De industrie van AI-chips beperkt zich niet langer tot het ontwikkelen van snellere GPU’s. Een nieuwe generatie bedrijven probeert de volledige systeemarchitectuur te transformeren om dataverplaatsing, energieverbruik en afhankelijkheid van hoge-breedbandgeheugen te beperken. Cerebras, Groq, Etched, d-Matrix, Tenstorrent en andere ondernemingen gaan uit van verschillende ideeën, maar delen hetzelfde doel: een levensvatbaar alternatief vinden voor het model dat Nvidia tot marktleidende speler heeft gemaakt.
De kernpunten van nieuwe AI-chipbedrijven in 30 seconden
- Cerebras, Groq, Etched en andere bedrijven behalen waarderingen van meerdere miljarden dollars.
- Elke architectuur probeert een andere knelpunt te verminderen, van geheugen tot onderlinge chipcommunicatie.
- Cerebras gebruikt een processor ter grootte van een wafer; Groq focust op SRAM en voorspelbare uitvoering.
- Etched en Taalas investeren in zeer gespecialiseerde chips, terwijl d-Matrix de berekeningen dichter bij het geheugen brengt.
- De waarderingen weerspiegelen hoge verwachtingen, maar veel technologieën moeten nog schaal, kosten en commercieel gebruik bewijzen.
De marktbeeld van juli 2026 toont een industrie in volle zoektocht. Verschillende bedrijven worden gewaardeerd boven de miljard dollar en sommige zelfs veel hoger, al is het belangrijk onderscheid te maken tussen beurswaarde, waarderingen uit private rondes, marktgeruchten en transacties die niet gelijkstaan aan volledige overnames.
Het voorbeeld van Groq is illustratief. De aangekondigde overeenkomst met Nvidia eind 2025 werd in sommige analyses voorgesteld als een overname van 20 miljard dollar. Beide bedrijven noemden het echter een niet-exclusieve licentie op inference-technologie en het aannemen van deel van het team. Nvidia bevestigde later dat ze geen producten, contracten of aandelen van Groq had gekocht. Groq bleef zelfstandig opereren en haalde in juni 2026 nog eens 650 miljoen dollar op.
Cerebras hield een beursgang. Het bedrijf werd in mei 2026 genoteerd op Nasdaq met een initiële prijs van 185 dollar per aandeel, hoger dan de originele bandbreedte. De marktkapitalisatie fluctueert sindsdien, dus een getal als 48 miljard dollar is slechts een momentopname van de markt, geen blijvende waardering.
Het gemeenschappelijke probleem: dataverplaatsing kost te veel
Het grootste deel van het werk van een AI-versneller bestaat uit wiskundige operaties op enorme matrices. De rekenkracht is hierbij niet het enige limiet. Data moeten voortdurend verplaatst worden tussen geheugen, processor en andere chips in het systeem.
Deze beweging kost tijd en energie. Het vereist ook hoog-breedbandgeheugens, snelle interne netwerken en geavanceerde verpakkingssystemen. Bij distributie van een model over meerdere GPU’s gaat potentieel prestatieteruggang verloren doordat gewichten, activaties en resultaten op de juiste plek moeten aankomen.
De meeste startups proberen deze uitdaging vanuit een gerichte invalshoek aan te pakken. Ze concurreren niet allemaal direct met Nvidia in dezelfde markten of bieden onderling inwisselbare producten, maar bijna allemaal dagen ze een deel van de conventionele architectuur uit.
Cerebras wil de communicatie tussen chips verminderen door een processor te maken die vrijwel de volledige wafer beslaat. Groq vervangt een deel van de afhankelijkheid van extern geheugen door grote SRAM-blokken en een vaste planning. d-Matrix brengt bepaalde operaties dichter bij of binnen het geheugen. Etched beperkt de flexibiliteit van de processor zodat zich kan richten op transformer-gebaseerde modellen.
De gedeelde gedachte is eenvoudig: als dataverplaatsing één van de belangrijkste kosten van AI is, kan een architectuur die deze bewegingen vermindert, besparen op latentie, efficiëntie of kosten.
Cerebras doorbreekt veel grenzen tussen chips
Cerebras bouwt haar aanpak rond Wafer-Scale Engine, een processor gemaakt uit een volledige silicium wafer. De WSE-3 beslaat 46.225 mm², bevat vier biljoen transistors en telt 900.000 cores gericht op AI-belastingen, volgens specificaties van het bedrijf.
Een traditionele processor wordt verkregen door een wafer in vele kleinere chips te snijden. Cerebras laat het grootste deel van de oppervlakte intact en gebruikt eigen mechanismen voor defectenbeheer, voeding, koeling en interne communicatie.
Deze aanpak vermindert de noodzaak om bepaalde belastingen te verdelen over tientallen of honderden modules. Volgens het bedrijf vereenvoudigt het ook het trainen van grote modellen en vermindert het dataverplaatsen tussen apparaten.
Er zijn wel nadelen. Het fabriceren, voeden en koelen van zo’n omvangrijke processor vereist geavanceerde engineering. Het creëert ook een heel ander platform dan conventionele GPU-clusters, waardoor klanten afhankelijk worden van Cerebras-software en systemen.
Desalniettemin is het gelukt om deze architectuur te transformeren in commerciële product- en serviceoplossingen, iets wat veel chipstartups niet bereiken. De beursgang heeft bovendien de perceptie versterkt dat er een markt is voor alternatieve accelerators, al zal de verdere ontwikkeling afhangen van inkomsten, gebruik en het vermogen om klanten aan te trekken, niet alleen via grote deals.
Groq focust op SRAM en voorspelbare uitvoering
Groq ontwikkelde haar taalmodel-processor, de LPU, met een andere aanpak. De architectuur gebruikt honderden megabytes SRAM binnen de chip als hoofdopslag voor bepaalde data, in plaats van het alleen als cache te zien.
SRAM is snel en heeft zeer lage latentie, maar neemt meer ruimte in en is duurder dan andere geheugensoorten. Hierdoor kan er maar een beperkte hoeveelheid geïntegreerd worden per processor, waardoor Groq modellen verdeelt over meerdere chips.
De andere belangrijke eigenschap is de uitvoering: de compiler plant operaties vooraf (statisch), zodat gedrag voorspelbaar is. Dit scheelt complexiteit die gepaard gaat met GPU’s, die ontworpen zijn om zeer veelzijdige ladingen te verwerken en veel beslissingen te nemen tijdens het werkproces.
Groq richt zich vooral op inference, het uitvoeren van getrainde modellen om antwoorden te genereren. Lage latentie is belangrijk voor assistants, agents en interactieve applicaties waarin snelle respons gewenst is.
De licentieovereenkomst met Nvidia bevestigt een deel van hun intellectueel eigendom, maar betekent niet dat Groq ophoudt te bestaan. Het voortbestaan als leverancier van GroqCloud toont dat dergelijke operaties bedrijven kunnen helpen technologie en talent te verwerven zonder volledige overname.
Etched richt zich op transformers door flexibilidade te beperken
Etched neemt een riskantere gok: het bouwen van een Application-Specific Integrated Circuit (ASIC), specifiek gericht op transformer-gebaseerde modellen.
GPU’s bieden flexibiliteit omdat ze met veel verschillende berekeningen kunnen werken. Die veelzijdigheid betekent echter dat hardware, instructies en software niet altijd volledig benut worden bij een specifiek model.
Etched beargumenteert dat het weglaten van veel generaliteit meer oppervlakte vrijmaakt voor de specifieke operaties van transformers. Het potentieel voordeel is hogere prestaties per dollar of watt. Het risico is dat, als de dominante architectuur van modellen wijzigt, een te gespecialiseerde processor minder bruikbaar wordt.
In juli 2026 meldde Etched een Series C-financiering met een waardering van 10,3 miljard dollar, na ongeveer 800 miljoen dollar aan kapitaalwervingen. Deze cijfers komen van het bedrijf zelf en vertegenwoordigen nog geen daadwerkelijke inkomsten, orders of marktaandeel.
Het snelle stijgen in waardering illustreert hoe beleggers bereid zijn te investeren in gespecialiseerde ontwerpen. Het onderstreept ook dat een hoge waardering op privégebied niet automatisch betekent dat het bedrijf grote volumeproductie en een ontwikkeld software-ecosysteem kan realiseren.
d-Matrix brengt berekening dichterbij het geheugen
d-Matrix baseert zich op een ander inzicht: processors wachten vaak teveel op data. Haar memory-in-memory computing-architectuur voert mathematische operaties uit dicht bij de geheugencellen waar de data opgeslagen zijn.
De Corsair-platform gebruikt chiplets met SRAM voor inferentie bij generatieve modellen. Het stelt dat deze aanpak de latentie, energie-efficiëntie en kosten/prestatieverhouding kan verbeteren, hoewel vergelijkingen gebaseerd zijn op specifieke configuraties en modellen.
Memory computing vermindert de hoeveelheid datatransfers tussen processor en geheugen, maar elimineert ze niet volledig. De uitdaging ligt in het behouden van precisie, capaciteit, programmeerbaarheid en schaalbaarheid voor massaproductie.
In juni 2026 kondigde d-Matrix aan dat Corsair volledig in productie was genomen. Dit is een belangrijke stap, omdat het een overgang signaleert van experimentele architectuur naar een product dat naar klanten kan gaan, hoewel succes nog afhankelijk is van daadwerkelijke implementaties en ondersteuning in productieomgevingen.
Tenstorrent wil ook concurreren via intellectueel eigendom
Tenstorrent combineert AI-versnellers, RISC-V-processors en een licentiebedrijf voor intellectueel eigendom. De strategie omvat niet alleen het verkopen van volledige systemen of kaarten.
Het biedt CPU-kernen, chiplets en versnellingmodules die andere fabrikanten kunnen integreren in hun ontwerpen. Dit opent markten in datacenters, automotive, consumentenelektronica en gespecialiseerde systemen.
RISC-V is een open instructieset-architectuur die het mogelijk maakt processors te ontwerpen zonder afhankelijk te zijn van licenties zoals Arm of x86. Tenstorrent combineert deze met haar Tensix-kernen om heterogene platforms te bouwen.
Het voordeel ligt in de commerciële flexibiliteit: een bedrijf kan technologie van Tenstorrent gebruiken zonder meteen een compleet systeem aan te schaffen. De uitdaging is het opbouwen van een rijpe software-omgeving en het overtuigen van fabrikanten om een nieuwe architectuur te adopteren.
Niet alle chip-startups maken hetzelfde product
Vergelijkingen tussen startups in chips verwarren vaak verschillende bedrijfsmodellen. Cerebras, Groq, Etched en d-Matrix ontwikkelen accelerators voor AI-uitvoering, maar Substrate werkt aan semiconductorfabricage.
Substrate probeert alternatieven te ontwikkelen voor de meest geavanceerde lithografietools met een nieuwe methode met röntgenlithografie. Haar doel is om Amerikaanse fabrieken te bouwen die met mogelijk goedkopere apparatuur geavanceerde chips kunnen produceren.
Dit project concurreert niet direct met Nvidia’s GPU’s, maar wil de manier verbeteren waarop transistors en tussenverbindingen op de wafers worden geprint.
Vergelijkbare trends zien we bij bedrijven die zich richten op fotonica, netwerken, koeling, supergeleiders of verpakkingen. Ze maken allemaal deel uit van de infrastructuur voor AI, maar lossen verschillende problemen op.
Daarom bestaat er geen complete lijst van “alle” chip-startups. De markt omvat accelerators, geheugen, interconnects, intellectueel eigendom, productie, optica en complete systemen.
Waarderingen groeien sneller dan producten
De sector laat een enorme investeringsinteresse zien. Cerebras schatte haar beurswaarde op tientallen miljarden dollars, Etched op 10,3 miljard na een privéfinancieringsronde, en SambaNova zou 11 miljard hebben bereikt na een nieuwe financiering.
Deze cijfers maken een directe vergelijking moeilijk. Een beurswaarde wijzigt dagelijks. Een privéwaardering is gebaseerd op de afgesproken prijs en kan voorwaarden bevatten. Een intellectueel eigendomslicentie is geen volledige bedrijfsovername.
De ontwikkeling van halfgeleiders kost ook veel kapitaal. Het ontwerpen, produceren van wafers, bouwen van systemen, creëren van compilers en bieden van support kan honderden miljoenen kosten voordat er significante verkoop is.
Nvidia domineert niet alleen met haar GPU’s. Ze beschikt over CUDA, bibliotheken, netwerken, systemen, goede contacten met fabrikanten en een grote ontwikkelaarsgemeenschap. Een enkele accelerator kan goede resultaten leveren in benchmarks, maar het vervangen van de hele platform is complex.
Een academische studie uit 2026 vergeleek verschillende accelerators en vond dat de beste keuze afhankelijk was van modelgrootte, contextlengte en workload. Ook verschillen in energieverbruik in rust en software-maturiteit speelden een rol. Dit ondermijnt de idee van één winnende architectuur voor alle toepassingen.
De echte concurrentie zal waarschijnlijk niet leiden tot één vervanger voor Nvidia. Het zal resulteren in een gefragmenteerde markt met GPU’s voor algemeen gebruik en gespecialiseerde accelerators voor bijvoorbeeld inferentie, specifieke modellen, edge-apparaten of energiebeperkte installaties.
Veelgestelde vragen
Welke AI-chip-startup heeft de hoogste waardering?
Cerebras is beursgenoteerd en heeft een marktwaarde van meer dan 40 miljard dollar bereikt. Deze cijfers fluctueren met de markt en moeten niet direct vergeleken worden met privéwaarderingen zoals die van Etched.
Heeft Nvidia Groq voor 20 miljard dollar gekocht?
Nee, ze kochten niet automatisch het hele bedrijf. Nvidia licentieerde een niet-exclusief gebruik van technologie en nam een deel van het team aan. Groq bleef zelfstandig opereren.
Waarom proberen zoveel bedrijven dataverplaatsing te verminderen?
Omdat het verplaatsen van data tussen geheugen, processors en andere chips energie kost en de latentie verhoogt. Bij grote modellen kan dat de prestatie meer beperken dan de rekenkracht zelf.
Kan een startup Nvidia vervangen?
Ze kunnen concurreren in specifieke workloads, maar Nvidia in het hele marktbeeld vervangen is moeilijk. Naast hardware moet men ook software, tools, netwerken, support en een grote ontwikkelaarsgemeenschap evenaren.