大家好，这里是最佳拍档，我是大飞。
Cerebras Systems：AI算力新星的崛起与IPO之路
在AI算力这一由英伟达（NVIDIA）长期主导的赛道上，一家名为Cerebras Systems的公司崭露头角。它凭借一块面积是传统GPU 56倍的晶圆级芯片，在推理速度上实现了对英伟达最新旗舰的超越。这家公司刚刚提交了IPO申请，并公布了令人瞩目的财务数据：2025年全年营收达到5.1亿美元，净利润8790万美元，彻底摆脱了亏损状态。其估值一度飙升至230亿美元，并与OpenAI签署了一份最高可能达300亿美元的超级计算协议。Cerebras用十年时间，将一项75年来无人实现的技术幻想，转化为可量产、拥有大客户和真实利润的商业现实。今天，我们将深入探讨Cerebras的创业故事、技术壁垒、商业逻辑，以及它如何重塑AI芯片的全球格局。
IPO申请与财务逆转
时间回到2026年4月17日，Cerebras正式向美国SEC提交了IPO申请，计划在纳斯达克以代码CBRS上市。这份S-1文件中的数据令科技界为之振奋：2025年全年营收5.1亿美元，净利润8790万美元。与2024年2.903亿美元营收、净亏损4.848亿美元的状况相比，公司实现了一年间的惊天盈利逆转。2026年2月完成的H轮融资中，Cerebras募资10亿美元，估值达到230亿美元，投资方包括老虎环球、AMD、富达等一线机构。更重磅的消息是，IPO申请前两天，媒体爆出OpenAI与Cerebras的计算协议规模可能从100亿美元扩展至300亿美元，OpenAI还将获得至多10%的股权认购权证。这意味着，全球顶尖的AI模型公司将未来几年的核心推理算力，大规模押注在一家具备非英伟达体系芯片潜力的厂商身上。
Cerebras的核心业务与技术优势
许多人初次听说Cerebras，都会好奇其具体业务。最精准的概括是：Cerebras专注于AI推理加速赛道，制造了人类历史上最大面积的芯片，并针对大语言模型推理场景进行极致优化。公司CEO安德鲁·费尔德曼（Andrew Feldman）公开声称，他们的芯片在推理速度上比英伟达GPU快数十倍。独立测评机构Artificial Analysis在2025年5月的一项广泛引用的实测中显示，在Meta的Llama 4 Maverick 400B参数大模型上，Cerebras芯片能达到2522 token/秒，而当时英伟达最新的Blackwell B200为1038 token/秒，Cerebras的速度约为后者的2.4倍。
市场竞争格局演变
面对Cerebras的冲击，英伟达并未坐视不管。2025年底，英伟达以200亿美元获得推理芯片公司Groq的技术授权和核心团队。Groq以低延迟推理著称，其LPU（语言处理单元）也采用片上SRAM方案，与Cerebras的技术路线高度相似。在2026年GTC大会上，英伟达展示了其首款非GPU推理芯片Groq 3 LPU，采用三星4nm工艺，配备512MB片上SRAM，内存带宽达150TB/s，专门作为Vera Rubin平台的解码加速器，直接对标Cerebras的高速解码市场。这标志着AI推理芯片的竞争已不再是GPU一家独大，而是多条技术路线的正面搏杀。
创始人安德鲁·费尔德曼：连续创业者的远见
要理解Cerebras的故事，必须了解其创始人安德鲁·费尔德曼。这位62岁的连续创业者，此前已有五次成功创业并退出的经验，积累了深厚的硬件创业与商业化能力。他在斯坦福大学长大，父母皆为教授，其成长环境点燃了他的创业基因。高中时期便开始T恤生意，大学毕业后加入了早期硬件公司，赶上了互联网基础设施爆发的黄金时代。费尔德曼的商业理念是，基础设施的提供者应享受技术普及带来的红利，他坚信更快、更便宜的技术只会扩大市场，而非缩小。
Cerebras的诞生与AGI的启示
Cerebras的诞生与OpenAI有着一段不为人知的渊源。公司五位联合创始人曾共事于费尔德曼上一家公司SeaMicro。2015年年中，他们在白板上写下“想再次一起工作”和“想做一件真正重要的事”，以此为契机，重新聚首。当时AI行业尚处于早期，谷歌大脑的研究成果是用16000个CPU识别猫咪，手写数字识别已是重大进展。然而，在2015年前后，费尔德曼与联合创始人会见了日后共同创立OpenAI的山姆·奥特曼（Sam Altman）、伊利亚·苏茨克维尔（Ilya Sutskever）、格雷格·布罗克曼（Greg Brockman）及斯科特·格雷（Scott Gray）。这群研究者向费尔德曼描绘了AGI（通用人工智能）即将在几年内实现的蓝图。费尔德曼坦言当时难以理解，但他选择相信这群“远见者”，并坚定了一个核心判断：AI的计算需求将爆发式增长，且需要一种不同于现有GPU的全新架构。他后来坦承，这是他五次创业以来首次严重低估了市场规模，AI算力的增长速度远超他最初的想象。
两大核心技术判断
确定方向后，Cerebras团队基于两个直击行业本质的技术判断，构成了其与英伟达竞争的底气：
-
核心矛盾：数据移动成本而非算力不足 传统处理器依赖数据输入、处理、输出的流程。而AI模型在节点间需要频繁传递中间结果，这种高频数据传输对传统架构是巨大挑战。Cerebras认为，AI计算的核心矛盾在于数据移动成本过高。
-
推理内存访问模式的独特性 AI推理的内存访问模式与传统计算截然不同，生成每个token（词）都需要密集读取内存。费尔德曼提供的数据显示，一个70亿参数模型，每次生成一个词就需要从内存搬运约140GB数据，对内存带宽消耗巨大。英伟达GPU普遍使用HBM（高带宽内存），虽然容量大，但读写速度相对较慢，难以满足AI推理场景的高频数据需求。费尔德曼用“吸管粗细”的比喻解释，英伟达GPU的“吸管”太细，而Cerebras的解法是“把吸管扔掉，把杯子举到嘴边倒”，即直接将芯片做得足够大，集成大量SRAM。
晶圆级设计与SRAM集成
Cerebras通过晶圆级设计，制造出面积达英伟达GPU 56倍的芯片，成功集成了44GB的SRAM。这不仅解决了容量问题，还保留了SRAM的极致速度优势。更重要的是，数据几乎无需离开芯片，大幅降低了IO数据传输带来的功耗，而IO是芯片最耗电的部件之一。这种设计带来的规模化优势极其显著：如果用传统尺寸芯片搭配SRAM运行一个4000亿参数模型，可能需要4000块芯片；而Cerebras的晶圆级芯片只需一块、两块或十块即可完成同等工作，大大降低了数据中心运维的集群管理难度。
75年难题：大芯片的良率突破
将芯片做到晶圆级大小，是计算机行业75年来无人解决的难题。早期先驱如吉恩·阿姆达尔（Gene Amdahl）、IBM、德州仪器（Texas Instruments）、NSA都曾尝试失败，核心原因在于晶圆制造过程中随机出现的缺陷。芯片面积越大，碰到缺陷的概率越高，传统做法只能废弃或降级销售，导致硅片浪费严重。Cerebras的革命性突破在于将存储器行业的冗余策略应用于处理器芯片：将整个处理器设计成数十万个完全相同的“tile”单元。当某个单元出现缺陷时，直接关闭该单元，由预留的冗余单元自动接管，从而完美解决了大芯片的良率问题。
坚持与研发投入
费尔德曼坦言，为实现这一技术，团队经历了近五年的失败。公司在洛斯阿尔托斯租用不适合硬件研发的场地，自行改造设备，每月烧掉数百万美元。尽管反复失败、故障分析和重新设计，董事会汇报的始终是“尚未搞定”，但投资人因看重团队的工程方法论而保持耐心。费尔德曼本人虽不怀疑团队执行力，但曾质疑自己是否引向了正确方向。直到2019年底到2020年初，Cerebras的系统才首次成功运行。费尔德曼称，这是其人生中最伟大的几分钟之一，标志着70年来无数尝试大芯片的努力终获成功。到2026年，Cerebras的晶圆良率已超越英伟达同类产品。
商业化落地与客户拓展
技术突破后，Cerebras面临商业化挑战。阿联酋的G42集团成为其早期核心客户，合作训练了领先的阿拉伯语语言模型和基因序列模型，带来了数亿美元设备订单，一度占Cerebras全年营收的87%。这段合作锻炼了Cerebras在供应链配合、产能扩张、大规模集群软件打磨等方面的核心能力。然而，单一客户占比过高是IPO过程中的担忧焦点。
OpenAI的战略合作与AWS的拥抱
为解决客户集中度风险，Cerebras大力拓展客户基础，OpenAI成为新的核心支柱。山姆·奥特曼本人即是Cerebras的早期投资人。2017年OpenAI已评估过Cerebras技术。2025年8月，Cerebras向OpenAI展示其芯片在开源模型上的优越性能，双方开启谈判。2026年1月14日，双方宣布多年期计算协议，Cerebras将提供高达750兆瓦计算能力，合同期至2028年，规模超100亿美元，彻底化解了客户集中风险。
2026年3月，AWS（亚马逊云）成为首家采用Cerebras芯片的超大规模云服务商。AWS巧妙地将自家Trainium芯片用于理解用户输入，再交由Cerebras CS-3芯片负责生成输出，通过高速网络分工协作，声称整体推理速度是现有方案的5倍以上，该服务将于2026年下半年通过Amazon Bedrock开放。至此，Cerebras已从依赖单一客户转型为拥有顶级AI公司和全球头部云服务商的多元化客户结构。
对标英伟达：CUDA护城河与市场领导力
作为AI芯片赛道的颠覆者，Cerebras必然要与英伟达比较。费尔德曼对英伟达和黄仁勋（Jensen Huang）充满尊重，认为英伟达在早期艰难时期的坚持是黄仁勋成为伟大CEO的关键。他将自己定位为“职业David”，选择比巨头大几千倍的对手，从行业巨头手中争夺市场，认为这种成就感是最佳回报。
关于英伟达著名的CUDA生态系统，费尔德曼持有不同看法。他认为在推理领域，CUDA并非牢不可破的护城河。他表示，用户仅需10次按键操作即可从英伟达GPU切换到Cerebras或其他推理方案。谷歌的TensorFlow和Meta的PyTorch已在事实上实现了对CUDA的解耦，当前绝大多数AI代码基于PyTorch编写，理论上可编译运行在任何硬件上，编译器挑战虽大但可解决。黄仁勋则强调，CUDA已发展20年，在各大云和公司广泛部署，其护城河是围绕它建立的完整软件生态。费尔德曼承认，英伟达真正的护城河在于其市场领导地位本身，正如英特尔通过x86市场的主导地位长期保有优势。英伟达作为AI学习、思考、采购决策的默认起点，其壁垒深度最为真实且难以打破。
未来市场格局与芯片公司价值论
展望五年后，费尔德曼预测英伟达在AI推理市场的份额将从近100%降至50%-60%。尽管英伟达在训练领域优势明显且不会轻易放弃推理市场，但随着市场总量膨胀，Cerebras及其他挑战者将占据巨大份额。他还有一个更长远判断：芯片公司的企业价值最终将超越模型公司。他用期权定价逻辑解释，模型公司当前高估值源于行业不确定性，而长期看，市场将回归盈利能力。模型公司的领先周期短，技术迭代快；芯片公司的壁垒则在物理层面，半导体行业历来能诞生规模巨大、生命力持久的公司，苹果和英伟达正是例证。
推理芯片领域的群雄逐鹿
Cerebras并非孤军奋战。2026年春天，非GPU架构的推理芯片赛道至少有六家值得关注的玩家，各具特色：
- Groq：以低延迟闻名，其LPU采用片上SRAM，与Cerebras路线有交叉。
- Etched：走极端专用路线，开发Transformer专用ASIC，声称性能是H100的20倍以上，但风险在于押注Transformer架构不可替代。
- SambaNova：采用可重构数据流单元架构，获得英特尔投资，预计2026年下半年出货。
- Positron AI：成立仅三年，增长迅速，下一代芯片瞄准视频推理和超长上下文场景。
- Tenstorrent：由吉姆·凯勒（Jim Keller）领导，走RISC-V指令集+IP授权路线，服务英伟达未覆盖的市场。
- Graphcore：曾估值近28亿美元，最终被软银以6亿美元收购，成为商业突破失败的反面案例。 这些玩家共同构成了挑战英伟达统治地位的推理芯片突围军团。
DeepSeek模型与AI算法未来
对于业内热议的DeepSeek模型，费尔德曼认为其成功源于专注的工程能力，而非惊艳的发明。他反驳了关于DeepSeek通过蒸馏窃取OpenAI成果的指责，认为蒸馏本质是提炼精华，并呼吁对AI模型训练的“偷窃”定义一视同仁。他强调，DeepSeek开源模型的行业影响力前所未有，对技术社区产生了巨大冲击。
费尔德曼对AI算法未来有明确判断：三到五年内，行业对Transformer的依赖将大幅降低。Transformer的注意力头机制存在二次方计算复杂度弱点，行业正积极寻找替代方案，如状态模型或全新架构。他指出，当前GPU做推理时算力利用率极低，大量算力浪费，稀疏化、Dropout、混合专家模型（MoE）等技术正在尝试解决这一问题，算法改进空间巨大。OpenAI的o1模型已证明，推理缩放定律有效，增加推理计算能显著提升答案质量。
AI市场爆发与合成数据
费尔德曼预测，AI市场规模将由“使用AI的人数 × 使用频率 × 单次使用的计算量”驱动，这三个变量正同时爆发式增长。他认为2024年第四季度是AI行业关键转折点，在此之前AI是“新鲜玩具”，ChatGPT仅是用户界面创新；Q4后，AI真正融入工作流，市场将进入爆发期。五年后，AI市场规模预计增长超过100倍，训练数据中合成数据将占主导，填补真实数据无法覆盖的空白。
AI能源消耗与基础设施挑战
费尔德曼坦承AI是高能耗产业，但强调行业有义务通过交付巨大价值（如疾病疗法、社会问题解决方案）来弥补电力消耗。他指出，美国电力总量不缺，但分布不均，数据中心选址常面临缺电问题，且基础设施建设效率低。他提到，早期比特币相关公司因具备功耗密集型计算经验，反而成为AI数据中心建设的先行者。
创始人哲学与创业建议
作为五次创业老兵，费尔德曼深刻理解管理与犯错。他团队中近百人曾跟随他工作，合作长达三十年，核心在于“我帮你找到有价值的工作，公平支付薪水，你回报全力以赴”的清晰交易。他的价值观是：决策前问自己“告诉母亲是否会骄傲”。他也承认重大失误，如2016年反对水冷方案，后被谷歌TPU和英伟达证明是错的。他认为CEO必须大多数时候正确，并坦然接受犯错。
给年轻创业者的建议是：爱上工作，找到信任的合伙人，瞄准帮助客户的方向，资金会随之而来。他强调，在制造、供应链、大规模团队管理等领域，经验不可或缺。他认为自己的独特洞见在于：了解擅长与不擅长的，并勇于说“我不知道”。
Cerebras的十年愿景
展望十年后，费尔德曼未给出估值数字，而是提出了三个目标：
- 通过Cerebras算力，帮助找到至少一种每年影响超过100万人的疾病疗法。
- 通过Cerebras推理服务，支撑起一批今天尚不存在的全新AI应用。
- 让全球相当比例人口在不知不觉中使用Cerebras的算力，如同使用手机不关注芯片厂商一样。
他认为，AI行业十年足以发生翻天覆地的变化。Cerebras用十年时间，从一个被不理解的AGI信念，到颠覆行业的晶圆级芯片，再到盈利上市、绑定全球顶级AI公司，证明了在AI算力垄断赛道上，颠覆性技术依然能撕开缺口。Cerebras的故事不仅是一家芯片公司的创业史，更是AI推理时代到来的标志性事件。当推理速度不再是瓶颈，算力成本持续下降，AI真正融入工作流和生活场景的时代，已近在咫尺。
感谢收看本期视频，我们下期再见！