix 技術語：wafer scale／system on wafer、KV cache、speculative decoding、 vertical power delivery Summaria本体機能（案内） レポート機能：集合の書誌や指示結果を軸に棒・積み上げ・時系列などのクロス集 計グラフを作成し、AI定量分析で報告書をWord出力できる。… クリアランス・被侵害調査：製品仕様を入力し、各特許の請求の範囲との一致点・相 違点・確認事項・不足事項を検討する。… 検索式による集合作成・定期監視(SDI)：検索式を登録し、条件に合致する新規公 開・登録特許をスケジュールに沿って自動収集・メール通知する。… 出典: Summaria-MCP（Model Context Protocol）。利用可否は契約プラン等による。 36

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 Sources / 出典（主要） 企業公式・SEC・IRを一次情報とし、アナリスト・報道は確度ラベル付き。特許はSummaria-MCPとGoogle Patents。 No. S01 S02 S05 S06 S07 S09 S10 S12 S13 S15 S16 S17 S18 S19 S20 S21 S46 S47 S48 S49 種別 企業公式 企業公式 プレスリリース 投資家資料 投資家資料 投資家資料 投資家資料 プレスリリース プレスリリース プレスリリース 企業公式 ニュース 企業公式 企業公式 プレスリリース 技術資料 プレスリリース 技術資料 技術資料 技術資料 タイトル Cerebras Systems 公式サイト（トップ） Cerebras Company / Leadership Cerebras Announces Third Generation Wafer-Scale Engine (2024 Cerebras Unveils CS-4 (2026-08-18, IR) Cerebras Q2 2026 Results (2026-08-12, IR) SEC S-1 (2026-04-17) SEC 424B4 Prospectus (2026-05-14) Cerebras Series G $1.1B (2025-09-30) Cerebras Series H $1B (2026-02-03) OpenAI partners with Cerebras (2026-01-14, Cerebras blog) OpenAI: Cerebras partnership (2026-01-14) CNBC: Cerebras scores OpenAI deal worth over $10 billion (20 AWS and Cerebras collaboration (2026-03-13) AMD: Cerebras inference solution (2026-07-23) Cerebras Launches World's Fastest AI Inference (2024-08-27) Cerebras blog: gpt-oss-120B at 3,000 tokens/sec (2025-08-05) Cerebras brain-scale AI / Weight Streaming, MemoryX, SwarmX Cerebras blog: Hot Chips 2026 deep dive (Nexus/CS-5/CS-6) Cerebras blog: 100x defect tolerance / yield (2025-01) Cerebras blog: Architecture deep dive (IEEE Micro 2023) 出典：— ｜ 公開情報に基づく分析であり法的意見ではありません No. 種別 タイトル S50 技術資料 Hot Chips 36 (2024) Cerebras deck (Sean Lie) S59 論文 Kundu et al., WSE vs GPU comparison (arXiv 2503.11698) S60 業界資料 SemiAnalysis: Cerebras – Faster Tokens Please (2026-05-13) S61 業界資料 SemiAnalysis: Cerebras's next generation CS-4 (2026-08-19) S66 業界資料 Futurum Group: Cerebras S-1 Teardown (2026) S67 業界資料 Mostly Metrics: Cerebras IPO S-1 breakdown (2026) S68 ニュース TechCrunch: Cerebras raises $5.5B in IPO (2026-05-14) S78 業界資料 Artificial Analysis: gpt-oss-120b providers (2026-09-06閲覧) S81 ニュース Tom's Hardware: NVIDIA Groq 3 LPX at Hot Chips 2026 S82 企業公式 NVIDIA Q2 FY2027 results (2026-08-26) S101 業界資料 IEEE Spectrum: Expect a wave of wafer-scale computers (TSMC S109 その他 Justia: Rex Computing v. Cerebras Systems (D. Del. 1:21-cv-0 P01 特許DB Summaria-MCP（Model Context Protocol）特許検索：出願人 CEREBRAS（US/WO/ P02 特許DB Google Patents: WO2018154494A1（Accelerated deep learning） P06 特許DB Google Patents: WO2019022902A1（Multi-die interconnection） P09 特許DB Google Patents: WO2020044238A1（Processor element redundancy） P10 特許DB Google Patents: WO2021074795A1（Dynamic routing） P12 特許DB Google Patents: WO2026044265A1（Autoregressive inference） P24 特許DB Google Patents: 競合特許（各公報番号ページ） 全138件のURL付き一覧はMarkdown第16章／HTML「Sources」タブ。出典: Summaria-MCP（Model Context Protocol） 37

CEREBRAS SYSTEMS ｜ 知財・事業戦略分析 Disclaimer / 免責 本ダッシュボードは公開情報に基づく経営・知財戦略検討用資料です。特許の有効性、権利範囲、侵害・非侵害、FTOに関する法的意見ではありません。出願 人名の揺れ、未公開出願、譲渡、権利満了、審査経過、各国移行状況は追加確認が必要です。重要な意思決定には、専門家による詳細な特許調査・鑑定が必要 です。 特許件数・ステータスは調査基準日（2026-09-07）時点でSummaria-MCPおよびGoogle Patentsから確認できた公開文献に基づき、未公開出願（直近18か月）を含まない。 「登録」は公報種別に基づく表記であり、権利の現存（年金納付・無効審判等）を保証しない。PCTの「Ceased」表示は権利消滅を意味しない。 競合企業の件数は出願人名検索結果であり、名義揺れ・子会社を完全には反映しない。 評価記号（◎○△×、高/中/低）は分析上の相対評価であり、法的効力や投資推奨を意味しない。 財務・契約情報はSEC提出書類・IRを優先し、報道・アナリスト推定は確度ラベルで区別した。 出典：— ｜ 公開情報に基づく分析であり法的意見ではありません 38