挑战GPU、绕过HBM，深挖史上最大芯片背后的Cerebras

🧠 Cerebras：从晶圆级芯片到AI推理基础设施的十年突围

💡 核心观点

Cerebras 是一家致力于挑战英伟达霸主地位的 AI 硬件公司，其核心理念是“为 AI 重新设计计算机”。不同于传统 GPU 集群通过互联解决数据搬运瓶颈的思路，Cerebras 采用晶圆级引擎（Wafer-Scale Engine, WSE）技术，将计算单元、内存和互联集成在整片晶圆上，以消除跨芯片/跨服务器的数据传输延迟。

随着 AI 产业从“模型训练”转向“推理应用”，对低延迟和高吞吐量的需求激增，Cerebras 的架构优势得以凸显。公司战略重心已从单纯的硬件销售转向云端推理服务（Inference as a Service），并通过与 OpenAI、AWS 等巨头合作，确立了其在 AI 基础设施中的关键地位。尽管面临供应链依赖台积电、竞争加剧及毛利率波动等挑战，Cerebras 已成功上市并展现出巨大的市场潜力。

🔑 关键事实与论据

1. 起源与技术突破：Scaling Law 与晶圆级架构

• 背景：2014年，百度 AI 实验室（吴恩达团队）在训练全球最大语言模型时发现“Scaling Law”（规模定律），即算力、数据量与模型性能呈线性关系。这预示着未来需要远超现有 GPU 集群算力的硬件。
• 成立：2016年3月，五位前 AMD/C-Micro 工程师（Andrew Feldman, Gary Lauterbach 等）创立 Cerebras，旨在制造专为 AI 设计的硬件。
• 技术原理：
• 晶圆级集成：传统芯片在晶圆上切割成数百个小芯片，而 Cerebras 将整张晶圆做成一颗巨大的 AI 处理器。WSE-3 面积约为最大 GPU 的 58 倍。
• 解决良率难题：针对晶圆缺陷导致报废的风险，Cerebras 采用两招：① 将计算核心缩小至 0.05 平方毫米（仅为 H100 核心的 1%），提高容错率；② 引入冗余核心（约 1%-1.5%）和智能路由网络，动态屏蔽缺陷区域。
• 散热与供电：单芯片功耗高达 25,000 瓦，需重新设计散热系统和供电结构。

2. 融资历程与客户拓展

• 早期投资：百度 AI 实验室研究员 Greg Diamos 和投资人周楠（Zhou Nan）在 2016 年通过严格的技术尽职调查（验证良率、流片成功率等），确认了 Cerebras 的技术可行性。百度共同领投 Series C。
• 早期客户：2019-2021年间，主要客户为美国能源部旗下国家实验室（如阿贡、劳伦斯利弗莫尔），用于新冠病毒序列分析和核聚变模拟，性能比传统超算快 500 倍。
• 关键转折 - G42：阿联酋 AI 集团 G42 成为最大客户，2023-2024年贡献了 Cerebras 超过 80% 的营收（2024年上半年占比 87%）。双方合作建造“Condor Galaxy”超算网络。
• 上市波折：因 G42 持股引发美国外国投资委员会（CFIUS）国家安全审查，Cerebras 曾撤回 IPO 申请，将 G42 股份转为无投票权股后，于 2025年3月31日获准上市。

3. 战略转型：从训练到推理

• 市场变化：AI 进入推理时代，生成式 AI 需要极低的延迟和快速的 Token 生成速度。GPU 集群在串行推理任务中效率较低，而 Cerebras 的大片上内存（SRAM）消除了数据搬运瓶颈。
• OpenAI 合作：2025年12月24日，Cerebras 与 OpenAI 签署价值超 200 亿美元的合作协议，部署 750MW 计算能力用于推理业务，可扩展至 2030年的 2GW。这是全球规模最大的 AI 推理部署合同。
• AWS 合作：2026年3月宣布与 AWS 合作，采用混合架构：利用 AWS Trainium 处理并行的 Prompt 预处理（Pre-fill），利用 Cerebras WSE 处理串行的答案生成（Decode）。
• 产品形态转变：从销售 CS1/CS2 物理服务器系统，转型为提供 API 兼容的云端推理服务。Cerebras Inference 平均输出速度超过 2000 Tokens/秒，远超传统方案的 200-300 Tokens/秒。

4. 上市表现与财务数据

• IPO 情况：2026年5月14日正式上市，首日收盘 311 美元，涨幅 68%，市值一度接近千亿美元。融资规模 55.5 亿美元。
• 营收增长：2022年营收 2,460 万美元；2023年跳升至 7,870 万美元。
• 近期财报风险：2026年6月发布上市后首份财报，股价下跌 15%。虽然 Q1 收入超预期，但 Q2 调整后毛利率指引仅为 36%-38%（低于 Q1 的 47%）。CEO Andrew Feldman 解释称，为应对需求激增，公司租回已售设备导致利润率暂时承压。

⚖️ 结论与风险展望

Cerebras 的成功证明了“整片晶圆”架构在 AI 推理场景下的巨大优势，其从硬件制造商向基础设施服务商的转型顺应了 AI 产业对速度而非单纯算力的需求变化。然而，公司仍面临严峻挑战：

1. 供应链依赖：完全依赖台积电 5nm 产能，产能获取能力直接决定市场份额上限。
2. 竞争加剧：英伟达与 Groq 合作优化推理技术，Broadcom、Google TPU、AWS Trainium 及 OpenAI 自研芯片（Halapeno）均在争夺市场。
3. 客户集中度风险：OpenAI 的战略变动（如自研芯片）可能影响长期订单稳定性。
4. 盈利能力压力：数据中心电力、冷却成本及设备租赁策略正在压缩利润空间，市场需验证其技术优势能否转化为持续的盈利增长。

Cerebras 的故事不仅是硬件创新的胜利，更是对 AI 计算范式从“规模扩张”转向“效率与速度优先”的深刻回应。