Cerebras：晶圆级芯片挑战GPU，从濒临倒闭到IPO市值近千亿

事件概述

Cerebras 是一家专注于晶圆级引擎（Wafer-Scale Engine, WSE）的AI芯片公司。其核心思路是：不把GPU拼成集群，而是将整片晶圆直接做成一颗巨大的AI处理器，将计算单元、内存和互联集成在同一片硅上，从而大幅减少数据在芯片、内存和服务器之间的搬运。

公司成立于2016年，由Andrew Feldman等五位来自SeaMicro/AMD的工程师创立。2026年5月上市时估值一度接近千亿美元。

核心信息

起源：Scaling Law 带来的硬件瓶颈

2014年前后，百度AI实验室（吴恩达团队）在训练当时全球最大的3亿参数语言模型时发现：模型越大、数据越多、算力越强，模型越聪明，且提升可预测。这一规律后来被称为Scaling Law，并由团队成员Dario Amodei带至OpenAI，成为GPT的核心逻辑。

但Scaling Law也意味着，未来模型所需的算力将远超现有GPU集群能力。百度的研究员Greg Diamos等人因此开始寻找英伟达之外的新计算架构。

技术路线：晶圆级引擎与良率解法

Cerebras的WSE将整片晶圆作为一颗芯片，面积是最大GPU的58倍（WSE-1为56.7倍）。相比GPU将HBM与计算芯片分离、受限于内存带宽的架构，WSE将内存与计算放在同一片硅上，内存带宽达到GPU的数千倍。

制造挑战在于晶圆缺陷会导致整片芯片报废。Cerebras通过两个设计解决：

• 将计算核心缩小至约0.05平方毫米（约为英伟达H100核心的1%），使单个缺陷的损失面积极小；
• 在晶圆上放置约1%–1.5%的冗余核心，并内置可动态重构的片上网络，自动屏蔽坏区并绕开。

这套冗余思路并非Cerebras首创，但其创新在于将冗余逻辑从单颗芯片放大到整张晶圆尺度，让“70年无解”的良率难题变成可管理的工程问题。

早期商业化：从国家实验室到G42

2019年，Cerebras发布首款晶圆级芯片WSE-1，并交付集成式系统CS-1。首批客户来自美国能源部国家实验室：阿贡国家实验室用它分析新冠病毒变异序列（获2022年戈登贝尔特别奖），Lawrence Livermore国家实验室跑核聚变模拟，NETL测试显示其系统比实验室自研超算快约500倍。

2021年WSE-2发布，升级至7纳米，85万核心，2.6万亿晶体管。2022年，Cerebras用一台CS-2在单机训练200亿参数模型，创下纪录。

商业规模转折来自阿布扎比G42：2023年双方宣布Condor Galaxy超算网络合作，合同规模超10亿美元。2022年Cerebras营收2460万美元，2023年增至7870万美元，其中G42占比超过83%，到2024年上半年升至87%。

上市波折与资本路径

2024年9月，Cerebras向纳斯达克提交S-1。因收入高度依赖阿联酋G42，美国外国投资委员会（CFIUS）启动国家安全审查，Cerebras被迫撤回申请，并将G42持股转为无投票权股份。2025年3月31日，CFIUS放行。

等待期间，Cerebras完成多轮私募：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等参投。2026年5月IPO时估值达950亿美元。

转向推理：与OpenAI的200亿美元合作

2025年12月24日，Cerebras与OpenAI宣布合作：OpenAI承诺部署750兆瓦Cerebras计算能力用于推理业务，最大可扩展至2030年的2吉瓦，合同总价值超过200亿美元。这是全球历史上规模最大的AI高速推理部署合同。同一天，英伟达与Groq达成约200亿美元交易。

OpenAI选择Cerebras的原因包括速度、供应链多元化，以及不希望推理算力完全依赖英伟达。合作推进极快：感恩节前签term sheet，四周后签主协议；2026年2月完成与Codex的首次集成，并推出由Cerebras后端支持的Codex Spark模型。

Cerebras从训练市场转向推理市场，因为推理更依赖内存带宽。其推理服务目前平均输出速度超过每秒2000个token，而传统方案通常为每秒200–300个。高速推理催生了新场景，例如：代码悬停即时显示项目调用关系、AI实时教学、药物研发中的AI科学家实时参与讨论。

值得关注

Cerebras的成长轨迹表明，当AI从训练进入推理阶段，硬件架构的价值逻辑会发生变化。晶圆级设计的高内存带宽在推理场景中成为关键优势，而这类挑战者能否真正动摇英伟达的份额，仍取决于生态建设和交付能力。