GPT-5.6 Solを用いてURL１つのみでビジネス視点の特許情報分析

Cerebras Systems 知財・事業戦略分析 / 見やすいスライド資料 中心問い 事業上の競争優位性は何であり、それはどの技術・製品・特許・非特許資産によって支えられているのか。 対象技術 : Wafer Scale Engine / wafer-scale AI computing 対象市場 : 生成 AI 推論・学習、 AI データセンター、 HPC/ 科学計算、 Enterprise AI 調査基準日 : 2026-07-10 / 対象地域 : Global 30 13 4 12 主要特許ファミリー数 主要製品・サービス数 強い競争優位性（◎） FTO 注意領域 今回整理した代表ファミリー数 公開情報から整理 優位性評価表ベース 法的判断ではない注意領域 公開情報に基づく経営・投資・技術開発検討用資料です。特許の有効性・侵害 / 非侵害・ FTO に関する法的意見ではありません。

Executive Takeaways 02 WSE 基盤特許に、製造・ソフトウェア・大口顧客という非特許資産を重ねる多層防御が本質。 1 技術核は WSE ウェハ全体を巨大 AI 計算機として使う物理アーキテクチャが、 GPU クラスタとは異なる差別化源泉。 4 FTO は近接領域が多い データフロー、コンパイラ、低遅延推論、電力 / 冷却、 AI accelerator scheduling は追加調査が必須。 2 特許はハード実装に厚い 基盤アーキテクチャ、マルチダイ接続、パッケージング、冷却、 電力など実用化レイヤーを広く確認。 5 3 API 優位は非特許資産が支配 低遅延 UX は基盤特許だけでなく、モデル最適化、 SLA 、運用、 価格、顧客接点に依存。 追加出願は LLM 運用へ KV cache 、 speculative decoding 、 multi-tenant isolation 、 heterogeneous orchestration を優先補強候補に設定。 一言でいう知財戦略 : ウェハスケール基盤特許を核に、製造ノウハウ・低遅延クラウド・大口顧客実績で AI インフラの参入障壁を多層化する戦略。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S03, S06, S12, S20, S23 ※法的意見ではありません

投資・経営判断上の結論 03 「 NVIDIA 代替」だけでなく、別アーキテクチャの市場適合・顧客分散・収益化が判断軸。 勝ち筋 収益化の論点 主要リスク WSE/CS-3 は低遅延・大規模 AI 計算で独自ポジション を構築。大口顧客・提携が採用リスクを下げる。 hardware revenue と cloud/services revenue をどれ だけ反復性・高粗利・分散顧客に変換できるかを確認。 GPU/TPU/ クラウド ASIC の価格・供給・エコシステム、 大口顧客集中、輸出規制、供給能力。 判断項目 見るべき指標 知財・非特許資産との接点 市場適合 低遅延推論、 HPC 、国家 AI 基盤の実導入 WSE 特許 + ベンチマーク + 顧客実績 持続性 競合対抗後も残る TCO/UX 優位 冷却 / 電力 / 製造ノウハウ + API 運用 拡張性 専用クラウド /API の利用量と顧客分散 契約、 SLA 、モデル最適化、開発者接点 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S06, S07, S11, S12 ※法的意見ではありません

技術責任者向け結論 04 採用判断はピーク性能ではなく、対象ワークロード適合・移行・運用・ FTO を束で見る。 ワークロード適合 ソフトウェア移行 モデルサイズ、 KV cache 、 SRAM 、データ並列性が WSE の強みに合うか。 PyTorch/JAX/CUDA 資産、 compiler/runtime 、既存 MLOps との接続。 本番運用 インフラ要件 SLA 、観測性、 multi-tenant isolation 、障害時切替、データ主権。 電力、冷却、ラック運用、ネットワーク、 TCO/ エネルギー効率。 FTO/OSS データフロー、 compiler placement 、推論最適化、モデルライセンス。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S03, S12, S16, S20 ※法的意見ではありません

会社・事業概要 05 Cerebras は WSE を中核に、 AI スーパーコンピュータとクラウド /API を提供する AI インフラ企業。 項目 内容 確度 13 25 対象企業名 Cerebras Systems 確認済み 製品 / サービス 競合 / 関係企業 公開情報ベース 最大 25 社整理 30 6 特許ファミリー 法域 代表 30 件 代表法域 正式社名 Cerebras Systems, Inc. 確認済み 設立年 2015 年 確認済み 本社所在地 1237 E. Arques Ave, Sunnyvale, CA 94085, United States 確認済み 創業者 Andrew Feldman, Gary Lauterbach, Michael James, Sean Lie, Jean-Philippe F… 確認済み CEO ・主要経営陣 Andrew Feldman CEO/co-founder; Sean Lie CTO/co-founder; Jean-Philippe Fri… 確認済み 事業概要 Wafer Scale Engine を中核とする AI 専用スーパーコンピュータ、 CS-3 システム、クラウド / 専用 / オン 確認済み プレミス推論・学習基盤を提供 資金調達・上場・主要投資家 2026 年 5 月 Nasdaq 上場（ CBRS ）。 IPO 価格 185 ドル / 株、公式発表。 Reuters は 55.5 億ドル調達、 確認済み / 報道確認 完全希薄化後評価額約 564.3… Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S01, S02, S07 事業の要点 WSE/CS-3 という専用ハード、 Cerebras Inference API 、 Enterprise/Dedicated Cloud 、大口提携を組み 合わせる垂直統合型 AI インフラ。 ※法的意見ではありません

主要製品・サービス 06 製品は「ハード中核」「クラウド /API 」「 Enterprise 」「大口提携・ HPC 実績」の 4 層で読む。 ハード中核 クラウド /API ・ WSE-3 Wafer Scale Engine: 技術的中核・差別化源泉（成長性 : 高） ・ CS-3 AI supercomputer: オンプレ / 専用 AI スーパーコンピュータ事業の主力（成長性 : 高） ・ Cerebras Inference API: クラウドサービス収益の拡大エンジン（成長性 : 高） ・ Cerebras Enterprise / Dedicated Cloud: 大口契約・顧客囲い込み（成長性 : 高） ・ Cerebras Code Pro / Max: 開発者獲得・ PLG チャネル（成長性 : 中） 大口提携 HPC/ 技術実証 ・ Cerebras on AWS Marketplace / partner APIs: 販売面の摩擦低減と開発者接点拡大（成長性 : 高） ・ AWS Trainium + Cerebras inference disaggregation: GPU 以外との補完・サプライチェーン多様 化（成長性 : 高） ・ OpenAI ultra-low-latency AI compute partnership: 需要裏付け・大型顧客基盤（成長性 : 高） ・ Scientific/HPC applications: AI 以外の高価値用途の拡張（成長性 : 中） Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S03, S04, S05, S11, S12 ※法的意見ではありません

顧客セグメント 07 低遅延推論・大規模学習・ HPC ・国家 AI 基盤という高性能需要が中心。 顧客セグメント 利用製品・サービス ニーズ AI frontier labs CS-3 / OpenAI partnership / dedicated c… 巨大 AI モデルを低遅延かつ大規模に推論・学習したい 生成 AI アプリ /SaaS Cerebras Inference API ユーザー体験を損なわず応答時間を短縮したい エンタープライズ IT Enterprise / Dedicated Cloud セキュリティと性能を両立しながら生成 AI を本番導入したい 国立研究所 /HPC CS-3 / scientific apps 科学シミュレーションを従来 HPC より短時間で実行したい 製薬・医療 AI CS-3 / Inference / HPC applications 創薬・医療 AI の探索・推論を高速化したい 金融・市場情報 Inference API / AlphaSense partnership 市場情報検索や要約を 10 倍級に高速化したい AI agents / coding agents Cerebras Inference API / Code plans 対話・コード生成エージェントの待ち時間を最小化したい クラウド事業者 AWS collaboration / dedicated systems GPU 供給制約を回避し AI 推論の単価とレイテンシを改善したい 政府・国家 AI 基盤 Condor Galaxy / dedicated clusters 国家レベルの AI 能力を国内・準国内の基盤で確保したい 顧客価値は「速度」だけではなく、導入形態、 SLA 、セキュリティ、モデル移行、 TCO まで含む総合価値。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S04, S06, S11, S12, S18 ※法的意見ではありません

顧客ニーズとビジネスモデル 08 顧客ニーズは低遅延 / 大規模 / 専用 / 規制対応に分かれ、収益はハード・クラウド・ Enterprise 契約へ流れる。 顧客ニーズ 提供価値 収益モデル 防衛資産 巨大 AI モデルを低遅延で推論・学習し たい 本番 AI を安全に運用したい 科学計算を高速化したい WSE/CS-3 による物理的差別化 Inference API による高速 UX Dedicated Cloud/Enterprise システム販売 API/ クラウド従量・契約 大口計算基盤契約 特許 + 製造ノウハウ SLA/ 運用データ 大口顧客関係 収益モデル : CS-3/ 専用システム販売、クラウド /API 利用料、専用クラウド・ Enterprise 契約、大口顧客と… 顧客獲得経路 : 大口戦略提携（ OpenAI 、 G42 、 AWS ）、製品ページ /API 価格、開発者向けプラン、 AWS Mar… 導入障壁 : WSE/CS-3 は専用ハード・冷却・運用・ソフトウェア移植を伴うため、 PoC から本番までの技術評価、モ… スイッチングコスト : モデル最適化、運用 API 、専用クラスタ契約、データ / ワークロード統合が進むほど高まる。一方、標準 API… Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S07, S11, S12 ※法的意見ではありません

コア技術と用途 09 WSE はチップ分割前提の AI 計算を、ウェハ全体の計算ファブリックとして扱う。 製造 Wafer Scale Engine マルチダイ接続・階層露光 実装 ウェハ全体を 1 つの巨大 AI 計算機として使う パッケージング・機械固定 熱 / 電力 冷却・電力供給・アライメント 90 万 AI cores / オンチップ SRAM / 冗長化 / データ フロー / 冷却・電力 ソフト compiler/runtime ・データフロー 用途 AI 推論・学習、 HPC 、国家 AI 基盤 模倣困難なハード実装と大口顧客が差別化だが、顧客集中とエコシステムがリスク Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S03, S20, S23 ※法的意見ではありません

技術的差別化要因 10 差別化は「巨大チップ」単体ではなく、製造・信頼性・熱 / 電力・ソフトの同時成立にある。 1 物理アーキテクチャ ウェハスケールでチップ間通信を回避 / 低減 4 熱・電力・機械 大型 IC を製品として動かす実装レイヤー 2 メモリ近接性 44GB SRAM を中核に低遅延処理を狙う 5 3 欠陥耐性 冗長 PE/ 配線と fail-in-place 設計 ソフトウェア compiler/runtime で性能を顧客価値へ変換 競合が GPU/TPU/ASIC 性能を伸ばしても、 WSE を量産・運用する暗黙知と顧客導入実績が模倣コストを高める。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S03, S13, S16, S20 ※法的意見ではありません

従来技術・周辺技術との比較 11 GPU/TPU/ クラウド ASIC は強力だが、 Cerebras は物理アーキテクチャで別ポジションを取る。 技術 内容 WSE との違い 競争上の意味 GPU クラスタ 多数 GPU を高速ネットワークで接続 汎用性・エコシステムは強いが、チップ間通信 / メモリ階層がボトルネック化しやすい 最大の直接競合であり、 CUDA エコシステムが参入障壁 Google TPU 行列演算に特化したクラウド ASIC TPU はクラウド内 ASIC 、 Cerebras はウェハスケール単体 / 専用システムが特徴 学習・推論クラウドで強力な代替 AWS Trainium/Inferentia AWS 独自 AI アクセラレータ クラウド垂直統合 ASIC 。 Cerebras とは協業で補完関係も確認 競合かつパートナー候補 Groq LPU 低遅延推論向けプロセッサ Groq は推論速度と決定的実行を訴求。 WSE とは物理スケールが異なる Inference API で直接接触 Reconfigurable Dataflow 再構成可能なデータフローアーキテクチャ SambaNova 等が採用。 Cerebras はウェハスケール + データフローの組合せ データフロー特許・ FTO で注意 Chiplet/advanced packaging 複数ダイをパッケージ内接続 WSE はウェハ全体接続で chiplet より大面積単一ファブリックを狙う 代替実装として進化が速い HBM 中心 AI accelerator HBM 帯域で AI 計算を支える Cerebras は 44GB SRAM 等オンチップ近接性を強調 メモリ帯域 / 容量の比較軸 CPU/GPU HPC 従来 HPC の主流構成 WSE は AI/ データフロー特化で特定用途の効率を狙う 科学計算市場では実績比較が必要 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S36, S39, S40, S41 ※法的意見ではありません

競争環境 12 競争は AI アクセラレータだけでなく、クラウド、ソフト、顧客接点、半導体サプライチェーンまで広がる。 直接競合 間接競合 代替技術 NVIDIA / AMD / Google Cloud TPU / Groq / SambaNova Systems Microsoft Azure AI / Oracle Cloud Infrastructure / Meta MTIA / Qualcomm Cloud AI / Edge AI Apple Neural Engine / Private Cloud Compute サプライヤー パートナー候補 エコシステム企業 今回範囲では限定的 G42 / Core42 Hugging Face / OpenRouter / Vercel 最重要直接競合は NVIDIA GPU エコシステム。 Groq/SambaNova/Graphcore 等は低遅延・データフロー文脈で近接。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S36, S39, S40, S41, S42 ※法的意見ではありません

直接競合 13 GPU/TPU/ASIC 各陣営は性能だけでなく、ソフトウェアエコシステムと供給力で対抗する。 企業 所在地 関連製品 / 技術 Cerebras との関係 展開 NVIDIA US GPU, DGX, Blackwell, CUDA ecosystem 最重要直接競合 / エコシステム標準 非常に強い AMD US Instinct GPU accelerators, ROCm GPU 供給多様化の直接競合 強い Google Cloud TPU US TPU pods/cloud AI ASIC クラウド AI ASIC 競合 強い Groq US LPU inference 低遅延推論 API の直接競合 中〜強 SambaNova Systems US Reconfigurable dataflow AI platform データフロー AI 競合 中 Intel US Gaudi accelerators, Xeon/AI AI accelerator/GPU 代替 強い Tenstorrent Canada/US AI processors, RISC-V AI accelerator 競合 中 判断軸は「単一ベンチマーク」ではなく、ワークロード適合、価格、供給、開発者エコシステム、 SLA 。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S36, S39, S40, S41 ※法的意見ではありません

間接競合・代替技術 14 顧客は GPU 以外にも、クラウド ASIC 、自社 ASIC 、小型モデル、キャッシュ、オンデバイス AI を選べる。 AWS Trainium/Inferentia Graphcore OpenAI G42 / Core42 直接競合 / パートナー候補 Cloud AI ASIC 直接競合 / 代替技術 IPU architecture 顧客候補 AI models and compute demand パートナー候補 AI infrastructure / Condor Galaxy Microsoft Azure AI Oracle Cloud Infrastructure Meta MTIA Broadcom custom ASIC 間接競合 GPU cloud, Azure Maia 間接競合 GPU cloud 間接競合 Internal AI accelerator サプライヤー / 間接競合 AI custom silicon/Networking ASIC Marvell custom silicon Huawei Ascend Biren Technology Cambricon サプライヤー / 間接競合 custom AI accelerators, networking 直接競合 / 代替技術 AI accelerators 直接競合 / 代替技術 GPU/AI accelerator 直接競合 / 代替技術 AI chips 代替手段の存在により、 Cerebras の価格・導入容易性・開発者体験は継続的な競争圧力を受ける。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S39, S40, S42 ※法的意見ではありません

競争優位性評価 15 強い優位性は 4 領域。低遅延推論・ WSE ハード・大口導入・ HPC 実証が中核。 7 ○ 4 ◎ 評価記号の意味 ◎: 顧客が選択する大きな理由になり得る ○: 一定の優位性はある △: 限定的または条件付き ×: 優位性が弱い / 競合に劣る可能性 3 △ ◎の主な領域 : ・ AI frontier labs: CS-3 / OpenAI partnership ・生成 AI アプリ /SaaS: Cerebras Inference API ・投資家 : CBRS equity story ・推論 UX 重視 SaaS: Inference API Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S03, S04, S06, S12, S18 ※法的意見ではありません

強い優位性トップ 10 16 顧客が選択する理由は、速度・スケール・導入形態・大口信頼性が重なる領域に集中。 評価 顧客 製品 評価理由 リスク ◎ AI frontier labs CS-3 / OpenAI partnership WSE-3 の 90 万 AI cores 、オンチップ SRAM 、 OpenAI 750MW パートナーシップにより低遅 延・大規模需… NVIDIA/TPU/ クラウド ASIC が性能・エコシステ ム・供給で対抗。大口顧客集中。 ◎ 生成 AI アプリ /SaaS Cerebras Inference API 推論速度を前面に出した API と価格ページ / パートナー API があり、リアルタイム UX に直結す る。 Groq など推論特化競合、 GPU API の価格低下、モ デルサイズ制約。 ◎ 投資家 CBRS equity story IPO 、 Q1 2026 成長、 OpenAI 大型契約により差別化された上場 AI インフラ企業として認知さ れる。 高バリュエーション、顧客集中、需要変動、競争激 化。 ◎ 推論 UX 重視 SaaS Inference API 低遅延推論は音声・会話・ agent UX で顧客価値に直結。 LiveKit 等の顧客引用が公式にある。 モデル品質・ SLA ・ API 価格が競争軸。 ○ HPC/ 科学計算 CS-3 scientific apps 分子動力学で公開ベンチマーク /PR があり、 AI 以外のデータ並列・ステンシル系用途にも差別 化余地。 汎用 HPC ソフト資産、 GPU スーパーコンピュータ、 ベンチマークの一般化可能性。 ○ 政府・国家 AI 基盤 Condor Galaxy / dedicated cluste… G42/Condor Galaxy の大規模導入は国家 AI 基盤・ sovereign AI 需要への適合を示す。 地政学・輸出規制・ CFIUS 、顧客 / 地域集中。 ○ クラウド事業者 AWS collaboration Trainium + CS-3 の prefill/decode 分離は補完的導入モデルであり、 GPU 置換だけに依存しな い。 AWS が自社 ASIC を拡張すると Cerebras の役割が限 定される。 ○ 研究開発チーム CS software stack 公式 PR は GPU 比 97% 少ないコード等を主張し、 HW/SW co-design を差別化として訴求。 CUDA/JAX/XLA 等の既存エコシステムの厚み。 ○ エンタープライズ Enterprise/Dedicated Cloud 専用 / オンプレ / クラウドの選択肢と Enterprise 販売がある。 クラウド大手・ NVIDIA AI Enterprise に比べエコシ ステムが狭い可能性。 ○ AI モデル開発者 CS-3 training clusters Jais/Med42 等の訓練事例とクラスタ仕様がある。 学習市場では NVIDIA エコシステム・クラウド TPU が強い。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S03, S04, S06, S12, S18 ※法的意見ではありません

特許ポートフォリオ概観 17 代表 30 ファミリーでは、 WSE 基盤・接続・実装・冷却・電力・データフローが主要領域。 30 29 4 6 主要特許ファミリー数 登録特許を含むファミリー数 公開・係属中を含むファミリー数 確認済み出願国・地域数 今回整理した代表ファミリー数 代表番号に登録公報を含む件数 公開 / 係属要確認を含む件数 / 区切りの代表法域ベース 4 T09 T02 3 T03 3 T07 3 T08 3 T04 2 T10 2 T12 2 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S20, S21, S23, S24, S25 16 中 14 高 読み方 特許の存在は優位性を示唆するが、権利範囲・有効性・ FTO は請求項単位の 追加確認が必要。 ※法的意見ではありません

グローバル特許展開 18 米国を中心に、 PCT ・日本・中国・英国等で基盤ファミリーの海外展開を確認。 30 US PCT 法域 Cerebras 状況 重要性 知財上の意味 米国 主要 Cerebras 特許の中心。登録特許多数を Justia/Google Patents で確認 非常に高 本社・顧客・訴訟・市場の中心。継続 / 分割 / 審査 経過確認が必須 PCT PF-001 で WO2016132273A1 確認 高 各国移行の起点。 WSE 基盤技術の海外権利化を確 認 1 JP 1 CN 1 日本 PF-001 で JP6697471B2 確認 中〜高 HPC/ 半導体 / 製造顧客に重要 GB 1 中国 PF-001 で CN107251213B 確認 高だが規制影響大 輸出規制・市場アクセス・地域競合対策 DE 1 英国 PF-001 で GB2550791B 確認 中 欧州 AI/HPC 市場の補完法域 欧州 / ドイツ PF-001 で DE112016000381B4 確認。 EPO ファミ リー追加確認必要 高 EU 顧客・製造・ HPC で重要 韓国 今回公開情報調査範囲では具体的公報未確認 中〜高 メモリ /HBM サプライチェーンと AI 半導体市場 各国移行・年金・満了予定日・譲渡・審査経過は、重要判断前に各国 DB で再確認。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S23, S26, S27, S28 ※法的意見ではありません

主要特許ファミリー 19 基盤ファミリー PF-001 を起点に、製造接続・パッケージング・冷却・電力が実装防衛を形成。 Family 代表公報 発明名称 分類 重要度 優先年 PF-001 US9568960B2 / WO2016132273A1 / JP… Supercomputer using wafer scale integration T01 高 2015 PF-002 US12463139B2 Apparatus and method for fabricating multi-di… T02 高 2022 PF-003 US11367686B2 / US10777532B2 / US1… Multi-die interconnection T02 高 2015 PF-004 US10923456B2 Hierarchical exposure of same pattern for fab… T02 中 2016 PF-005 US11631600B2 / US10784128B2 / US1… Securing components of an integrated circuit T03 高 2015 PF-006 US11367701B2 / US10892244B2 / US1… Securing substrates with varying coefficients… T03 高 2015 PF-007 US11626342B2 / US10923412B2 Sliding thermal interface for integrated circ… T04 高 2016 PF-008 US11201137B2 / US10840216B2 Powering integrated circuit having multiple i… T05 高 2015 PF-009 US11145530B2 Alignment of integrated circuit T03 中 2017 PF-001: Supercomputer using wafer scale integration は WSE の基本構成・冗長化を読む上で最重要。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S20, S21, S23, S24, S25 ※法的意見ではありません

技術分類と注力領域 20 独自分類 15 件のうち、 WSE 基盤・接続・実装・熱 / 電力・データフロー / コンパイラが中核。 4 T09 T02 3 T03 3 T07 3 T08 3 T04 2 T10 2 T12 2 T13 2 T01 1 分類 タイトル 事業上の意味 T01 Wafer-scale architecture Cerebras の差別化の最上位レイヤー T02 Multi-die interconnect fabrication 模倣困難な製造ノウハウと特許の接点 T03 Packaging and mechanical integrity 歩留まり・信頼性・製品化を支える T04 Thermal management データセンター運用コストと信頼性に直結 T05 Power delivery 性能維持とシステム設計制約の核心 T06 Yield and redundancy ウェハスケールの製造可能性を支える T07 Dataflow wavelet model ハードの価値をソフトで引き出す T08 Routing and fabric communication 低遅延・スケーラブル通信の防衛線 特許分類は「事業上の優位性」と紐づけて読む。単純件数より、中核製品との距離が重要。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S20, S23 ※法的意見ではありません

出願年別・ステータス別傾向 21 初期の WSE 基盤出願から、近年は製造 / 実装・クラウド / 推論周辺の補強余地が目立つ。 5 2016 29 登録含む 8 2017 7 2018 公開 / 係属 1 5 2019 2 2020 見方 2021 1 2022 1 2024 1 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S20, S21, S23, S24 代表番号ベースの集計。正確な件数、継続 / 分割、各国移行、年金・ 満了は追加確認が必要。 ※法的意見ではありません

優位性 × 特許保護 22 WSE/ 実装レイヤーは特許との接続が強い一方、 API UX と顧客関係は非特許資産の比重が高い。 4 △ ○ 2 × 2 解釈 ○は中核優位性を直接 / 強く支える特許が確認される領域。△は基盤特許はあるが、事業上の優位性は運用・顧客・ソフト に依存する領域。 記号 優位性 保護 関連特許 非特許資産 A1 ウェハスケール単体で大規模 AI 計算を行うアーキテクチャ ○ PF-001, PF-003, PF-011 製造ノウハウ、歩留まりデータ、サプライチェーン A2 低遅延・高スループット推論 API △ PF-012 〜 PF-016, PF-029 API 運用、モデル最適化、顧客 UX 、価格 A3 WSE を実用製品にする冷却・電力・パッケージング ○ PF-005 〜 PF-010 製造工程、品質保証、 Flex 連携 A4 分散 GPU より簡素なプログラミング体験 △ PF-012 〜 PF-022, PF-029 SDK 成熟度、開発者体験、サポート、ドキュメント A5 OpenAI/G42/AWS 等の大口顧客・提携リファレンス × 公開特許から直接保護は確認しづらい 契約、ブランド、導入実績、資本市場信頼 A6 HPC/ 科学計算への展開余地 △ PF-014, PF-023, PF-029, PF-… アプリケーション移植、ベンチマーク、研究者ネットワー ク A7 供給・製造スケールの信頼性 × PF-002 〜 PF-010 が技術面を支援 製造契約、品質データ、資本、オペレーション A8 オンプレ・クラウド・専用の提供形態柔軟性 △ PF-001, PF-023 販売体制、契約、 SLA 、セキュリティ対応 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S12, S20, S23 ※法的意見ではありません

特許で守られている強み 23 特許保護は、ウェハスケールを実用製品にするハード / 実装レイヤーに集中。 1 ウェハスケール計算機構成 PF-001 などで WSE の基本構成・冗長性を確認 (S23) 4 データフロー通信・ wavelet 制御 PF-012 〜 PF-016 等で runtime/fabric 制御を確認 (S20) 2 マルチダイ接続・製造 PF-002 〜 PF-004 で露光 / 接続に関する特許群を確認 (S20) 5 3 冷却・電力・機械固定 PF-005 〜 PF-010 で実装 / 電力 / 熱の特許群を確認 (S20) AI 数値表現・ stochastic rounding PF-024/PF-025 が演算精度と効率を支援 (S26) 中核の防衛は「特許 + 工程 / 歩留まりデータ + サプライチェーン + 品質保証」を一体で見る必要がある。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S20, S21, S23, S24, S25 ※法的意見ではありません

特許だけでは守りにくい強み 24 API レイテンシ、大口顧客、開発者体験は特許よりも運用・契約・ブランド・データが効く。 1 大口顧客関係 OpenAI/G42/AWS 等の契約・信頼・導入実績は特許より営業・資 本・実行力で形成される 4 製造歩留まりノウハウ 一部は特許化されるが、工程条件・品質データ・サプライヤー管 理は営業秘密領域 2 API レイテンシ体験 基盤特許は支えるが、実際の UX はモデル選定、 SLA 、ネット ワーク、運用で変動する 5 3 ソフトウェアエコシステム 特許化可能な部分はあるが、開発者採用・ドキュメント・互換性 は非特許資産 資本市場でのブランド IPO ・大型契約の信頼は特許では直接保護されない 知財戦略は、出願だけでなく、営業秘密管理、契約、 SLA 、顧客データ、 OSS/ 開発者戦略まで含めて設計する。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S06, S12, S16 ※法的意見ではありません

非特許資産に依存する強み 25 Cerebras の持続的優位は、特許外の暗黙知・顧客資産・ソフト資産との組み合わせで強まる。 非特許資産 事業上の意味 保護手段 確度 製造ノウハウ・歩留まりデータ WSE を量産・安定運用する実行能力 営業秘密、工程管理、契約 公開情報から推定 大口顧客契約・導入実績 投資家・顧客の信頼を高め、規模の経済を作る 契約、関係資本、ブランド 確認済み / 推定 ソフトウェアスタック /SDK/ コンパイラ WSE 性能を顧客価値に変換する 著作権、営業秘密、 API 互換、サポート 確認済み / 推定 クラウド API 運用データ レイテンシ最適化、モデル運用、価格設計に効く 運用ノウハウ、 SLA 、データ分析 公開情報から推定 Flex 等サプライチェーン提携 供給能力と米国製造訴求を補強 契約、品質保証、製造体制 確認済み 科学計算ベンチマーク / 研究者ネットワーク HPC 市場の信頼と用途展開に効く 共同研究、論文、ノウハウ 確認済み / 推定 投資 / 買収 / 提携 DD では、特許件数よりも、特許外資産がどの程度模倣障壁になっているかを確認。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S06, S12, S13, S16 ※法的意見ではありません

競合特許ランドスケープ 26 Groq/SambaNova/Graphcore/NVIDIA 等は、低遅延推論・データフロー・コンパイラ周辺で近接。 出願人 代表公報 技術課題 Cerebras との比較上の意味 Groq Inc. US11360934B1 機械学習推論におけるデータ移動・実行制御 低遅延推論で Cerebras Inference API と接触しうる SambaNova Systems Inc. US11048661B2 再構成可能データフローによる NN 処理 データフロー / コンパイラ /FTO 注意領域 NVIDIA / assignee to be confirmed US11270197B2 並列処理 /GPU スケジューリング系の効率化 GPU エコシステム周辺の広範な特許密度に注意 Google TPU 関連公開情報 / 複数特許要追加確認 行列演算 ASIC ・クラウド AI 基盤 学習 / 推論クラウドでの代替・ FTO 調査対象 AWS / Amazon Trainium/Inferentia 関連特許 要追加確認 クラウド AI ASIC の学習・推論効率 AWS 協業と競合が併存するため契約 /FTO 境界要確認 AMD Instinct/GPU 関連特許 要追加確認 GPU/AI accelerator の計算・メモリ効率 GPU 代替軸で広範な FTO 調査対象 Intel Gaudi 関連特許 要追加確認 AI accelerator networking/training AI 学習システム・ネットワーク領域の比較対象 これは法的判断ではなく、請求項単位の追加 FTO 調査候補。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S30, S31, S32, S33, S34 ※法的意見ではありません

企業 × 技術分類マトリクス 27 Cerebras は WSE/ 実装 / ソフトを垂直統合、 NVIDIA/AMD は GPU/HBM/CUDA 系で厚い。 企業 T01 T02 T04 T06 T07 T08 T12 T14 T15 コメント Cerebras ◎ ◎ ◎ ◎ ◎ ◎ ◎ ◎ ○ WSE から compiler まで垂直統合 NVIDIA × △ ○ △ △ ◎ ◎ ◎ ◎ GPU/HBM/CUDA で圧倒的 AMD × △ ○ △ △ ○ ◎ ○ ○ GPU/HBM 代替 Google TPU × △ ○ △ ○ ○ ◎ ◎ ◎ クラウド ASIC/ 行列演算 AWS Trainium × △ ○ △ ○ ○ ◎ ○ ○ クラウド ASIC 、補完関係もあり Groq × △ △ △ ◎ ◎ ○ ○ ○ 低遅延推論データフロー SambaNova × △ △ △ ◎ ○ ○ ◎ ○ 再構成可能データフロー Intel Gaudi × △ ○ △ △ ○ ○ ○ ○ Ethernet スケールアウト Tenstorrent × △ △ △ ○ ○ ○ ○ ○ RISC-V/AI processor Graphcore × △ △ △ ○ ○ ○ ○ ○ IPU/ データフロー近接 凡例 : ◎= 注力可能性高 / ○= 出願・関連確認 / △= 限定的関連 / ×= 今回範囲では確認できない Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S20, S36, S39, S41 ※法的意見ではありません

グローバル法域別の注意点 28 米国を最優先に、 PCT ・日本・欧州・中国・英国等で市場展開と権利範囲の整合を確認。 国・地域 対象企業の状況 市場重要性 要追加確認 米国 主要 Cerebras 特許の中心。登録特許多数を Justia/Google Pate… 非常に高 Freedom-to-operate claim chart 、継続出願、譲渡、期限を確認 PCT PF-001 で WO2016132273A1 確認 高 WIPO Patentscope でファミリー全体を再確認 日本 PF-001 で JP6697471B2 確認 中〜高 J-PlatPat で Cerebras 全件とステータス確認 中国 PF-001 で CN107251213B 確認 高だが規制影響大 CNIPA で権利者 / 年金 / ステータス確認 英国 PF-001 で GB2550791B 確認 中 UK IPO で対応権利確認 欧州 / ドイツ PF-001 で DE112016000381B4 確認。 EPO ファミリー追加確認必要 高 Espacenet/EPO Register で EP/DE ステータス確認 韓国 今回公開情報調査範囲では具体的公報未確認 中〜高 KIPRIS で出願人名揺れ検索 カナダ 今回公開情報調査範囲では具体的公報未確認 中 CIPO 検索 オーストラリア 今回公開情報調査範囲では具体的公報未確認 中 IP Australia 検索 確認できない国・地域は推測で埋めず、各国 DB ・ INPADOC ・年金 / 移転情報で再確認。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S23, S26, S27, S28 ※法的意見ではありません

FTO 注意領域 29 FTO は法的判断ではなく、競合特許と接触しやすい技術領域の追加調査リストとして扱う。 リスク領域 関連競合 法域 水準 追加調査 低遅延推論データフロー Groq, SambaNova, NVIDIA US/PCT 高 Groq/SambaNova/NVIDIA の請求項単位 FTO 調査 再構成可能データフロー / コンパイラ SambaNova, Graphcore, Google US/EP 中〜高 コンパイラ IR 、 placement 、 runtime API の claim chart GPU/AI accelerator scheduling NVIDIA, AMD, Intel US/EP/CN/JP 中〜高 製品実装との差分分析 HBM/ メモリ・パッケージング NVIDIA, AMD, Broadcom, TSMC US/TW/KR/JP 中 サプライヤー保証・ indemnity 確認 冷却 / 電力 / データセンター実装 NVIDIA, hyperscalers, cooling vendors US/EP/JP 中 CS-3 ラック / 冷却構成の FTO 調査 クラウド API/ モデル提供 OpenAI, Google, AWS, Anthropic, API platforms US/Global 中 API terms, OSS model licenses, data-use p… 輸出規制・国家 AI 基盤 GPU vendors, sovereign cloud US/UAE/CN 高 EAR/CFIUS/ 顧客契約の法務確認 係争履歴 / 第三者権利主張 Rex Computing 等 US 中 裁判記録、和解、対象特許のステータス確認 高 : 低遅延推論データフロー Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S30, S31, S32, S33, S34 中〜高 : 再構成可能データフロー / コンパイラ 中〜高 : GPU/AI accelerator scheduling ※法的意見ではありません

ホワイトスペース・追加出願余地 30 追加出願は、 WSE を LLM 推論 / クラウド運用価値に変換するテーマが優先。 補強候補 出願テーマ例 法域 LLM attention/kv-cache の WSE 専用最適化 KV cache placement, speculative decoding, multi… US/PCT/JP/EP/CN prefill/decode 分離システムの共同最適化 Heterogeneous ASIC prefill/decode orchestration US/PCT/EP Transformer attention の WSE mapping LLM 推論 / 学習の主用途を直接補強 KV cache の SRAM/ 外部メモリ階層制御 低遅延推論の実装防衛 大口顧客向け multi-tenant isolation WSE fabric partitioning, security isolation, QoS US/PCT/JP/EP Speculative decoding on heterogeneous accelerators AI agent 向け超低遅延 routing Agent loop latency reduction, streaming token s… US/PCT fail-in-place の運用時再構成 Runtime defect isolation, live rerouting US/PCT クラスタ間ワークロード編成 Cluster-level placement and energy-aware schedu… US/PCT/EP 省電力 / 電力制約下推論 Power-aware token generation and thermal thrott… US/PCT/JP/EP AWS 協業・推論速度向上を保護 Multi-tenant inference QoS クラウド収益拡大に必要 Energy-aware token scheduling 電力制約下の TCO 差別化 狙いは「ハード基盤特許」を「顧客体験・クラウド運用・セキュリティ・規制対応」へ拡張すること。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S05, S12, S20 ※法的意見ではありません

経営者向け示唆 31 Go-to-market と知財出願テーマを、低遅延推論・大口契約・ Enterprise 信頼性に同期させる。 経営上の主論点 Cerebras の強みは WSE 単体特許だけでなく、大口顧客、製造、ソフトウェア、 クラウド運用の組合せにある。 Go-to-market と知財出願テーマを、低遅延推 論・大口契約・ Enterprise 信頼性に寄せて同期させるべき。 顧客分散 出願同期 OpenAI/G42 等の大口実績を、複数業界の反復収益へ展開。 新機能・ API ・ SLA ・ security を出願 / 営業秘密 / 契約で役割分担。 提携設計 リスク管理 AWS 等との補完関係で、自社価値が薄まらない権利・データ設計。 輸出規制、供給、 FTO 、 OSS 、データ主権を経営 KPI 化。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S06, S07, S12 ※法的意見ではありません

投資家向け示唆 32 投資論点は NVIDIA 代替ではなく、大口需要を反復収益と防衛可能なデータ / 運用資産に変換できるか。 投資判断の主論点 投資論点は「 NVIDIA 代替」だけでは不十分。 OpenAI/G42/AWS 等の大型需要 をどれだけ高粗利の反復収益と顧客分散に変換できるか、特許と営業秘密が製 造・運用障壁になっているかを確認すべき。 Revenue quality Moat quality hardware revenue と cloud/services revenue の構成、粗利、継続率。 特許と営業秘密が、供給・製造・運用の障壁として効いているか。 Customer risk Competitive response 大型契約の継続条件、顧客集中、地域集中、規制リスク。 GPU/TPU/ASIC の価格下落・エコシステム強化に耐えられるか。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S06, S07, S12 ※法的意見ではありません

技術責任者向け示唆 33 ベンチマーク値ではなく、対象モデル・ SLA ・移行・データ主権・ FTO を技術 DD の中心に置く。 採用判断の主論点 採用判断ではベンチマーク値だけでなく、対象モデルの WSE 適合性、 API/SLA 、 既存 CUDA/JAX 資産の移行、データ主権、運用観測性、 FTO/OSS ライセンスを チェックする必要がある。 性能評価 移行 対象 LLM ・ HPC カーネルで、レイテンシ / スループット /TCO を実測。 既存 CUDA/JAX/PyTorch/MLOps との接続・保守体制を確認。 運用 FTO/OSS SLA 、障害、 observability 、 security isolation 、 data governance 。 推論最適化、コンパイラ、モデルライセンス、第三者特許を調査。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S12, S16, S30 ※法的意見ではありません

重要な不確実性 34 公開情報調査では、特許の法的状態・契約条件・実装詳細・収益性は追加確認が必要。 特許件数の正確なグローバル集計 各国移行・年金・満了予定日 主要 KPI ・競合比較に影響 状態 : 第三者集計は要追加確認。公式 / 各国 DB 横断で再集計が必要 法域別の権利強度に影響 状態 : Google/Justia で代表確認。法律判断前に各国 DB で確認 OpenAI 等大型契約の収益認識・継続条件 実ワークロードでの性能 / コスト優位 投資判断に大きく影響 状態 : 公開リリース範囲では契約詳細非公開 顧客採用判断に影響 状態 : 公式 PR と事例はあるが、第三者ベンチ・実データが必要 競合特許の請求項との接触 旧社名・子会社名義・譲渡 FTO/ 設計変更 / ライセンス費用に影響 状態 : 本分析は注意領域の提示に限定。弁理士 / 弁護士による claim chart が必要 ポートフォリオ網羅性に影響 状態 : 今回公開情報範囲では旧社名 / 子会社名義は確認できず Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S07, S20 ※法的意見ではありません

追加調査ロードマップ 35 意思決定前に、特許・技術・商流・規制を分けて検証する。 1. Patent hygiene 全出願人名、継続 / 分割、年金、満了、譲渡、各国移行を再集計。 2. Claim chart PF-001 周辺、 Groq/SambaNova/NVIDIA 近接特許を請求項単位で分析。 3. Product/tech DD 対象ワークロード、 API/SLA 、 compiler/runtime 、冷却 / 電力 /TCO を実測。 4. Commercial DD 大型契約条件、顧客集中、 revenue mix 、供給能力、規制 / 輸出管理。 5. Filing sprint KV cache 、 multi-tenant 、 heterogeneous orchestration など高優先テーマを明細書化。 優先順位 : まず米国 FTO と中核ファミリー権利状態、次にクラウド /API 運用テーマの追加出願。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S20, S23, S30 ※法的意見ではありません

Sources / 主要出典 36 PDF では主要出典を抜粋。全出典は HTML ダッシュボードおよび Markdown レポートに収録。 ID 種別 タイトル URL S01 企業公式 Cerebras 公式サイト https://www.cerebras.ai/ S02 企業公式 Cerebras Company https://www.cerebras.ai/company S03 プレスリリース Cerebras Announces Third Generation Wafer Scale Eng… https://www.cerebras.ai/press-release/cerebras-announces-third-gene… S04 プレスリリース Cerebras + G42 Condor Galaxy 3 https://www.cerebras.ai/press-release/cerebras-g42-announce-condor-… S05 プレスリリース Cerebras and AWS Collaboration https://www.cerebras.ai/press-release/awscollaboration S06 企業公式 OpenAI and Cerebras Strategic Partnership https://openai.com/index/cerebras-partnership/ S07 投資家資料 Cerebras Announces Strong First Quarter 2026 Results https://investors.cerebras.ai/news-releases/news-release-details/ce… S11 製品ページ Cerebras Pricing https://www.cerebras.ai/pricing S12 製品ページ Cerebras Inference https://www.cerebras.ai/inference S16 技術資料 Cerebras Architecture Deep Dive https://www.cerebras.ai/blog/cerebras-architecture-deep-dive-first-… S18 プレスリリース Molecular Dynamics world record press release https://www.cerebras.ai/press-release/cerebras-sets-new-world-recor… S20 特許 DB Justia: Cerebras Systems Inc patents https://patents.justia.com/assignee/cerebras-systems-inc S21 特許 DB Justia: Cerebras Systems Inc patents page 2 https://patents.justia.com/assignee/cerebras-systems-inc?page=2 S23 特許 DB Google Patents: US9568960B2 https://patents.google.com/patent/US9568960B2/en S30 特許 DB Google Patents: Groq TSP US11360934B1 https://patents.google.com/patent/US11360934B1/en 主要出典のみ抜粋。全出典 44 件は HTML/Markdown の Sources セクションに収録。 Cerebras Systems / 2026-07-10 / 公開情報ベース / 出典 : S01, S02, S03, S06, S20, S23 ※法的意見ではありません

• https://www
• https://openai
• https://investors
• https://patents

Disclaimer / 免責 37 本資料は公開情報に基づく経営・知財戦略検討資料であり、法的意見ではありません。 免責事項 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。 利用上の前提 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調査・鑑定が必要です。 Cerebras Systems / 2026-07-10 / 公開情報ベース ※法的意見ではありません