事件概述

2026年3月，Cerebras Systems 凭借独特的晶圆级引擎（Wafer-Scale Engine, WSE）架构，正式进入超大型企业采购视野。Oracle在财报会议上将其与Nvidia、AMD并列为核心加速器供应商；AWS宣布部署Cerebras CS-3系统至自有数据中心并通过Amazon Bedrock提供服务；OpenAI则签署了价值超100亿美元、提供750兆瓦算力的多年合作协议。

这一系列动作标志着AI基础设施正从“通用GPU集群”向“专用推理架构”演进，旨在解决大模型爆发带来的数据移动瓶颈和延迟问题。

核心信息：技术突破与性能表现

1. 硬件架构革新：打破内存墙

Cerebras 的 WSE-3 芯片是目前规模最大的人工智能芯片，其核心特性包括：

• 规模：面积46,255平方毫米，集成4万亿个晶体管，拥有90万个AI优化内核。
• 算力对比：提供125 PFLOPS AI算力，晶体管数量是英伟达B200的19倍，算力是其28倍。
• 内存架构：配备44GB片上SRAM，内部带宽高达27PB/s（是最新一代NVLink的206倍），彻底消除了数据在芯片间传输的延迟。
• 扩展能力：最多可组合2048套系统，提供256 EFLOPS算力，支持训练参数规模高达24万亿的模型。

2. 推理性能实测数据

根据 Artificial Analysis 的测评，Cerebras CS-3 在推理场景下展现出显著优势：

• 大模型测试：在 Meta Llama 4 Maverick（400B 参数）模型上，Cerebras 达到 2,522 tokens/秒，领先英伟达 Blackwell B200（1,038 tokens/秒）约 2.4 倍。
• 小模型测试：在 Llama 3.1 8B 模型上，Cerebras 可达约 1,800 t/s，而英伟达 H100 约为 90 t/s，差距约 20 倍。
• 成本优势：DeepSeek V3 在 Cerebras 上的云服务定价极具竞争力（输入$0.20/百万tokens，输出$0.50/百万tokens）。

3. 行业趋势转变

AI 行业重心正从“训练为主”转向“推理为主”。推理市场对延迟极为敏感，ChatGPT 对话、多步骤智能体（Agentic AI）等场景对 tokens/秒有严苛要求。预计 AI 推理市场规模将从 2025 年的 1,062 亿美元增长至 2030 年的 2,550 亿美元（CAGR 约 19%）。

挑战与风险

尽管性能突出，Cerebras 要撕开英伟达的“算力围城”仍面临多重阻碍：

1. 生态壁垒（CUDA 护城河）

英伟达最强大的武器并非硬件，而是成熟的 CUDA 生态。开发者转向 Cerebras 需适配专有编译器，且目前对动态控制流等高级 AI 特性的支持尚不完整。全球数百万 AI 工程师深度依赖 CUDA，迁移涉及重写代码、重新培训员工及重谈合同，学习成本和转换成本极高。

2. 物理与基础设施限制

• 功耗：CS-3 单系统功耗高达 50kW，远超单台 GPU 服务器，对传统数据中心的电力和空间构成巨大挑战。
• 良率风险：采用整块 300mm 晶圆作为单颗芯片，任何一处缺陷都可能导致芯片报废，制造良率控制难度远高于传统 GPU 的小芯片切割模式。

3. 商业与客户集中度风险

• 客户依赖：阿联酋 G42 贡献了 Cerebras 2024 年上半年 87% 的营收（对应一份 14.3 亿美元的合同）。若地缘政治变化导致出口管制趋严，将对营收造成重大冲击。
• 交付压力：面对 OpenAI 和 AWS 的大规模部署需求，Cerebras 在 2026-2028 年间面临极大的产能扩张压力，实际交付时间线存在不确定性。

竞争格局：英伟达的反制与其他玩家

英伟达的防御策略

英伟达并未坐以待毙，正在通过以下方式巩固推理市场地位：

• 收购 Groq：收购推理初创公司 Groq 的核心资产。Groq 的 LPU（语言处理单元）架构追求“快速、可预测、低成本”，通过去掉缓存和乱序机制实现流水线式执行，大幅降低单位 token 的计算成本和能耗。
• 推出 NIM 微服务：通过软件定义加速，进一步降低推理门槛。
• 持续迭代：Blackwell 架构的快速迭代保持硬件竞争力。

其他非 GPU 玩家

• SambaNova：采用可重配置数据流架构（RDU）+ 三级内存（SRAM/HBM/DDR），在标准芯片上实现接近单片大芯片的效率。其在 Llama 3.3 70B 上实现了低批量 9 倍、高批量 4 倍的速度提升，且能效显著优于 Nvidia H200。但 SambaNova 目前估值停滞，正在寻找新的融资方或买家。

结论

在赢者通吃的市场中，仅比竞争对手好 10% 往往不足以撼动现有格局。Cerebras 虽然在推理速度和特定场景成本上具备“好 10 倍”的潜力，但要真正取代英伟达，不仅需要证明硬件性能的绝对优势，更需要解决生态迁移成本、基础设施适配以及供应链稳定性等系统性难题。未来，AI 算力市场可能呈现“训练靠 GPU，推理多元化”的混合架构格局。