10 min read

Cerebras:一张晶圆押注的 AI 硬件战争

Source: http://x.com/i/article/2054899213889138688

研究性质:客观事实梳理,不构成投资建议

核心判断

Cerebras 是目前 AI 芯片创业公司中最激进的一次架构赌注——用接近整片晶圆做一颗芯片,换取 GPU 集群无法复制的片上带宽优势。这个赌注已经产生了真实收入、真实大客户、真实 IPO 进程。但它还没有解答最关键的问题:这张底牌能否在战场从少数战略客户扩展到广泛市场之后,依然成立。

本文围绕四个核心判断展开:

NVIDIA 的护城河不是芯片,是生态——理解这一点,才能理解为什么挑战者需要走差异化路线

Cerebras 的差异化是真实的,但壁垒的边界比看起来更窄

商业化已经起步,但收入结构揭示了一个高度集中的脆弱性

IPO 之后,真正的考验才开始

一、先说清楚为什么有人要挑战 NVIDIA

很多人把 AI 芯片竞争理解成"谁的芯片更快"的算力竞赛。这个框架本身就是误导。

NVIDIA 的真正护城河不是 H100 跑得比别人快多少 FLOPS,而是 CUDA——一个运行了将近二十年、与几乎所有主流深度学习框架深度绑定的软件生态。工程师学 PyTorch,背后跑 CUDA;企业采购 AI 算力,优先找 CUDA 兼容系统;模型公司优化推理,首先针对 CUDA 调优。这种路径依赖不是价格战能打破的。

NVIDIA 2025 财年数据中心收入 1,151 亿美元、同比增长 142%,说明这个生态正在加速自我强化,而不是变得脆弱。

那为什么还有人要挑战?

因为 NVIDIA 强大不等于没有缝隙。挑战者的机会窗口来自四类痛点。第一是供给稀缺:高端 GPU 采购周期动辄半年以上,等不了的客户需要替代方案。第二是推理经济学变了:训练是少数公司的事,推理是每个应用的成本项,每百万 token 的单位成本才是推理采购的核心变量,而这个变量不一定由 GPU 主导。第三是主权 AI 需求:中东、欧洲、亚洲的政府和研究机构不想把核心算力完全押注在单一美国供应商身上。第四是自研 ASIC 逻辑:当 AI 计算需求足够大,超大规模云厂商会选择自建芯片——Google TPU、AWS Trainium 的存在说明这一逻辑已经跑通。

Cerebras 选择的路线是:用完全不同的架构,在特定场景下做出 GPU 生态切换不走的那块市场。

二、Cerebras 的差异化是真实的——但边界比看起来更窄 晶圆级引擎:一个反直觉的工程决策

常规芯片制造流程是:在一片晶圆上制造许多小芯片(die),切割、封装、测试,合格品上板卡,板卡组服务器,服务器组集群。

Cerebras 的核心思想是:不切。

把接近整片晶圆做成一个超大处理器——Wafer Scale Engine(WSE)。WSE-3 的规格是约 4 万亿晶体管、90 万个 AI 核心、44GB 片上 SRAM、21PB/s 片上内存带宽。整个处理器就是一块比手掌还大的芯片。

这个设计的理论优势很直接:计算核心、内存和互连都在同一块硅上,不需要跨芯片、跨板卡通信。大模型训练和推理中,通信延迟和带宽瓶颈是限制性能扩展的主要因素之一。WSE 在片上解决的问题,在 GPU 集群里需要 NVLink、NVSwitch 或 InfiniBand 才能勉强绕过。

从 WSE-1(2019,16nm,1.2 万亿晶体管)到 WSE-2(2021,7nm,2.6 万亿)再到 WSE-3(2024,5nm,约 4 万亿),三代演进的节奏是真实的。

优势的边界:哪里强,哪里未必

WSE 的优势主要在两类场景:一是大模型训练中的通信密集型任务,WSE 的片上带宽可以减少集群通信瓶颈;二是大模型推理中的低延迟场景,尤其是 AI coding、对话、智能体工作流这类对首 token 延迟敏感的应用。

但优势不是全局性的。几个现实约束需要说清楚。WSE 的 44GB 片上 SRAM 远小于大型 GPU 集群的总 HBM 容量,超大规模模型训练需要多 CS 系统协同,系统间通信问题并未消失。AI 模型结构持续演化——MoE、长上下文、低精度量化、稀疏推理——每一次架构变化都可能重新定义最优硬件。迁移成本依然存在:客户工作负载长期围绕 CUDA 优化,切换到 Cerebras 软件栈需要验证时间和工程投入。晶圆级制造的良率、封装、散热、供电挑战,比标准 die 制造复杂得多,规模化交付能力仍需持续证明。

真正的技术护城河不是芯片参数,而是 Cerebras 积累的晶圆级系统工程能力——这类能力很难快速复制,但也很难快速外化为市场份额。

三、商业化已经起步,但收入结构揭示了脆弱性 数字先说话 Cerebras 2024 年收入约 7,870 万美元,2025 年跃升至约 5.10 亿美元,同比增长超过 5 倍。毛利率约 39%,经营亏损从 2024 年约 2.14 亿美元收窄至 2025 年约 1.46 亿美元。

这不是一家空谈技术的芯片初创公司。5 亿美元量级的收入,在 AI 芯片创业公司中属于极少数。

但看一眼收入结构就会发现问题 2024 年,G42(阿布扎比科技集团)单一客户贡献了 Cerebras 总收入的 85%。2025 年,格局稍有分散:MBZUAI(阿布扎比 AI 大学)占 62%,G42 占 24%,两家合计仍高达 86%——而这两家机构同属阿联酋。

这是一个关键信号,需要双向理解:

正面读法:主权 AI 是 Cerebras 真正找到的差异化市场。中东国家正在大规模采购 AI 基础设施,既有资金,又有"不想完全依赖 NVIDIA/美国云厂商"的政治动机,WSE 系统在这个场景下有独特吸引力。

风险读法:如果 MBZUAI 或 G42 推迟采购、转向 GPU、调整 AI 战略,Cerebras 的收入将面临断崖式风险。5 亿美元的数字不代表广泛市场需求,代表的是少数大客户的战略性押注。

OpenAI 合作:重要但需要持续观察 2025 年,OpenAI 与 Cerebras 签署多年期推理容量协议,将 Cerebras 纳入 AI coding workload 的计算供应链,并提供工作资本贷款安排。这是一个强烈的需求背书——全球最重要的模型公司之一选择 Cerebras 作为推理基础设施。

但 OpenAI 采购来自 Cerebras 的推理容量,是因为认可其架构优势,还是因为补充供给多样性、分散对 NVIDIA 的依赖?这两个动机导向完全不同的长期关系。

云推理:商业模式的第二条腿

Cerebras Cloud 已上线,提供 OpenAI-compatible 推理 API,按 token 计费。这是将 WSE 能力转化为持续性服务收入的关键路径——如果成立,毛利率会随规模改善,收入也会从项目型波动转向相对稳定的订阅式。

如果不成立——即开发者迁移意愿低、利用率不足——硬件销售为主的商业模式天然波动性高。

四、IPO 之后,真正的考验才开始 资本路径 Cerebras 的融资路线图清晰可见:Series F(2021,2.5 亿美元,估值超 40 亿)→ Series G(2025,11 亿美元,估值 81 亿)→ Series H(2026,10 亿美元,估值约 230 亿)→ 8.5 亿美元循环信贷。拟在纳斯达克以 CBRS 代码上市。

从 2019 年 WSE-1 发布到 IPO,Cerebras 花了七年时间把一个反直觉的工程假设变成了一家有真实收入的公司。这件事本身已经淘汰了很多竞争者——Graphcore 就是前车之鉴,架构独特、融资充分,最终在 2024 年不得不投入 SoftBank 旗下。

IPO 后的五个关键观察指标

IPO 后有五个指标值得持续跟踪。首先是非 G42/MBZUAI/OpenAI 客户的收入占比——这是判断市场需求是否从战略客户扩散到广泛市场的最直接信号。其次是云推理服务的毛利率与利用率,决定商业模式能否从项目型硬件销售演化为可持续服务收入。第三是单位 token 成本与 GPU 方案的真实对比,检验技术优势是否转化为定价优势。第四是出口许可与地缘政治动态,直接影响中东客户关系的可持续性。第五是 WSE 后续代际(WSE-4/CS-4)的推进进度,判断技术领先性是否持续积累而非被追平。

竞争态势:NVIDIA 不会停下,其他挑战者也没消失

NVIDIA Blackwell 架构已经进入数据中心,并持续强化整机柜方案、NIM 推理服务、DGX Cloud 生态。AMD MI350 也在追赶 GPU 市场。Groq 刚完成 7.5 亿美元融资,专注低延迟推理。SambaNova 的 SN50 RDU 针对 agentic inference 场景优化。

Cerebras 不是在一个静止的市场里开疆拓土,而是在一个竞争者都在快速演化的生态里证明自己的位置。

结论:这是一个值得认真对待的赌注,但赌注还没落定

Cerebras 做到了很多芯片创业公司没有做到的事:把一个极端的工程假设推进到了可部署的产品,赢得了主权 AI 市场的大客户,进入了 OpenAI 的推理供应链,并站在了公开资本市场的门口。

但它还没有做到的事也同样清晰:收入结构高度集中于少数客户,云推理能否打开长尾市场尚未验证,CUDA 生态壁垒仍然是真实存在的迁移摩擦,晶圆级制造的规模化可靠性需要持续证明。

AI 芯片竞争的最终形态不是"一家赢家通吃",而是特定架构在特定工作负载和特定客户群中各自找到立足点。Cerebras 的晶圆级赌注能否在低延迟推理和主权 AI 场景中构成可持续竞争壁垒——这个问题的答案,将在 IPO 之后的每个季报里逐渐显现。

本文基于公开资料和 SEC 披露文件整理,不构成任何投资建议。