挑战GPU、绕过HBM，深挖史上最大芯片背后的Cerebras

文 | 硅谷101

十年前，这是一家没人看好的公司。从成立第一天起，它就只想做一种从来没有被造出来过的芯片。它试图挑战英伟达的霸主地位，却在成立之初屡屡碰壁，多次濒临倒闭。

十年磨一剑。今年5月，Cerebras终于上市了，市值一度接近千亿美元。CEO Andrew Feldman说：我们愿意和每一家hyperscaler（超大规模云厂商）合作，提升AI推理速度，除了英伟达。

我们有幸沟通了Cerebras的早期投资人，和最早证明Cerebras产品可以落地的研究人员，还与Cerebras内部负责产品的高管讨论了近两年公司的转型，以及IPO之后的动作。串起这些蛛丝马迹后，我们很惊讶地发现：要理解Cerebras上市的辉煌，需要回到10年前。

回到一块白板，一家快要倒闭的创业公司，一场几乎没有人相信的物理学赌局，还有一个拥有当时全球最大语言模型的AI实验室，如何在一个不可能的时间节点，成为这个故事里最关键的那一页。

以下，就是Cerebras的故事。

2014年，吴恩达离开斯坦福AI实验室，加入百度。

受到Google Brain的启发，百度投入3亿美元，成立了位于硅谷的AI实验室。他们最主要的目的是：让深度学习发挥商业价值。对于当时的互联网公司来说，深度学习的应用大多在物理层面：自动驾驶、机器人、语音识别。

Greg Diamos 现任TensorWave ScalarLM架构师，MLCommons联合创始人 我当时会这么兴奋是因为在英伟达的时候，我就在想，我们应该把整个CUDA的路线图都转向深度学习，因为AI终于开始真正起作用了。一开始，这主要是在视觉任务上被证明的，比如图像识别。但后来，Andrew（吴恩达）加入百度之后，我们开始重新思考这个问题。他的想法是：我们应该做一些真正有产品影响力的东西，做一些人们真的会使用的东西。所以我们才从语音开始。因为语音的用户规模，比图像搜索要大得多。

Greg Diamos告诉我们，当年，吴恩达给百度带来了一批顶尖的AI研究员，Greg就是其中之一。在此之前，Greg在英伟达构建CUDA软件架构：而当时的CUDA，还是一个无人问津的内部项目。

Greg Diamos 现任TensorWave ScalarLM架构师，MLCommons联合创始人 那时候，CUDA差不多就是个笑话，没有人用它。

AI实验室成立后不久，百度团队就发表了一篇知名的论文《Deep Speech》：一个端到端的语音识别模型，允许人们点击麦克风标志，对搜索引擎说话。他们还训练了世界上最初的几个深度神经网络，下一步的计划，是训练语言模型（language model）。

Greg Diamos 现任TensorWave ScalarLM架构师，MLCommons联合创始人 我们当时有一个疯狂的卷发研究员，叫Dario Amodei。我们一起研究语言模型，也研究如何扩大语言模型的规模。那段时间，我们拥有世界上最大的、用于深度学习的CUDA集群，这后来也挺有名的。

百度团队研究的语言模型，在当年是全球最大的：拥有3亿参数。训练这个模型，需要三个月的时间。在这个过程中，他们发现了一个规律：模型越大、数据越多、算力越强，模型就越聪明。而且这个提升是可以预测的，是线性的。

这个规律被称为Scaling Law（规模定律）。几年后，这个经过验证的结果被百度团队写进了一篇论文，题为《Deep Learning Scaling is Predictable, Empirically》。Dario Amodei后来将这个发现带去了OpenAI，它成为了GPT的核心逻辑。

Greg Diamos 现任TensorWave ScalarLM架构师，MLCommons联合创始人 我第一次看到这个规律的时候，就觉得这是通向智能的道路。我当时简直不敢相信，智能居然有路可达。你想象一下，像我这一代学计算机的人，一直被教育说：计算机科学里的进步都非常困难，每一点提升都来之不易。有些问题几乎是碰不得的，比如语音、语言、视觉这些问题，都非常非常难。但这个东西，就是能跑通。而且它很简单。你需要做的，只是训练一个更大的语言模型。

但问题也随之而来：如果Scaling Law是对的，那么训练未来真正有用的模型，所需要的算力将是现有GPU集群完全无法提供的量级。百度的研究员们意识到，他们需要一种新的硬件。

在百度团队发现Scaling Law的同一年，五个硅谷工程师决定离开AMD。在此之前，他们在一家叫做SeaMicro的微服务器硬件公司共事，这家公司在2012年被AMD以3.34亿美元收购。这五个人的名字是：Andrew Feldman、Gary Lauterbach、Michael James、Sean Lie和J-P Fricker。其中，Andrew和Gary是SeaMicro的联合创始人。

第一次聚在一起的时候，五个人在一块白板上写下了他们的愿望：他们希望，硅谷的计算机历史博物馆里有一天会出现他们的名字。从第一天起，Cerebras的目标就是：造一个为AI而生的硬件。

我们知道，最初的AI训练靠CPU和GPU搭配。CPU是总指挥，负责调度任务。GPU则像一座巨大的工厂，里面有成千上万个小工位，可以进行大规模并行计算。但AI训练远不止一次计算，参数、梯度、激活值全得在显存、缓存、计算单元和GPU间来回倒腾。一旦模型大到单卡塞不下，就得切成几块分给多卡，让它们互相配合。

所以真正拖慢AI的，很多时候是数据在不同芯片、不同内存、不同机器之间来回移动这个过程。

许多芯片公司解决这个问题的思路，是把GPU拼成一个集群，再花大量工程解决它们之间如何通信的问题。而Cerebras的思路是，把尽可能多的计算单元、内存和互联，放到一整片晶圆上，做成Wafer-Scale Engine（晶圆级引擎，简称WSE）。

普通芯片的制造，是在一张晶圆上同时印出几百个小芯片，然后切开，一块一块单独使用。但Cerebras是把整张晶圆做成一个巨大的AI处理器。这片晶圆的面积是最大GPU的58倍。很多原本需要跨GPU、跨服务器、跨网络完成的数据移动，现在可以在晶圆内部完成。

Angela Yeung Cerebras产品资深副总裁 传统GPU架构里，HBM（高带宽内存）是和计算芯片分开的。只要数据需要在内存和计算单元之间传输，就会耗费很长时间。这个过程受限于所谓的内存带宽。因为我们的内存和计算单元在同一片硅上，所以我们拥有极高的内存带宽，达到GPU的数千倍量级。

2016年3月，Cerebras正式成立，由Benchmark领投Series A，融资2700万美元。

说到这里，我们不得不感叹Andrew的远见。2015年底，在Cerebras决定押注晶圆级引擎的时候，Transformer架构甚至还没有诞生，今天这套以大模型为核心的AI产业还远没有成型。当时，深度学习当然已经在爆发，英伟达也已经开始把GPU推向数据中心和神经网络训练。但主流路线，仍然是把GPU拼成越来越大的集群，再用软件和高速互联解决训练速度的问题。

Cerebras的不同之处在于，它从一开始就问了一个更底层的问题：如果AI会成为一种全新的计算负载，能不能为它重新设计一台机器？

有投资人回忆，2015年底与Andrew见面时，他有一页slide，列出了深度学习面临的七个核心问题，而这些问题本质上都指向同一件事：训练时间太长。这也正是上一章结尾提到的、百度团队面临的瓶颈。

投资人周楠在2016年加入百度AI实验室，成为了Greg的同事。她的第一个任务，就是寻找一种专为深度学习打造的新计算方案。

Nan Zhou 周楠 Cerebras早期投资人，前Qualcomm Ventures合伙人 作为投资人，研究员们交给我的任务是：去寻找一种非常强大的、英伟达之外的AI算力方案。因为他们预测，在未来五到十年，更现实地说可能是十年左右，会出现非常大的模型，参数规模会远远超过5亿，像一个维基百科模型一样。所以在当时，他们都说：我们需要一种不同类型的GPU，或者说，一种不同的计算架构，来确保模型可以继续扩大，而且训练得更快。因为当时的GPU，并不是为深度学习优化的架构。

其实那时候，挑战通用GPU的尝试并不少。谷歌已经在内部使用TPU，这是一种专门为机器学习中的矩阵计算而设计的ASIC（专用集成电路）。英特尔收购了深度学习硬件创业公司Nervana，英国的Graphcore在做IPU，Groq、Habana、SambaNova这些硬件公司也基本都在这个阶段成立，沿着不同方向试图重新设计AI芯片。

Cerebras的方案，是这之中最激进的。

Nan Zhou 周楠 Cerebras早期投资人，前Qualcomm Ventures合伙人 在当时，Cerebras对这个问题给出的答案是非常大胆的。我当时的理解是：如果AI会继续增长，如果模型会继续变大，那么整个计算系统就必须被重新发明。而Cerebras的做法，就是晶圆级计算，也就是Wafer-Scale Engine。所以那个时候，真正的问题和风险是：如果算力会成为AI进步的瓶颈，那么这种结构真的能工作吗？这种架构真的能加速AI计算吗？这个想法听起来非常疯狂。但我十年前做的整个尽调，最后变成了一个非常科学驱动的项目。

接下来，周楠花了整整四周时间，把尽调变成一个科学项目，将所有的投资风险拆解成一个个可以验证的技术问题。

第一，良率能不能控制？晶圆制造一定会有缺陷。如果一整片晶圆就是一颗芯片，这些缺陷会不会让整颗芯片报废？

第二，第一次tapeout（流片）能不能成功？在芯片行业，流片意味着把设计交给工厂生产。一次失败，就可能意味着几千万美元的额外成本和几个月的时间损失。

第三，如果晶圆上有一部分区域坏掉，系统能不能识别、绕开，并继续运行？

第四，真实的AI工作负载，能不能被编译器映射到这样一套全新的架构上？

第五，它能不能接入客户已经在使用的机器学习框架，而不需要所有人从零开始重写代码？

尽调过程中的一个关键转折点，发生在Greg见到Cerebras团队之后。在Scaling Law的初步发现之后，Greg已经见过20多家做AI芯片的创业公司，每一家的pitch都大同小异：他们说，自己在做比英伟达更好的GPU。一开始，Cerebras在Greg眼里也是这20多家里平平无奇的一家。直到有一天，他来到了Cerebras的办公室。

Greg Diamos 现任TensorWave ScalarLM架构师，MLCommons联合创始人 我开车去了Cerebras的办公室。CEO拿出一本实验笔记本，对我说：“我想出了怎么把更多处理器真正集成在一起。”接着，他们叫来一群做散热的工程师，搬出一大块金属，说：“这是我们要连接到芯片上的热交换器，用来给它降温。” 我当时的反应是：等一下，GPU根本不需要这么大的功耗，你们想的肯定不是普通GPU。然后他们把一整片巨大的晶圆拿了出来。我一下子明白了：哦，原来你们真的在尝试造一颗更大的芯片。而且不只是想造，你们已经成功有了一片。

那一刻他意识到，Cerebras不是一个山寨版的英伟达，他们在做一件完全不同的事：造一块大到前所未有的芯片。如果Cerebras真的能造出这样一块芯片，就能解决百度团队的问题：速度。

周楠告诉我们，团队将Cerebras的编译器接入了百度自研的3亿参数语言模型，在Cerebras的模拟器上跑了一遍测试，得到了不错的结果。要知道，当时Cerebras还没有真正出货的产品，他们只有一张实验室里的晶圆原型和一台模拟器。

四周后，周楠得出了她的结论。

Nan Zhou 周楠 Cerebras早期投资人，前Qualcomm Ventures合伙人 这套架构是可行的，而且它非常重要，因为它真的有可能加速AI的发展。当然，那个时候Transformer还没有出现，但我们已经看到，语言模型的规模会变得非常大，远远超过5亿参数。

其他技术风险依然存在，但周楠认为，它们都是可以被解决的。

Nan Zhou 周楠 Cerebras早期投资人，前Qualcomm Ventures合伙人 而且，如果真的出了什么问题，只要公司有足够的资金，这些问题就是可以解决的。所以我们决定押下这个激进的赌注。

在这里，我们可以展开讲讲，Cerebras是如何解决良率问题的。

在台积电5纳米工艺下，每平方毫米大约会出现0.001个缺陷。听起来很小，但Cerebras的WSE-3芯片面积是46,225平方毫米。算一下，一整片晶圆上大约会有46个缺陷。在一块没有容错设计的传统芯片上，这46个缺陷里的任何一个，都足以让整块芯片报废。

Cerebras的解法，包括两个设计。

第一，把核心做到极小。传统GPU的一个计算核心很大，英伟达H100的一个SM核心大约是6平方毫米，一旦缺陷落在上面，这6平方毫米就全废了。而Cerebras把每个核心缩小到0.05平方毫米，大约是H100核心的1%。这意味着，同样一个缺陷，砸在H100上要损失6平方毫米，砸在Cerebras上只损失0.05平方毫米。仅仅是把核心做小这一点，就让Cerebras芯片面对缺陷时的容错能力，达到传统GPU的百倍量级。

第二，冗余加智能路由。Cerebras在整片晶圆上多放了大约1%到1.5%的备用核心，平时这些核心处于关闭状态。芯片上还内置了一套可以动态重新配置的on-chip fabric（片上网络）。在制造测试阶段，系统可以识别哪些区域有缺陷，把坏掉的核心屏蔽掉，通过片上网络绕开它们，再把工作负载映射到正常区域。从软件的角度看，整片晶圆始终是一块完美无缺的芯片。那46个缺陷，被悄悄地隐藏掉了。

这个思路其实不是Cerebras发明的。内存芯片厂商和GPU厂商几十年来都在用冗余核心处理缺陷：英伟达的H100需要132个核心工作，但芯片上实际造了144个，允许最多12个是坏的。

Cerebras真正的创新，是把这个冗余逻辑从一块小芯片放大到整张晶圆的尺度，用几十万个微小核心，加上一套能在整片晶圆上动态绕障的路由网络，把一个“70年无解”的良率难题，变成了一个可以管理的工程问题。

在尽调之后，百度共同领投了Cerebras的Series C。

其实在做出投资决定之前，周楠还见到了Andrew本人。创始人的个人魅力，也是说服投资人的重要原因。

Nan Zhou 周楠 Cerebras早期投资人，前Qualcomm Ventures合伙人 他会讲故事，但他也有愿景和信念。十年前，我做那四周尽调的时候，几乎每天都要和他通电话两个小时，问他每一个具体的风险点。他每一个问题都回答得非常好。你能感觉到，他有一种非常严谨的工程思维。他很清楚每一个问题应该怎么解决。

当时，Cerebras的团队有70多名PhD，大部分人都曾经在SeaMicro共事过。最后，Greg说，就算Cerebras找不到客户，他也相信这个产品是有价值的。

Greg Diamos 现任TensorWave ScalarLM架构师，MLCommons联合创始人 Cerebras可能最终会被英伟达、AMD或者Intel之类的公司收购，就算他们找不到客户。速度对于百度来说是一个重要的挑战。所以我们决定和他们合作。

虽然有周楠这样的投资人选择相信Cerebras，但那段时间，公司实际上举步维艰。

从2016年成立到2019年年中，Cerebras完全处于隐身状态：没有产品，没有客户公告，没有新闻稿。这家在外界眼里神秘莫测的硬件公司，内部一度非常危险。

那时，Cerebras每个月的烧钱速度大约是800万美元。每六周开一次董事会，Andrew都要汇报同一个坏消息：芯片还是不能用。三年，也就是将近三亿美元，都花在了一个没有人见过的产品上。

他们要解决的问题，不只是芯片本身。一张晶圆级芯片的功耗高达25千瓦，大约是一个普通家庭年用电量的两倍多，而且集中在一块餐盘大小的面积上。这意味着他们还需要重新发明散热系统，重新设计供电结构，重新设计与服务器机架的接口。上一章提到的技术问题，每一个都是壁垒。

2019年夏天，Cerebras终于让第一代WSE成功量产，并开始正常工作。那一天，几位工程师坐在Los Altos市中心一间临时搭建的办公室里，盯着电脑屏幕，看着这个曾被认为不可能的系统真的跑了起来，半个小时没有人说话

2019年8月，Cerebras走出隐身模式，在Hot Chips大会上发布了全球第一款晶圆级芯片WSE-1。它的规格在当时看来近乎荒诞：面积超过4.5万平方毫米，是当时最大GPU的56.7倍，拥有40万个AI计算核心和18GB片上SRAM内存。相比之下，英伟达同期GPU的片上内存只有几十兆字节。

从具体产品上看，Cerebras整体交付的是一台完整的系统CS-1。这台冰箱大小的机器把芯片、散热、供电、接口全部整合在一起，插进数据中心的机柜就可以直接使用。同年，Cerebras完成2.72亿美元的E轮融资，正式成为独角兽。

但问题来了：谁会第一个真正使用它？商业AI客户在2019年还没有形成规模，大家都在用英伟达。市场上，没有人看好Cerebras。

而Cerebras的第一批真正客户，来自一个意想不到的地方：美国能源部旗下的国家实验室。

阿贡国家实验室（Argonne National Laboratory）用Cerebras的系统分析新冠病毒的变异序列，这个实验后来协助获得了2022年的戈登贝尔特别奖，那是高性能计算领域最重要的奖项之一。Lawrence Livermore国家实验室用它跑核聚变模拟。国家能源技术实验室（NETL）的测试结果显示，Cerebras系统比实验室自己的超级计算机快了大约500倍。

这些客户用真实的、严肃的科学任务，证明了这项技术可以落地。

2021年，WSE-2发布，升级至7纳米制程，计算核心增至85万个，晶体管数量达到2.6万亿。2022年，Cerebras用一台CS-2在单台机器上训练了参数量高达200亿的模型，创下当时的纪录。也是在这一年，美国计算机历史博物馆为Cerebras的WSE-2揭幕了一个永久展览，题为“The Biggest Chip in the World”（世界上最大的芯片）。

距离2015年五名创始人在白板上立下那个目标，过去了七年。

2021年11月，Cerebras完成Series F融资，估值40亿美元。2026年5月，Cerebras IPO时，估值950亿美元。五年间，估值涨了将近25倍。其中一半的功劳，要归于一个客户：它在三年时间里，把Cerebras从一家只有政府实验室客户的公司，变成了一家有真正商业规模的企业。但也是这个客户，让Cerebras的第一次上市计划彻底泡汤。

G42是阿布扎比的一家AI科技集团，与阿联酋政府深度关联，同时是微软的战略合作伙伴。2023年，G42与Cerebras宣布了一个名为Condor Galaxy的合作：基于Cerebras的系统建造一个大规模超算网络，其中最大的一台超级计算机算力达到4 exaflops，合同规模超过10亿美元。

Cerebras和G42的合作始于2021年。通过Condor Galaxy，G42想做一个阿拉伯版的ChatGPT。

Nan Zhou 周楠 Cerebras早期投资人，前Qualcomm Ventures合伙人 对一家深科技硬件公司来说，光证明技术可行还不够。你真正需要的，是一个愿意部署你的系统、愿意付出真金白银围绕这项技术进行建设的大客户。G42给了Cerebras这样的机会，为它带来了真正的收入。这对Cerebras来说非常重要。

财务数字是最好的证明。2022年，Cerebras营收2460万美元。2023年，这个数字跳至7870万美元，其中G42占比超过83%。到2024年上半年，G42的占比进一步升至87%。

2024年9月，Cerebras向纳斯达克提交了S-1招股书，准备上市。美国外国投资委员会（CFIUS）在看到Cerebras的大批营收来自阿联酋客户G42后，几乎立即启动了国家安全审查。

最终，Cerebras在无法获得CFIUS放行的情况下，主动撤回了S-1申请。G42持有的股份被转换为无投票权股份，双方关系重新定性。2025年3月31日，CFIUS正式对Cerebras上市放行。

虽然撤回了S-1，但这段等待并没有被浪费。在等待上市的这段时间里，Cerebras通过私募市场完成了新一轮资本化：2025年9月，Series G融资11亿美元，估值81亿美元。2026年2月，Series H融资10亿美元，估值230亿美元，AMD、Tiger Global、Coatue、Benchmark、Fidelity等参与其中。

2025年12月24日的平安夜，本应是安静的一天。但那一天发生的两件事，改变了AI芯片行业的格局。

第一件事：英伟达与Groq签署合同，达成200亿美元规模的技术授权和资产交易。Groq是Cerebras在推理芯片市场最直接的竞争对手，它做的是LPU（语言处理单元），专门为固定大小的模型设计，追求极致的确定性和低延迟。

Greg Diamos 现任TensorWave ScalarLM架构师，MLCommons联合创始人 我对Groq一直没有那么兴奋。因为我心里总觉得，如果Nvidia真的想做，它其实也可以做类似的东西。

第二件事：Cerebras与OpenAI宣布合作。他们签署的合同总价值同样超过200亿美元。OpenAI承诺部署750兆瓦的Cerebras计算能力，用于自己的推理业务，最大可扩展至2030年的2吉瓦。这是全球历史上规模最大的AI高速推理部署合同。

大家可以想想这个时间线：Cerebras是英伟达的挑战者，而就在英伟达吃下Groq的同一天，OpenAI选择把最大的推理计算合同，给了Cerebras。

其实，这个合作并不令人意外。Sam Altman是Cerebras最早期的投资人之一，两家公司的团队从2017年起就频繁交流。他们都相信一点：随着模型规模扩大，硬件架构和模型需求迟早会汇合。

于是，OpenAI和Cerebras在感恩节前夜签了term sheet（投资意向书），在四周后的平安夜签了master agreement（主协议）。一个200亿美元以上的交易能在四周内完成，是很罕见的。

Nan Zhou 周楠 Cerebras早期投资人，前Qualcomm Ventures合伙人 OpenAI选择Cerebras的原因很简单：速度，以及供应链多元化。OpenAI需要的算力，已经不是单一供应商能够完全满足的。它也需要高速推理，来支撑实时产品。同时，它不想在推理业务上只依赖一个算力来源，也就是英伟达。

这个合作落地的速度，也超出了预期。

Angela Yeung Cerebras产品资深副总裁 我们在二月份完成了第一个集成。也就是说，在宣布合作后的几周内，我们就完成了和Codex的第一次集成。这个合作的反馈非常好。我们推出了Codex Spark模型，它特别针对速度和互动性做了优化，后端由Cerebras提供支持，并向全球开放。这也让很多开发者和个人用户，而不只是企业客户，第一次亲身体验到Cerebras的能力。

在讲述OpenAI合作的时候，我们提到的一个关键词是：推理。

在最开始的几章里，我们关注的是Scaling Law，是模型的训练。这也是2024年之前，Cerebras和大部分硬件公司都在关注的方向。

训练是建造模型：你把海量的数据喂给一个神经网络，让它学会语言的规律、世界的知识。这是一个巨大的、一次性的计算过程。GPU非常适合做训练，因为矩阵乘法可以高度并行化，你可以把几千块GPU连起来同时计算。

但训练完成，AI被我们真正用起来的时候，发生的是推理。从硬件角度看，推理是一个非常特殊的计算过程。

大语言模型生成回答时，并不会一次性把整段话吐出来。生成了第一个词，才能知道第二个词该是什么。生成了第二个词，才能继续生成第三个词。也就是说，推理有很强的串行性。

训练的时候，你可以把海量数据分成很多批次，扔给几千张GPU并行计算。但推理的时候，尤其是生成答案的decode（解码）阶段，模型必须沿着时间顺序往前走。每生成一个token，都要进行一次模型计算，都要在模型权重、缓存和计算单元之间搬动大量数据。

所以在推理时代，关键词是速度：模型能不能足够快地读到数据，足够快地生成下一个token。这个时候，我们才能真正看到Cerebras的WSE相比GPU的优势。

Angela Yeung Cerebras产品资深副总裁 对于推理来说，最关键的就是内存带宽。所以，我们最根本的创新，是把计算单元和内存放在同一片晶圆上。正是这种设计，带来了极高的内存带宽，并最终为终端用户的应用提供了高性能、高速度的推理能力。

换句话说，Cerebras原本想解决的是AI训练里的数据搬运问题。但当AI进入推理时代，反而更加利好Cerebras。想一想，每次和AI对话、调用Agent的时候，你是不是都希望速度快一点，再快一点？

推理，从一个辅助性的需求，变成了AI基础设施的核心。我们也问了Angela，Cerebras为什么选择从训练市场，转而关注AI推理市场。

Angela Yeung Cerebras产品资深副总裁 我们一开始确实是从训练开始的。部分原因是，在2016年，或者说AI还比较早期的时候，大多数公司关注的都是训练基础模型。但现在不一样了。我们已经有了来自OpenAI、Anthropic以及很多开源公司的前沿模型，这些模型已经足够强大，可以被广泛用于各种应用。从Cerebras的角度来说，我们其实两边都擅长。但当我们看到推理市场扩张得这么快，而且我们在推理速度上相比GPU有大约15倍的优势时，我们就意识到，这里会有一个非常好的机会。我们可以帮助那些正在使用推理的公司，以过去无法实现的方式继续增长。

当然，推理市场的需求，也改变了Cerebras的产品形态。之前，就像G42的例子里那样，Cerebras卖的是超级计算机。而现在，它开始把自己的硬件能力包装成云服务：客户通过API发送请求，Cerebras在后端完成模型推理，把结果返还给客户。

Angela告诉我们，他们已经把整个产品做成了OpenAI API兼容。如果一家公司已经在用OpenAI或者其他兼容接口，就不需要重写整套代码，只要换成Cerebras的API key，就可以把请求送到Cerebras后端。

在推理服务上，Cerebras目前平均可以达到每秒超过2000个token的输出速度。相比之下，很多传统方案是每秒200到300个token。只要用过Agent工作流就会知道，这样的速度改变会让使用体验大幅优化。

更有意思的是，速度更快的时候，会创造出全新的使用场景。我们来看几个例子。

有一家Cerebras的合作伙伴做了这样一个功能：当程序员把鼠标悬停在一段代码上，系统可以立刻显示这段代码在整个项目里被哪些地方调用、依赖关系是什么。这个功能本质上需要模型快速读懂代码上下文，再生成一个完整的调用图。如果推理很慢，这个功能就很尴尬：光标要停留5到10秒才有响应，开发者的思路早就断了。但如果响应几乎是瞬时的，它用起来就像IDE自带的功能一样自然。

另一个例子是实时教育。想象你需要让AI给你解释一个复杂的概念，AI一边在虚拟黑板上画图，一边回答你的追问，你还可以直接圈出图上的某一部分，让AI再讲一遍。如果AI每次都要停顿很久，这就只是一个普通的教学视频加聊天框。但如果AI能立刻回应，它就变成了一个可以实时对话的老师。

第三个例子，是AI科学家。有Cerebras的合作伙伴在做一个面向药物研发的AI科学家。想象一下，在一个新药研发的会议里，团队正在讨论一个假设，这个AI员工可以在会议进行的同时，实时查找竞争对手的研究、检索论文、测试假设，然后直接参与讨论。

Angela Yeung Cerebras产品资深副总裁 这些新的使用场景，都需要更快的推理能力。Cerebras的速度，让它们能够变成现实。

这就是推理时代最重要的变化：Agent直接进入实时交互场景。代码、教育、科研、客服、语音助手、工作流，这些应用的共同点是互动。而互动的本质，是速度。这也解释了为什么Cerebras会在2026年这个时间点，迎来IPO窗口。

在宣布与OpenAI合作后不久，Cerebras又在2026年3月宣布与AWS合作。Cerebras的CEO Andrew解释了这个合作的逻辑，并宣布将会和所有Hyperscaler（超大规模云服务商）合作，除了英伟达。

Andrew Feldman Cerebras CEO 推理问题的本质是什么？它其实由两个部分组成。第一部分叫做处理prompt。第二部分，是生成答案。所以整个推理过程，就是先处理prompt，再生成答案。我们把第一部分叫prefill（预填充），把第二部分叫decode（解码）。而这两个阶段，其实有非常不同的计算特征。 我们后来意识到，有些机器比我们更适合做第一部分。因为处理prompt是一个可以并行化的问题，它和decode完全不一样。decode，也就是生成答案，是一个严格串行的过程。

所以我们带着这个观察去找AWS，说：我们可以用你们的训练芯片，来做一部分prefill；然后用我们的巨型芯片，来做decode。这样组合起来，就会得到一个非常强大的解决方案。 这个想法后来反响很好，现在我们也在和其他公司做类似的事情：用别人的芯片来处理问题的一部分，用我们的芯片来处理另一部分。基本上，我们在和所有hyperscaler（超大规模云服务商）讨论这种合作，除了Nvidia。也就是说，除了Nvidia之外，其他人都可以合作。

在继续讲Cerebras的IPO故事之前，我们先把Cerebras这十年做的产品整理清楚。

第一层产品，是芯片。2019年，Cerebras做出第一代晶圆级引擎WSE-1：16纳米制程，面积46,225平方毫米，40万个计算核心，18GB片上SRAM。这是世界上第一款晶圆级芯片，大小是当时最大GPU的56.7倍。

但我们说过，Cerebras卖给客户的不是芯片，而是机器。这就是Cerebras的第二层产品：系统。WSE-1被装进CS-1系统里，成为一台可以直接放进数据中心的AI超级计算机。2021年，Cerebras发布第二代WSE-2：7纳米制程，85万个计算核心，2.6万亿个晶体管，配套产品是CS-2系统。

第三层，是超级计算机集群。2022年11月，Cerebras用16台CS-2拼成了Andromeda超级计算机：1350万个AI核心，超过1 exaflop的AI算力，功耗500千瓦，远低于同级别的GPU集群。这展示了多台晶圆级系统组成集群的能力，让大语言模型训练实现接近线性的扩展。2024年，Cerebras发布第三代WSE-3：5纳米制程，90万个计算核心，44GB片上SRAM，内存带宽每秒21 PB，4万亿个晶体管，面积是当时最大GPU H100的57倍。

最后一层，就是云端推理业务。2024年8月，Cerebras发布Cerebras Inference：客户不用买一台CS系统，而是直接通过API调用云服务。

至此，Cerebras从一家硬件公司，转型为一家推理基础设施公司。

2026年4月17日，Cerebras重新提交S-1。5月14日，正式上市。

Nan Zhou 周楠 Cerebras早期投资人，前Qualcomm Ventures合伙人 IPO前一天，投行给出的发行价格区间大概是每股120到160美元。我当时就想：哇，就算是160美元，相比我们Series C进入时的价格，也已经是超过25倍的回报了。但到了IPO当天，我坐在纳斯达克交易台后面，看着那个数字一路往上走：200美元、300美元、380美元。这是我整个职业生涯里，见过需求最疯狂的一次IPO。

首日收盘311美元，涨幅68%，融资规模55.5亿美元，市值在盘中一度触及千亿美元。

Angela Yeung Cerebras产品资深副总裁 IPO的意义，是把公司带到下一个阶段，让我们真正开始规模化。如果我们想跟上这个市场的增长速度，就必须进行巨大的投入：投入数据中心，投入制造能力，投入产品路线图，当然也要投入我们的整个软件栈，才能把这个产品真正做到它应该达到的样子。所以我认为，我们接下来一年的首要任务，就是让规模跟上市场的发展，把产品交付给尽可能多的客户。

但可想而知，上市并不是Cerebras故事的终点。上市之后，Cerebras面临着更多挑战。

首先，是供应链的问题。Cerebras的整条产品链，包括对OpenAI承诺的750兆瓦算力，全部建立在台积电5纳米产能上。台积电是目前世界上唯一能够制造Cerebras芯片的代工厂。那么，Cerebras在未来能拿到多少市场份额，会不会取决于它能从台积电拿到多少产能？

Andrew在Odd Lots播客上没有直接回答这个问题。他承认，台积电当然是Cerebras供应链里极其重要的一环。但他也提到，Cerebras有几个意外的优势：它避开了当下AI芯片行业最紧张的三个供应瓶颈，HBM（高带宽内存）、台积电的先进封装技术CoWoS，以及台积电最先进的3纳米产线。这三个竞争最激烈的环节，Cerebras的产品都用不到。

第二，是激烈的竞争格局。英伟达通过与Groq的合作，有了自己的推理优化技术。Broadcom在帮各大云厂商设计定制ASIC。谷歌的TPU、亚马逊的Trainium都在做推理。一批新的推理芯片创业公司正在融资。对此，Angela是这样回答我们的。

Angela Yeung Cerebras产品资深副总裁 我对Cerebras的前景非常有信心，原因是我们拥有刚才提到的全栈能力。无论市场下一步需要什么，我们都有能力在每一个层面继续创新，继续跟上市场的发展方向。

由竞争带来的第三个风险，是重要客户OpenAI充满变数的战略走向。就在6月，OpenAI和Broadcom发布了OpenAI第一颗自研推理芯片Jalapeño。这是一颗专门为LLM推理设计的ASIC。OpenAI表示，Jalapeño是它长期全栈AI基础设施策略的一部分：未来，OpenAI想把模型、软件、网络、服务器，甚至芯片本身，都更深地掌握在自己手里。

这并不意味着OpenAI会立刻放弃Cerebras，因为OpenAI的算力需求太大了。但Cerebras必须证明，它能提供的推理速度，是长期不可替代的。

6月24日，Cerebras发布了上市后的第一份财报，股价当天下跌超过15%，甚至一度跌破IPO发行价。

表面上看，这份财报并不差，第一季度收入甚至高于华尔街预期。但Cerebras给出的第二季度指引中，调整后毛利率只有36%到38%，低于第一季度的47%。也就是说，收入增长留下的利润空间，正在被压缩。对于一家上市公司来说，市场看到的是一个现实问题：包括数据中心、电力、冷却在内的成本，会不会吃掉技术优势？

对此，Andrew是这样回应的：

Andrew Feldman Cerebras CEO 我们在2026年初制定了一个计划，上市时也把这个计划分享给了投资人。而现在，我们其实已经跑在计划前面。我们的毛利率明显高于市场共识，而且我们给出的全年指引是：全年毛利率会比原计划高出10个百分点。同时，我们也告诉市场，在第二季度和第三季度，为了跟上需求，我们会从一些客户那里把已经卖出去的设备再租回来使用，这会对毛利率造成大约10到15个百分点的影响。我们这样做，是为了继续服务好客户，确保能跟上他们对高速推理产品的巨大需求。这就是整个故事。我们公布的每一个指标，都跑在计划前面。

但市场买不买单，是另一回事。

投资人对Cerebras长期、稳定盈利能力的关注，其实也是这个故事最有意思的地方。它并不是一个英伟达挑战者上市的爽文。Cerebras的一波三折，更像是对AI时代基础设施需求变迁的一步步回应：当我们对模型的关注从规模变成推理，从能力变成速度，我们到底需要什么样的计算机？

英伟达的答案是GPU集群，OpenAI在自研ASIC，Groq选择了LPU。而Cerebras给出的答案，是一整片晶圆。

十年前，它是硅谷疯子。今天，这块餐盘大小的芯片就在数据中心里，服务着一系列重要客户。这个曾经的科幻故事，变成了可以登陆纳斯达克的现实，真实到资本市场开始用毛利率来审判它。

这，或许才是一个硬科技公司真正进入主流世界的时刻。