Cerebras Systemsビジネス視点での知財分析

IP / Business / Technology Due Diligence Cerebras Systems 知財・事業戦略分析 ウェハスケール AI 計算が支える競争優位性と知財防衛線 知財戦略を一言でいうと : ウェハスケールの物理・実行基盤を特許で固め、 API ・顧客・運用ノウハウで事業防衛する戦略。 対象 URL: https://www.cerebras.ai/ 対象技術 : ウェハスケール AI プロセッサ / データフロー型 AI 計算 調査対象 : Global / 基準日 : 2026-07-08 01

Executive Summary Executive Takeaways 01 事業上の勝ち筋 GPU クラスタの 通信 / メモリ制約を、 WSE と API/ 専 用容量で顧客価値に変換。 競争優位性は「 WSE 物理基盤」と「推論クラウド運用」の二層で成 立。 02 知財上の防衛線データフロー実行、 同期、冗長性、冷却 / 電源など物理・ 実行基盤に厚い。 03 非特許資産 OpenAI 互換 API 、顧 客契約、クラウド運用データ、速度ブ ランドが模倣困難性を補う。 04 追加 DD 論点競合基本特許、各国 移行、継続 / 分割、契約・粗利・ PoC 性能を分けて検証。 35 件 33 件 11 件 21 社 10 件 主要特許ファミリー 登録特許 製品・サービス 競合企業 FTO 注意領域 本調査で整理した代表公開公報群。 IFI は 2024 年時点 128 出願 /50 登録を言及。 代表リスト内の US 登録公報数。網羅件数で はない。 公式サイト等で確認した範囲。 直接・間接・代替・エコシステムを含む。 法的判断ではなく追加調査領域。 主メッセージ : 特許は物理 / 実行基盤を守り、クラウド体験と顧客契約は非特許資産で防衛する。 出典 : S01, S03, S04, S06, S13, S20 公開情報ベース / 2026-07-08 Executive Summary 02

Executive Summary 投資・経営判断上の結論 「半導体企業」ではなく、 AI インフラ運用企業としての収益化力を見 る。 視点 結論 確認すべき DD 経営者 推論 API 、専用容量、オンプレを束ねた AI インフラ事業として展開 供給、電力、データセンター、顧客集中、 FTO を KPI 化 投資家 WSE 特許と顧客 / 提携がモート候補。売上継続性と粗利が鍵 契約期間、稼働率、粗利、 CapEx 、主要顧客依存を検証 技術責任者 自社モデル / 自社 SLO で性能・統合・セキュリティを実測 API 互換、長文、バッチ、障害時退避、監視を PoC で確認 採用・投資の判定軸 = 技術優位 × 収益化実績 × 非特許資産 × FTO 耐性 短期顧客ワークロードで PoC 。公開ベンチではな く p95/p99 、精度、コストを実測。 中期 Dedicated/ オンプレの契約条件、 SLA 、稼 働率、セキュリティ要求を確認。 長期各国特許、継続 / 分割、競合請求項チャート を作成し、回避 / 補強余地を整理。 出典 : S12, S13, S14, S15, S20 公開情報ベース / 2026-07-08 Executive Summary 03

Executive Summary 技術責任者向け結論 導入判断はアーキテクチャ評価よりも、運用条件下での実効性能で決 まる。 推奨 PoC 設計同一モデル・同一プロンプト・同一 SLO で、 GPU クラウド /Groq/TPU 等と横並び比較。 公開ベンチだけでは採用判断に不十分。 評価軸 確認ポイント 性能 tokens/s 、 p95/p99 、長文、バッチ、モデル別差分、精度劣化 統合 OpenAI 互換 API 、 SDK 、監視、ログ、既存 GPU/ クラウドとの接続 運用 容量予約、障害退避、 SLA 、地域、コスト上限、セキュリティ 知財 低精度演算、データフロー、冷却 / 電源、クラウド運用での接触可能性 技術 DD の焦点 API 互換性、長文コンテキスト、バッ チ処理、観測性、障害時挙動、データ境界を契約前に 確認。 結論 : 実ワークロードで「速い・安い・安全に運用できる」を確認する。 出典 : S03, S06, S08, S09, S10, S11 公開情報ベース / 2026-07-08 Executive Summary 04

01 Business & Technology 事業・製品・顧客価値を、コア技術と一体で整理する。 公開情報ベース / 詳細は HTML ・ Markdown に収録 出典 : S01, S02, S03, S04, S06 公開情報ベース / 2026-07-08 Business & Technology 05

Business & Technology 会社・事業概要 Cerebras はウェハスケール AI 計算を基盤に、クラウド推論とオンプ レ AI 基盤を提供。 項目 確認内容 確度 正式社名 Cerebras Systems, Inc. 確認済み 11 件 製品・サービス 公式サイト等で確認した範囲。 本社所在地 1237 E. Arques Ave, Sunnyvale, CA 94085, USA 確認済み 設立年 / 創業者 2015 年 / Andrew Feldman 、 Gary Lauterbach 、 Michael James 、 Sean Lie 、 確認済み Jean-Philippe Fricker 12 件 顧客セグメント 公式顧客・用途から推定を含む。 CEO ・経営陣 CEO は Andrew Feldman 。詳細役職は会社ページ・投資家資料で継続確認が必要。確認済み 21 社 主要市場 生成 AI 推論、 LLM 学習、 AI クラウド、エンタープライズ AI 、金融・医療・科学技 公開情報から推定 術計算、ソブリン AI 。 競合企業 資金調達・投資家 直接・間接・代替・エコシステムを含む。 2026 年 5 月 Nasdaq 上場 CBRS 。 IPO 総額約 63.8 億ドル。 2026Q1 に Series H 、 確認済み / 要確認 OpenAI 関連ローン、信用枠等の資金情報。 ポイント : 企業価値は WSE 単体ではなく、 API ・専用容量・オンプレを束ねる事業実装で決まる。 出典 : S01, S02, S03, S04, S12, S13 公開情報ベース / 2026-07-08 Business & Technology 06

Business & Technology 主要製品・サービス 製品群は「半導体基盤」「オンプレシステム」「クラウド推論」「専 用容量」に分かれる。 WSE-3 / WSE46,225mm2 級ウェハスケール AI プロセッサ、 90 万 AI コア、 44GB SRAM 、冗長ルーティング 位置づけ : 物理的な差別化源泉 CS-3 System16RU 筐体、 WSE-3 搭載、最大 24T パラメータ対応訴求 位置づ け : 専用導入の中核 Inference CloudOpenAI 互換 API 、高速推論、公開モデル、サーバレス / 従量 利用 位置づけ : 開発者・ AI アプリ向け Dedicated Endpoints 専用容量、カスタム重み、管理 API 、メトリクス、 バッチ 位置づけ : 大口需要 /SLA 対応 その他の確認製品 / サービス 顧客セグメント 成長性 On-Premises CS-3 Condor Galaxy AI Supercompu… Cerebras Code Pro Cerebras Code Max AWS Marketplace/Trainium Co… 政府、医療、金融、研究機関、データ主権重視企業 AI クラウド、ソブリン AI 、研究 / 産業 AI 個人開発者、 AI コーディングユーザー 高頻度開発者、 AI コーディングユーザー AWS 利用企業、ハイパースケール AI 中-高 高 中 中 高 出典 : S04, S05, S03, S06, S07, S08, S09 公開情報ベース / 2026-07-08 Business & Technology 07

Business & Technology 顧客セグメント 主な顧客価値は、低レイテンシ、専用容量、データ主権、 GPU 不足 回避。 顧客セグメント 利用製品 ニーズ 代替手段 AI モデル企業 Inference/Dedicated LLM 応答を低レイテンシで高速化したい 小型モデル化、キャッシュ、量子化、 RAG ハイパースケーラ CS-3/WSE-3/Dedicated GPU 不足・電力制約下で AI 計算容量を拡張したい 自社 ASIC 、 GPU クラスタ増設 規制業種エンタープライズ On-Prem CS-3/Dedicated 機密データを外部へ出さずに AI を運用したい 小型モデル、ローカル推論 金融情報・リサーチ Dedicated/Inference 大量文書検索と要約を短時間で実行したい バッチ処理、事前生成、検索強化のみ 医療・ライフサイエンス CS-3/Dedicated 医療・創薬モデルを安全かつ高速に実行したい 外部委託 HPC 、小型化モデル 国立研究所・ HPC CS-3/HPC workloads 科学計算やシミュレーションを高効率化したい 従来 MPI/CPU/GPU 最適化 生成 AI アプリ企業 Inference Cloud ユーザー体験を損なわず即時応答を返したい モデルルーティング、キャッシュ、非同期 UI 顧客が買うのは「チップ」ではなく、応答速度・容量確保・データ主権・運用確実性である。 出典 : S04, S05, S03, S06, S07, S08, S09 公開情報ベース / 2026-07-08 Business & Technology 08

Business & Technology 顧客ニーズとビジネスモデル 収益化は複合型。クラウド推論と専用 / オンプレ導入の組み合わせが 重要。 収益モデルハードウェア / システム販売、クラウド推論、専用容量、オンプレ導 入、プラットフォーム経由課金、大型データセンター提携の複合モデル。 顧客獲得経路公式 API 、開発者向け無料 / 有料プラン、 AWS Marketplace 、提携、 顧客事例、オンプレ / 専用商談。 導入障壁既存 GPU 資産、モデル互換性、クラウド契約、運用 SLA 、データセン ター制約、電力・冷却・調達プロセス。 スイッチングコスト API 推論では比較的低いが、オンプレ / 専用ではモデル最適 化、監視、容量予約、調達が絡み中 - 高。 投資家が見るべき論点 IPO 後資金余力、大型契約の実現可能性、売上成長、粗利、 顧客集中、推論単価、 GPU 代替性、知財防衛力。 技術責任者が見るべき論点モデル互換性、実測レイテンシ、バッチ / コンテキス ト長、精度、運用監視、障害時冗長性、 MLOps 統合。 出典 : S06, S10, S11, S12, S15 公開情報ベース / 2026-07-08 Business & Technology 09

Business & Technology コア技術と用途 WSE は「巨大チップ上のデータフロー計算」で GPU クラスタの一部 課題を迂回する。 コア技術ウェハスケール AI プロセッサ Cerebras の中核は、通常は小さなチッ プを多数並べる AI 計算を、ウェハ 1 枚に近い巨大プロセッサ上で処理する考 え方である。多くの AI 計算を同じチップ内のコアとメモリで実行し、 GPU ク ラスタで問題になりやすいチップ間通信やメモリ移動の待ち時間を減らす。 技術的に重要な理由 AI モデルの大型化では演算器だけでなく、メモリ帯域、 ネットワーク、同期、冷却、故障耐性が性能を左右する。 Cerebras は単一巨 大ファブリック、波動 / データフロー型実行、冗長コア / 経路、 Weight streaming を組み合わせる。 顧客にとって重要な理由顧客価値は理論 FLOPS ではなく、トークン速度、導 入 / 運用の単純さ、データ主権、専用容量、既存 API 互換性である。 用語 WSE 簡単な説明 差別化につながる理由 NVIDIA GPU はエコシステムと汎用性に優れるが、 LLM 実行では GPU 間通信やメモリ分散が課題になり得る。 Cerebras は巨大チップ と API/ 専用エンドポイントで顧客体験までパッケージ化する。 CS-3 データフロー オンチップ SRAM Weight streaming 意味合い : GPU 主流エコシステムに対して、低レイテンシ / 大規模処理で差別化余地を作る。 出典 : S03, S04, S05, S20 公開情報ベース / 2026-07-08 Business & Technology 10

Business & Technology 技術的差別化要因 1. WSE 物理基盤巨大 AI ファブリック 90 万 AI コ ア訴求 差別化は演算器だけでなく、配置・同期・冗長性・冷却・運用まで連 なる。 2. データフロー演算を流 れで実行 通信 / 配置を最適 化 3. 同期・冗長タスク同期 障害耐性 / 利用率向上 4. 熱・電源高密度実装を 運用可能にする 5. クラウド運用 API/ 専 用容量で顧客価値に変換 知財との対応公開特許は、データフロー AI 実行、コンパイラ / 配置、同期、冗長コア、熱・電源、インターコネクトに分布。クラウド体験そのものは非特 許資産の比重が高い。 出典 : S04, S05, S20, S21, S23 公開情報ベース / 2026-07-08 Business & Technology 11

Business & Technology 従来技術・周辺技術との比較 GPU 、 TPU 、 LPU 、 RDA 、自社 ASIC が並走し、用途ごとに代替 可能性がある。 周辺技術 Cerebras との違い 競争上の意味 GPU クラスタ Cerebras は巨大チップ内で通信を閉じる部分を増やす。 エコシステムでは GPU 優位、低遅延特化では Cerebras に余地。 NVIDIA Tensor Core Cerebras はチップ全体を AI ファブリックとして設計。 低精度演算の FTO 接触に注意。 Google TPU/ シストリックアレイ TPU はシストリックアレイ中心、 Cerebras はウェハスケール / データフローを強調。 クラウド大手内製 ASIC が間接競合。 Groq LPU/TSP Groq は決定論的実行、 Cerebras は巨大チップとオンチップ資源を訴求。 高速推論の直接競合。 SambaNova RDU 再構成可能性とウェハスケールの違い。 データフロー特許の近接領域。 AWS Trainium/Inferentia AWS クラウド内のコスト最適化 ASIC 。 提携と競合の両面。 モデル小型化 / 量子化 Cerebras はハード高速化、顧客はソフト最適化だけで済ませる場合もある。 代替手段として価格下方圧力。 位置づけ : Cerebras は GPU の汎用エコシステムを正面から置換するより、低レイテンシ / 専用容量 / 大規模 AI 基盤で選択される。 出典 : S23, S24, S25, S26, S27, S28, S15, S12 公開情報ベース / 2026-07-08 Business & Technology 12

02 Competition & Advantage 競争環境を直接競合・間接競合・代替技術に分け、顧客価値で評価する。 公開情報ベース / 詳細は HTML ・ Markdown に収録 出典 : S23, S24, S25, S26, S27, S28, S15, S12 公開情報ベース / 2026-07-08 Competition & Advantage 13

Competition & Advantage 競争環境 Cerebras は GPU エコシステム、低遅延推論専用機、クラウド大手内 製 ASIC と同時に競争。 8 6 3 2 1 間接競合 直接競合 代替技術 エコシステム企業 顧客候補 企業名 区分 関連製品・技術 Cerebras との関係 NVIDIA 直接競合 GPU 、 Tensor Core 、 CUDA 、 DGX/GB200 GPU 主流エコシステムで最大の比較対象 Groq 直接競合 LPU/Tensor Streaming Processor 、低レイテンシ推論クラウド 高速推論 API で直接比較 SambaNova Systems 直接競合 Reconfigurable Dataflow Unit 、エンタープライズ AI データフロー系 AI アクセラレータ Google / Google Cloud TPU 間接競合 TPU 、シストリックアレイ、 Google Cloud TPU クラウド AI ASIC 、代替インフラ Amazon AWS エコシステム企業 Trainium 、 Inferentia 、 Bedrock 、 EC2 提携先かつ内製 ASIC 競合 AMD 間接競合 Instinct MI シリーズ GPU GPU 代替供給 Intel 間接競合 Gaudi 、 Xeon/HPC AI アクセラレータ /CPU HPC Tenstorrent 間接競合 RISC-V/AI プロセッサ AI チップ新興企業 示唆 : 直接競合だけでなく、クラウド大手の内製 ASIC と GPU エコシステムのロックインを競争圧力として見る。 出典 : S23, S24, S25, S26, S27, S28, S15, S12 公開情報ベース / 2026-07-08 Competition & Advantage 14

Competition & Advantage 直接競合 高速 AI 推論 /AI 基盤で、 GPU クラウド・ LPU ・ RDA ・ TPU/ Trainium が主要な比較軸。 企業名 関連製品・技術 比較上の意味 展開 NVIDIA GPU 、 Tensor Core 、 CUDA 、 DGX/GB200 GPU 主流エコシステムで最大の比較対象 強 Groq LPU/Tensor Streaming Processor 、低レイテンシ推論クラウド 高速推論 API で直接比較 中 SambaNova Systems Reconfigurable Dataflow Unit 、エンタープライズ AI データフロー系 AI アクセラレータ 中 CoreWeave GPU クラウド GPU クラウド容量の直接比較対象 中 Together AI 推論クラウド / モデル提供 API 推論レイヤの競合 中 Fireworks AI 高速推論 API 開発者向け推論サービス競合 中 見るべき競争軸性能だけでなく、開発者エコシステム、供給量、価格、 SLA 、クラウド統合、既存資産との互換性が採用可否を左右する。 出典 : S23, S24, S25, S26 公開情報ベース / 2026-07-08 Competition & Advantage 15

Competition & Advantage 間接競合・代替技術 クラウドプラットフォーム、オンプレ GPU 、小型モデル化、キャッ シュ / 量子化も代替手段になる。 企業 / 手段 区分 関連技術 比較上の意味 Google / Google Cloud TPU 間接競合 TPU 、シストリックアレイ、 Google Cloud TPU クラウド AI ASIC 、代替インフラ Amazon AWS エコシステム企業 Trainium 、 Inferentia 、 Bedrock 、 EC2 提携先かつ内製 ASIC 競合 AMD 間接競合 Instinct MI シリーズ GPU GPU 代替供給 Intel 間接競合 Gaudi 、 Xeon/HPC AI アクセラレータ /CPU HPC Tenstorrent 間接競合 RISC-V/AI プロセッサ AI チップ新興企業 Graphcore 間接競合 IPU AI アクセラレータ新興 / 買収後の動向要確認 Huawei Ascend 代替技術 Ascend AI プロセッサ 中国市場の代替 ASIC Alibaba Cloud / Hanguang 代替技術 AI ASIC/ クラウド AI 中国クラウド内製 ASIC リスク : 顧客は「最速」よりも、十分速く・安く・既存運用に乗る選択肢を選ぶ可能性がある。 出典 : S27, S28, S15, S23, S12, S14, S07 公開情報ベース / 2026-07-08 Competition & Advantage 16

Competition & Advantage 競争優位性評価 強い優位性は高速推論・専用容量・ WSE 物理基盤・大型顧客 / 提携に 集中。 ◎ 強い セグメント 製品 評価 評価理由 AI アプリ企業 Inference Cloud ◎ 高速トークン生成を公式に訴求し、 OpenAI 互換 API で試用障壁を低 減。 大口 AI モデル企業 Dedicated Endpoints ◎ 専用容量、カスタム重み、管理 API により大口推論需要と SLA 需要に 適合。 オンプレ / 規制業種 CS-3 ◎ オンプレミス高速 AI はクラウド API 専業との差別化。 ハイパースケール / 国家 AI CS-3/Condor Galaxy ◎ G42/Condor Galaxy や OpenAI 提携など大型案件が公開され、供給能 力の信頼材料。 技術責任者 WSE-3/CS-3 ◎ 単一巨大ファブリック、オンチップメモリ、冗長性、 Weight streaming が GPU 分散課題に対応。 投資家 事業全体 ◎ IPO 、 2026Q1 売上、 OpenAI/AWS 提携が市場牽引力を示す。 6 ○ 一定 4 △ 限定 4 評価記号 : ◎= 顧客が選択する大きな理由 / ○= 一定の優位 / △= 条件付き / ×= 弱い可能性 強い優位性 : 6 件、特許で保護される優位性 : 4 件、非特許資産依存 : 7 件 出典 : S06, S08, S09, S10, S12, S03, S14, S17 公開情報ベース / 2026-07-08 Competition & Advantage 17

Competition & Advantage 強い優位性トップ 顧客が選択する大きな理由は、速度・専用性・データ主権・物理差別 化に集約される。 顧客 製品 ニーズ 強い理由 AI アプリ企業 Inference Cloud 応答速度を上げたい 高速トークン生成を公式に訴求し、 OpenAI 互換 API で試用障壁を低減。 大口 AI モデル企業 Dedicated Endpoints 専用容量で安定運用したい 専用容量、カスタム重み、管理 API により大口推論需要と SLA 需要に適合。 オンプレ / 規制業種 CS-3 機密データを自社管理したい オンプレミス高速 AI はクラウド API 専業との差別化。 ハイパースケール / 国家 AI CS-3/Condor Galaxy 大量 AI 計算を早く確保したい G42/Condor Galaxy や OpenAI 提携など大型案件が公開され、供給能力の信頼材料。 技術責任者 WSE-3/CS-3 モデル並列の複雑性を減らしたい 単一巨大ファブリック、オンチップメモリ、冗長性、 Weight streaming が GPU 分散課題に対応。 投資家 事業全体 GPU 以外の AI 計算成長に投資したい IPO 、 2026Q1 売上、 OpenAI/AWS 提携が市場牽引力を示す。 示唆 : 強い優位性ほど、特許で守る領域と非特許資産で守る領域を分解して管理する必要がある。 出典 : S06, S08, S09, S10, S12, S03, S14, S17 公開情報ベース / 2026-07-08 Competition & Advantage 18

Competition & Advantage 競合上のリスクと非特許資産 競争優位の一部は特許だけでは守れず、契約・運用・データ・ブラン ドが重要。 競合上の主要リスク GPU クラウドや Groq が速度 / 価格で追随。クラウド大手は 既存顧客基盤で導入障壁を下げる。 優位性が弱い領域価格、エコシステム、クラウド統合、既存 GPU 資産との互換性 では競合に劣る可能性。 非特許資産 効き方 リスク 大型顧客・提携 OpenAI 、 AWS 、 G42 等は需要信頼と資金調達力を補強。 顧客集中、契約条件、提携先戦略変更。 クラウド運用データ 推論負荷・モデル別性能・障害対応データがサービス改善に効く。 外部から見えにくく監査・セキュリティ要求が高い。 ブランド / ベンチマーク 高速推論の認知が開発者試用を促す。 競合ベンチマークで相対優位が変動。 ソフトウェアスタック OpenAI 互換 API 、 SDK 、専用エンドポイント管理が導入障壁を下げる。 API 互換は参入障壁が低く価格競争化。 製造・冷却ノウハウ 大型チップの実装・保守は営業秘密性が高い。 サプライチェーン集中、歩留まり不確実性。 非特許資産の管理が、 WSE 特許で守れないクラウド体験・信頼・顧客接点を補強する。 出典 : S06, S10, S12, S13, S14, S15 公開情報ベース / 2026-07-08 Competition & Advantage 19

03 Patent Portfolio 公開特許を技術分類し、事業上の優位性との対応関係を整理する。 公開情報ベース / 詳細は HTML ・ Markdown に収録 出典 : S20, S21, S22, S23 公開情報ベース / 2026-07-08 Patent Portfolio 20

Patent Portfolio 特許ポートフォリオ概観 代表公報 35 ファミリーを整理。物理基盤とデータフロー実行の防衛 線が中心。 35 件 33 件 2件 2+ 14 主要特許ファミリー 登録特許 公開 / 係属 確認法域 技術分類 本調査で整理した代表公開公報群。 IFI は 2024 年時 点 128 出願 /50 登録を言及。 代表リスト内の US 登録公報数。網羅件数ではな い。 代表リスト内の公開公報。 US と PCT/WO を確認。 EP/CN/JP/KR 等は要追加 調査。 独自分類 T04 4 T05 4 T06 4 T07 4 T10 4 T11 4 T01 T02 重要度 件数 高 20 中 14 低 1 ステータス 件数 登録 31 登録 /Active 2 公開 2 3 2 注意 : 件数は本調査で整理した代表公開公報ベースであり、全同族・継続・各国移行の完全件数ではない。 出典 : S20, S21, S22, S23 公開情報ベース / 2026-07-08 Patent Portfolio 21

Patent Portfolio 特許検索方針 出願人名の揺れ・主要発明者・同族 / 継続を前提に、各国 DB 横断の 追加確認が必要。 項目 方針 / 確認内容 検索対象 DB Google Patents 、 Justia Patents 、 WIPO 、 USPTO 、 Espacenet 等。今回の成果物では Google Patents/Justia/IFI 中心。 検索キーワード Cerebras Systems, wafer scale engine, accelerated deep learning, dataflow, wavelet, task synchronization, multi-die inter… 出願人名の揺れ Cerebras Systems Inc. 、 Cerebras Systems, Inc. 、 Cerebras Systems 。旧社名は今回公開情報範囲では確認できず。 創業者・主要発明者 Sean Lie 、 Michael James 、 Gary Lauterbach 、 Andrew Feldman 、 Jean-Philippe Fricker 、 Eric Moon 、 Hao Zhang 等を確認対象に含める。 対象国・地域 Global: US, JP, EP, PCT, CN, KR, UK, CA, AU 等を想定 調査上の限界 未公開出願、譲渡、審査経過、権利満了、外国移行、請求項範囲は追加専門調査が必要。 検索実務上の重点 : Cerebras Systems, Inc. / Cerebras Systems Inc. / 発明者名 / WSE 関連語の組合せ。 出典 : S20, S21, S22, S23 公開情報ベース / 2026-07-08 Patent Portfolio 22

Patent Portfolio 主要特許ファミリー 高重要度の代表公報は、データフロー AI 実行・同期・冗長性・冷 却 / 電源を中心に分布。 No. 代表公報 発明名称 分類 年 状態 P01 US11934945B2 / US2020000514… Accelerated deep learning T01 2018 登録 /Active P02 US10699189B2 Accelerated deep learning T01 2018 登録 P03 US11580394B2 Accelerated deep learning T01 2018 登録 P04 US12625745B2 Optimized placement for efficiency for ac… T02 2021 登録 P05 US12204954B2 Placement of compute and memory T02 2021 登録 P06 US11328207B2 Scaled compute fabric T03 2018 登録 P08 US12177133B2 Dynamic routing T04 2020 登録 P10 US11062200B2 Task synchronization T04 2019 登録 P11 US12314218B2 Task synchronization T04 2021 登録 重要 : 特許の存在は権利範囲・有効性・ FTO を意味しない。請求項単位の確認が必要。 出典 : S20, S21, S22, S23 公開情報ベース / 2026-07-08 Patent Portfolio 23

Patent Portfolio 技術分類と注力領域 14 の独自分類で見ると、 T01/T04/T08/T11 など WSE 実装上の中核 領域が目立つ。 分類 タイトル 内容 事業上の意味 T01 データフロー AI 実行 DNN/LLM 計算を処理素子アレイ上に写像しデータの流れで実行。 推論 / 学習速度の中核。 T02 コンパイラ・配置最適化 モデルの演算・メモリ配置を最適化し通信を抑える。 実効性能と導入容易性を左右。 T03 スケーラブルファブリック 多数処理素子・通信路を統合する巨大計算ファブリック。 ウェハスケール差別化の骨格。 T04 ルーティング・同期 ファブリック内通信、混雑制御、タスク同期。 低遅延・安定実行に直結。 T05 タスク制御・マイクロスレッド 細粒度タスクの起動・並列処理・データ依存制御。 WSE の利用率向上。 T06 Wavelet 表現 Cerebras 特許で繰り返し出るデータ / 制御表現。 独自実行モデルの表現レイヤ。 T07 データ構造・メモリ記述 テンソル / データ構造を descriptor で管理。 モデル実行の抽象化と移植性。 T08 冗長性・歩留まり 巨大チップの欠陥処理・冗長コア / 経路。 ウェハスケール量産の成立条件。 残り分類 : メモリ階層、低精度表現、信頼性、クラウド運用、セキュリティ等は HTML/Markdown に詳細記載。 出典 : S20, S21, S22, S23 公開情報ベース / 2026-07-08 Patent Portfolio 24

Patent Portfolio 出願年別・ステータス別傾向 代表リストでは 2018 年前後の出願が厚く、 US 登録公報が中心。 出願年別 ステータス別 21 登録 登録 /Active 2 公開 2 6 4 1 2017 31 2018 2019 2020 3 2021 国・地域別 重要度別 US 34 高 20 中 US/WO 1 14 低 1 出典 : S20, S21, S22, S23 公開情報ベース / 2026-07-08 Patent Portfolio 25

Patent Portfolio 優位性 × 特許保護 物理基盤とデータフローの優位性は特許対応が強い一方、クラウド体 験は非特許資産に依存。 記号 優位性 保護 対応ファミリー 非特許資産 A01 高速 LLM 推論 / 低レイテンシ ○ P01-P18,P35 実測速度、 API 運用、モデル最適化、データセンター容量 A02 巨大 WSE による GPU 間通信制約低減 ○ P06-P11,P24,P27-P30 製造ノウハウ、歩留まり、冷却、供給網 A03 オンプレ / 専用 AI 基盤によるデータ主権 △ P31-P34,P24 セキュリティ運用、認証、契約 /SLA 、地域データセンター A04 大口提携・大型データセンターによる供給信頼 × 直接対応なし 資金、顧客契約、ブランド、事業実行力 A05 OpenAI 互換 API で導入容易 × 公開特許から直接確認困難 API 設計、 SDK 、ドキュメント、エコシステム連携 A06 オンチップメモリ / 高帯域 ○ P05,P06,P20-P23,P31-P34 製造・設計・運用ノウハウ A07 冗長性による巨大チップ成立 ○ P24,P08 検査、歩留まり管理、製造パートナー 4 2 2 ○ 保護評価 △ 保護評価 × 保護評価 ○= 中核的に支える / △= 間接・周辺的 / ×= 公開特許から直接保護が確認し づらい 出典 : S20, S21, S22, S23 公開情報ベース / 2026-07-08 Patent Portfolio 26

Patent Portfolio 特許で守られている強み WSE 上の AI 実行、同期 / ルーティング、冗長性、熱 / 電源が公開特許 で比較的見えやすい。 守られている強み 対応ファミリー コメント WSE 上でのデータフロー AI 実行 P01-P03, P14, P18 Cerebras らしさが最も強い中核領域。 ファブリック内同期・ルーティング P08-P11 低遅延・高利用率の技術的支柱。 冗長コア / 障害耐性 P24 巨大チップの製造可能性・信頼性を支える。 マルチダイ / 大型 IC 接続 P27-P30 ウェハスケール実装の物理的防衛線。 電源・冷却・熱インターフェース P31-P34 製品化に必要な非 AI ハード領域。 知財戦略上の意味物理基盤・実行基盤は回避設計が容易ではなく、製造ノウハウと組み合わさると模倣障壁になり得る。ただし、権利範囲・残存期間・各国移行 の確認が前提。 出典 : S20, S21, S22, S23 公開情報ベース / 2026-07-08 Patent Portfolio 27

Patent Portfolio 特許だけでは守りにくい強み API 体験、速度ブランド、顧客契約、クラウド運用は特許よりも実行 力で防衛する領域。 強み 特許だけでは守りにくい理由 非特許資産 役割 OpenAI 互換 API と開発者体験 標準互換・ドキュメント・ UX は特許化しにくく、運用品質が防衛力。 大型顧客・提携 OpenAI 、 AWS 、 G42 等は需要信頼と資金調達力を補強。 高速推論の実測性能ブランド 顧客ベンチマークや稼働実績は営業資産であり、特許だけでは守れない。 クラウド運用データ 推論負荷・モデル別性能・障害対応データがサービス改善に効く。 大型顧客契約・資金力 契約関係、資本政策、データセンター実行力は非特許資産。 ブランド / ベンチマーク 高速推論の認知が開発者試用を促す。 モデル運用ノウハウ 量子化・ルーティング・バッチ・ SLA 最適化は営業秘密とプロセスが中心。 ソフトウェアスタック OpenAI 互換 API 、 SDK 、専用エンドポイント管理が導入障壁を下げる。 エコシステム連携 AWS 、 OpenRouter 、 Hugging Face 等の流通は関係資産。 製造・冷却ノウハウ 大型チップの実装・保守は営業秘密性が高い。 示唆 : 出願だけでなく、契約・ SLA ・運用データ・ベンチマーク再現性を「防衛資産」として DD する。 出典 : S06, S10, S12, S13, S14 公開情報ベース / 2026-07-08 Patent Portfolio 28

04 Global IP & FTO グローバル知財展開、競合特許、 FTO 注意領域、ホワイトスペースを整 理する。 公開情報ベース / 詳細は HTML ・ Markdown に収録 出典 : S20, S21, S22, S23, S24, S25, S26, S28 公開情報ベース / 2026-07-08 Global IP & FTO 29

Global IP & FTO 競合特許ランドスケープ NVIDIA/Groq/SambaNova/Google 等の基本技術特許は、 FTO 追加 調査の起点になる。 出願人 代表公報 技術課題 比較上の意味 NVIDIA US20170372202A1 低精度テンソル演算の高速化 行列演算高速化と低精度 AI 演算の FTO 接触領域。 Groq US11360934B1 低遅延 AI 推論 高速推論 / データフロー制御で Cerebras と近接。 SambaNova US11048661B2 AI 計算の再構成可能実行 データフロー型アクセラレータとして近接。 Google WO2023183099A1 行列演算の汎用アクセラレーション TPU/ シストリックアレイ系の代替技術比較。 Amazon/AWS 代表公報未特定 クラウド AI 推論 / 学習 ASIC 提携しつつ内製 ASIC 競合。公報単位は追加調査。 FTO 観点低精度演算、データフロー、再構成可能アーキテクチャ、 TPU/ASIC 、 AI データセンター接続は、請求項チャートによる詳細確認が必要。 出典 : S24, S25, S26, S27, S28 公開情報ベース / 2026-07-08 Global IP & FTO 30

Global IP & FTO 企業 × 技術分類マトリクス Cerebras は T01/T02/T03/T04/T08/T10/T11 で注力が見え、競合は 演算 / クラウド / データフローに分散。 企業 T01 T02 T03 T04 T08 T10 T11 T14 コメント Cerebras ◎ ◎ ◎ ◎ ◎ ◎ ◎ ○ 公開特許と公式製品情報から中核領域に厚み。 NVIDIA ○ ○ ○ ○ △ △ ○ ◎ GPU/CUDA/ クラウド運用まで広範囲。 Groq ◎ ○ ○ ◎ △ △ △ ○ 低遅延データフロー推論に注力。 SambaNova ◎ ○ ○ ○ △ △ △ ○ 再構成可能データフローが近接。 Google TPU ○ ○ ◎ ○ △ △ ○ ◎ TPU/ クラウド統合が強い。 AWS Trainium ○ ○ ○ ○ △ △ ○ ◎ クラウド内製 ASIC とサービス統合。 AMD ○ ○ ○ ○ △ △ ○ ○ GPU 型でエコシステムを拡張。 凡例 : ◎= 注力可能性高 / ○= 出願確認 / △= 限定的 / ×= 今回調査範囲では確認できず 出典 : S20, S24, S25, S26, S27, S28 公開情報ベース / 2026-07-08 Global IP & FTO 31

Global IP & FTO グローバル法域別の注意点 US は最重要。 PCT/EP/JP/CN/KR 等は各国移行と権利状態の追加確 認が必要。 国・地域 市場重要性 対象企業の確認状況 追加確認 米国 最重要 公開特許・登録特許を多数確認。代表公報 35 件整理。 請求項、継続出願、譲渡、権利満了、 FTO を詳細確認。 PCT/WO 高 US11328208B2 の PCT/WO 対応を確認。その他ファミリーの PCT は要追加確認。 全ファミリーの INPADOC/Patentscope 確認。 欧州 /EPO/ 英国 高 今回の公開情報範囲では個別移行状況は確認不十分。 Espacenet で EP/GB 同族を追加確認。 日本 中 今回の公開情報範囲では未確認。 J-PlatPat で出願人揺れを確認。 中国 高 / 制約あり 今回の公開情報範囲では未確認。 CNIPA で中国移行と競合権利を確認。 韓国 中 今回の公開情報範囲では未確認。 KIPRIS で大型 IC/ パッケージ領域を確認。 カナダ / オーストラリア 中/低-中 今回の公開情報範囲では未確認。 CIPO/IP Australia で確認。 重要 : US/WO 以外の網羅性は限定的。事業展開国ごとに INPADOC ・各国 DB で最新ステータスを確認する。 出典 : S20, S21, S22, S23 公開情報ベース / 2026-07-08 Global IP & FTO 32

Global IP & FTO FTO 注意領域 本資料は法的判断ではなく、追加調査が必要な接触可能領域を示す。 リスク領域 関連競合 地域 水準 追加調査 低精度テンソル演算 / 行列演算 NVIDIA 、 Google US/WO/Global 高 請求項チャート、モデル別演算方式、無効資料、ライセンス有無を確認。 データフロー型アクセラレータ Groq 、 SambaNova US 高 継続出願、請求項の構成要件比較。 オンチップ / パッケージ間高速通信 NVIDIA 、 Broadcom 、 Marvell 、 Google US/EP/CN/KR 中 NoC 、 SerDes 、チップレット / インターポーザ特許の検索。 大型 IC の電源 / 冷却 半導体装置・冷却企業、 NVIDIA US/EP/JP/KR 中 冷却構造、 TIM 、電源配送、機械固定の FTO 調査。 冗長コア / 欠陥救済 半導体メーカー、メモリメーカー US/JP/KR/TW 中 冗長回路 / 欠陥マッピングの既存特許を検索。 AI クラウド API/ モデルホスティング クラウド AI 各社 US/EU 低-中 レート制御、ルーティング、キャッシュ、バッチ処理の特許確認。 Weight streaming/ 外部メモリ管理 SambaNova 、 NVIDIA 、 Google US/WO 中 重み転送、メモリ階層、 KV キャッシュの請求項確認。 中 7 高 低-中 2 推奨 : 低精度演算・データフロー・高速通信・冷却 / 電源は請求項チャート化する。 1 出典 : S24, S25, S26, S27, S28 公開情報ベース / 2026-07-08 Global IP & FTO 33

Global IP & FTO ホワイトスペース・追加出願余地 クラウド運用、 KV キャッシュ、 SLA/QoS 、セキュリティは追加出願 で事業価値に近い防衛線を作れる。 補強候補 関連製品 優先度 出願テーマ例 専用推論 SLA とレイテンシ保証 Dedicated Endpoints 高 モデル別レイテンシ保証、動的ルーティング、 QoS 制御、異常時退避 KV キャッシュ / 長文コンテキスト最適化 Inference Cloud 高 WSE 向け KV 配置、キャッシュ圧縮、セッション保持 MoE/ スパースモデルの WSE 最適化 CS-3/WSE-3 高 Expert ルーティング、非構造スパース実行、ロードバランス オンプレ安全運用 / 監査ログ On-Prem CS-3 高 監査可能 AI 推論、鍵管理、隔離運用、データ境界証明 HPC/CFD 用途別カーネル HPC workloads 中 格子計算、ステンシル、流体ソルバの WSE 写像 データセンター電力最適化 AI datacenters 中 電力需要応答、熱再利用、推論負荷スケジューリング Marketplace 統合の課金 / 容量管理 AWS/OpenRouter/HF 中 容量ブローカー、複数 API ルーティング、使用量予測 6 4 高優先度 中優先度 追加出願テーマ候補 : 18 件。詳細テーマは Markdown/HTML に収録。 出典 : S06, S10, S11, S20 公開情報ベース / 2026-07-08 Global IP & FTO 34

Implications 経営者向け示唆 勝ち筋は、 WSE の技術優位をクラウド容量・提携・顧客契約に変換 し続けること。 Cerebras の勝ち筋は、ウェハスケール半導体単体ではなく、高速推論 API 、専用 / オンプレ導入、大型顧客契約、データセンター実行力を束ねた AI インフラ事業として成立させることにある。 1. 収益モデル API ・専用容量・オンプレを束ね、反復収益と大口契約を両立。 2. 提携戦略 AWS/OpenAI/G42 等を需要信頼・市場拡張・資本政策に活用。 3. 知財強化物理基盤からクラウド運用、 SLA 、セキュリティまで出願領域 を拡張。 4. リスク管理供給・電力・ FTO ・顧客集中・粗利を経営 KPI 化。 経営 KPI 例 : 専用容量稼働率、顧客継続率、推論粗利、 SLA 達成率、重点特許の残存期間。 出典 : S12, S13, S14, S15, S17 公開情報ベース / 2026-07-08 Implications 35

Implications 投資家向け示唆 企業価値評価では、技術優位を売上継続性・粗利・供給制約・ FTO 耐 性に翻訳する。 公開特許は WSE の物理・実行基盤に厚みがある一方、 API 体験・顧客契約・クラウド運用は非特許資産に依存する。投資判断では売上継続性、粗利、顧 客集中、供給制約を検証すべき。 Revenue quality 契約期間、容量予約、解約率、顧客集中、価格改定余地 Gross marginWSE/CS-3 、電力、冷却、データセンター、サポートコスト Moat durability 特許残存期間、継続 / 分割、回避設計、非特許資産 FTO exposure 競合請求項チャート、ライセンス、有効性調査の有無 投資判断の焦点 : 「高速推論が売れる」だけでなく、収益性と長期防衛力が成立するか。 出典 : S12, S13, S14, S15, S23 公開情報ベース / 2026-07-08 Implications 36

Implications 技術責任者向け示唆 公開ベンチではなく、自社モデル・自社 SLO ・自社データ境界で検証 する。 採用判断では公称速度ではなく、自社モデル / コンテキスト長 / バッチ / 精度 / データ主権条件での PoC が必須。既存 GPU パイプラインからの移植コスト、 監視、障害時挙動を確認すべき。 Step 1 PoC 自社モデルで性 能 / 精度 / コスト検証 Step 2 統合 API 互換・監 視・ログ・運用設計 Step 3 契約 SLA ・地域・ 容量・データ境界を確認 Step 4 FTO 利用形態別に請 求項比較を実施 判断基準 : p95/p99 、長文、バッチ、障害時退避、データ主権、総コストが合格ラインを満たすか。 出典 : S03, S06, S08, S09, S10, S11 公開情報ベース / 2026-07-08 Implications 37

Implications 重要な不確実性と追加調査論点 公開情報で埋まらない部分は、各国 DB ・請求項チャート・契約 / 性 能 DD で補う。 状態 論点 内容 要追加確認 特許ファミリー完全性 本調査は公開 DB の代表公報整理であり、全同族・継続・分割・各国移行の完全リストではない。 要追加確認 各国ステータス US/WO 以外の JP/EP/CN/KR/UK/CA/AU 等は DB 別に追加確認が必要。 未確認 請求項範囲と FTO 本分析は法的意見ではなく、請求項チャートや侵害 / 非侵害判断は行っていない。 未確認 顧客契約条件 OpenAI/AWS/G42 等の契約条件、排他性、収益認識、 IP 帰属は公開情報だけでは限定的。 要追加確認 性能ベンチマーク 公式速度は会社主張 / モデル条件に基づく。実ワークロードでの第三者検証が必要。 未確認 製造パートナー / 歩留まり ウェハスケール製造・冷却・保守の詳細コストと供給制約は公開情報だけでは不十分。 要追加確認 競合特許網羅性 NVIDIA 等は膨大な特許ポートフォリオを有し、代表公報のみでは FTO 十分性はない。 追加調査の優先順位 : 1) 特許ファミリー網羅 2) 競合請求項チャート 3) 契約 / 粗利 DD 4) 実ワークロード PoC 出典 : S20, S21, S22, S23 公開情報ベース / 2026-07-08 Implications 38

Sources Sources / 出典 主要出典 ID は各スライド脚注で参照。詳細 URL は HTML/ Markdown に保持。 出典カテゴリ ID 確認内容 企業公式 / 会社情報 S01-S03 公式サイト、 Company 、 CS-3 製品ページ WSE/ 製品情報 S04-S06 WSE-3 、製品ブログ、 Inference Cloud API/ クラウド提供 S08-S11 OpenAI 互換 API 、 Dedicated Endpoints 、ドキュメント 顧客・提携・資金 S12-S17 OpenAI 、 AWS 、 G42 、 IPO/SEC 、資金調達関連 対象企業特許 DB S20-S23 Google Patents 、 Justia 、 WIPO/USPTO 等の代表公報 競合特許 / 補助情報 S24-S28 NVIDIA 、 Groq 、 SambaNova 、 Google 、特許ランドスケープ補助 本 PDF は要約資料のため主要出典 ID を掲載。完全な URL 一覧と確認内容は Markdown レポートおよび HTML ダッシュボードに収録。 出典 : S01, S02, S03, S04, S05, S06, S07, S08 公開情報ベース / 2026-07-08 Sources 39

Sources Disclaimer / 免責 本資料は公開情報に基づく経営・知財戦略検討用資料であり、法的意 見ではない。 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。 確認済み公式サイト・製品ページ・公開特許 DB ・主要ニュースに基づく 情報。 要追加確認各国移行、権利状態、請求項範囲、 FTO 、契約、価格、未公開 出願。 End of document 公開情報ベース / 2026-07-08 Sources 40