CerebrasIPO：深度綁定OpenAI，以“Fast Tokens”重塑AI芯片市場預期

Cerebras的故事突然變順了。幾年前，它還是一家用“整片晶圓做芯片”的激進AI硬件公司，技術足夠大膽，但商業化一直不夠確定；現在，快推理成為大模型廠商愿意付溢價的方向，OpenAI又簽下750MW推理算力合作，Cerebras站到了IPO窗口前。

SemiAnalysis分析師Myron Xie在14日發布的一份研究報告把核心變化概括得很直接：“過了某個智能閾值之后，開發者更偏好更快的Token，而不是更聰明的Token?！?/strong>這句話解釋了Cerebras估值邏輯的轉向：它不一定要在所有AI算力場景里擊敗GPU，但只要“高交互速度”成為可收費產品，它的晶圓級架構就有了用武之地。

這也是Cerebras最迷人的地方。WSE-3把44GB SRAM、計算核心和片上互聯塞進整片晶圓，帶來21PB/s級別的內存帶寬，推理速度可以達到傳統HBM加速器難以觸及的區間。但同一套架構也帶來限制：SRAM容量不夠大，片外I/O只有150GB/s，冷卻、供電、封裝都高度定制，服務超大模型和長上下文時會越來越吃力。

OpenAI是Cerebras的最大機會，也把風險集中到了一個客戶身上。雙方協議對應750MW推理算力，OpenAI還有額外1.25GW選項；Cerebras披露的剩余履約義務達到246億美元。但這筆交易同時綁定了10億美元工作資本貸款、接近免費行權的認股權證，以及高強度數據中心交付壓力。IPO投資人真正要問的，不是“晶圓芯片酷不酷”，而是：快Token的溢價，能不能覆蓋Cerebras的結構性成本和單一客戶風險。

Cerebras押中的不是“總吞吐”，而是“交互速度”

過去AI推理硬件的主線，是每張GPU、每個機柜能吐出多少Token。對云廠商和模型廠商來說，總吞吐意味著單位成本，意味著能服務更多用戶。

但用戶行為正在把另一條曲線推到前臺：tokens/sec/user，也就是單個用戶拿到輸出的速度。

OpenAI、Anthropic都在把同一模型拆成不同服務檔位：fast、priority、standard、batch。用戶愿不愿意為更快響應付錢，已經不只是產品經理的猜測。Opus 4.6 fast曾以約6倍價格換取2.5倍交互速度，后來速度優勢降到約1.75倍；即便如此，高速模式仍是開發者愿意付費的SKU。SemiAnalysis自身4月AI支出一度年化達到1000萬美元，其中80%花在Opus 4.6 fast上。

這說明一個市場變化：當模型能力足夠可用，等待時間就會變成生產力瓶頸。對寫代碼、調用工具、連續迭代的agentic workflow來說，慢幾秒不是體驗問題，而是工作流被打斷。

Cerebras的優勢正好在這里。它不是靠更多HBM堆容量，而是靠片上SRAM極高帶寬，把低batch、小并發、高交互速度的decode場景做得非?？?。換句話說，GPU像一輛能拉很多人的大巴，Cerebras更像為了少數乘客高速直達而設計的跑車。

WSE-3不是“大號GPU”，它是一整片晶圓

Cerebras的核心產品WSE，是把整片晶圓當成一顆芯片，而不是切割成幾十、上百顆獨立die。

WSE-3采用臺積電N5工藝，由12×7、共84個相同步進區域組成。每片晶圓上有約97萬個核心，其中90萬個啟用。晶圓面積的一半給SRAM，另一半給計算核心。這個設計的關鍵，是計算和存儲都留在同一片硅上，盡量避免數據離開芯片、離開封裝。

參數很夸張：

• SRAM容量：44GB

• SRAM帶寬：21PB/s

• 對外I/O：150GB/s

• 公開營銷口徑FP16算力：125PFLOPs

• 按8:1非結構化稀疏折算后的dense FP16算力：約15.6PFLOPs

這組數字要分開看。21PB/s內存帶寬是Cerebras最強的地方；15.6PFLOPs dense FP16算力也不低，但如果按單位硅面積衡量，并不像宣傳口徑那么驚人。125PFLOPs來自稀疏假設，材料里把這種算法調侃為“Feldman’s Formula”，對應的是把dense算力乘以8。

真正的分界線在內存類型。GPU、TPU、Trainium這類主流AI加速器把模型權重和KV Cache放在HBM里；Cerebras把它們盡量放進SRAM。SRAM快、延遲低，但單位bit成本高，容量密度低。

44GB SRAM放在單芯片世界里很大。可和HBM比，它又不大。單個HBM3E 12-Hi堆棧就有36GB；當前一顆高端GPU或TPU封裝常見8堆棧，對應288GB，是WSE-3 SRAM容量的6.5倍。

這就是Cerebras的基本交換：用容量換速度。

晶圓贏在低算術強度decode，輸在大模型和長上下文

Cerebras最適合的任務，是低算術強度、內存帶寬受限的decode階段。

大模型推理里，很多kernel并不是缺算力，而是缺內存帶寬。GPU的Tensor Core可能很強，但如果權重和KV Cache喂不上來，算力就會餓著。Cerebras把大量SRAM鋪在晶圓上，數據離計算單元更近，帶寬足夠高，batch=1這類低并發decode場景能跑出傳統HBM系統很難達到的交互速度。

材料中的理論對比很清楚：如果看一個batch=1、算術強度約為2的decode kernel，NVIDIA GPU和Groq LPU理論上只能實現幾十到數百TFLOPs量級；Cerebras WSE-3在理想條件下可以接近完整15.625PFLOPs dense FP16算力。

這就是“快Token”的硬件基礎。

但只要模型變大、上下文變長，44GB SRAM就開始緊張。推理系統的內存要裝三類東西：

1. 模型權重；

2. 并發請求所需KV Cache；

3. 長上下文帶來的更大KV Cache。

agentic coding這類工作負載尤其麻煩。樣本測算中，約43.2萬條請求、約800億Token顯示，典型P50輸入序列長度約為96.3k Token，而不是Cerebras產品假設中的64k；接近50%的請求超過128k，這已經達到Cerebras公開端點目前支持的最大上下文窗口。

這意味著，如果未來模型服務走向256k、1M上下文，Cerebras要么壓縮KV Cache，要么上更多晶圓，要么犧牲交互速度和經濟性。

冷卻和BOM說明：這不是便宜算力

CS-3系統不是把一顆芯片插進服務器那么簡單。

每臺CS-3包括一個WSE-3 engine block、外圍計算和I/O模塊、兩個機械泵、12個3.3kW電源模塊，以及液冷系統。單片WSE-3本身功耗約25kW，放在46,225平方毫米晶圓上，平均熱流密度約50W/cm2，還沒算熱點。

風冷卻不現實。普通3D均熱板如果放大到21.5厘米見方，會遇到毛細極限，工質回流跟不上。Cerebras只能做定制液冷結構：冷板、晶圓、柔性連接器、PCB組成四層“三明治”，散熱歧管接在冷板背后。硅和PCB熱膨脹系數不同，傳統封裝會裂，所以連接、預壓、裝配工具都要定制。

數據中心側也被改變。GB200 NVL72參考設計的設施側流量約1.5 LPM/kW，而WSE-3在25kW下約100 LPM，相當于4 LPM/kW，接近3倍。這要求更大的泵、更粗的管、更大的CDU和更高流量的快接頭。CS-4若能把機架級流量拉回1.5—1.7 LPM/kW，才更接近標準化基礎設施。

成本同樣不輕。CS-3加KVSS CPU節點的BOM估算，在去年四季度內存漲價前約35萬美元/機架；計入最新內存價格后約45萬美元/機架。KVSS是雙路AMD CPU節點，配6TB DDR5 RDIMM，用于KV Cache offload。

有意思的是，最貴的不只是臺積電N5晶圓。單片N5晶圓名義成本約2萬美元，但Cerebras還要為每批晶圓做額外上層金屬mask，用來繞過缺陷tile；Vicor定制供電模塊也很貴，材料中估計其價值量接近臺積電內容；冷卻、封裝、組裝大量自研，外圍還有12個100GbE Xilinx FPGA承擔類似NIC的角色，把Cerebras自有I/O轉換成以太網。

所以Cerebras并不是“便宜芯片替代GPU”。它是在一個特定推理速度區間，用復雜系統換極致交互速度。

SRAM擴展停滯，是Cerebras繞不過去的節點問題

Cerebras最依賴SRAM，但SRAM scaling正在失速。

三代WSE的SRAM容量變化很能說明問題：

• WSE-1，臺積電16nm，18GB SRAM；

• WSE-2，7nm，40GB SRAM，代際提升2.2倍；

• WSE-3，5nm，44GB SRAM，只提升約10%。

同樣從7nm走到5nm，邏輯晶體管數量增長約50%，但SRAM容量幾乎沒怎么動。往后更難。N3E相對N5在SRAM上基本沒有縮小，N2及以后也繼續受限。

對Cerebras來說，這比對GPU廠商更致命。GPU可以繼續疊HBM、擴封裝、靠互聯池化內存；Groq這類SRAM機器也可以用hybrid bonding在Z方向堆更多SRAM tile。Cerebras是整片晶圓，平面面積已經用滿。如果增加SRAM面積，就要犧牲計算面積。

CS-4的路線也暴露了這一點：仍使用N5基礎的WSE-3，但提高功耗、提升時鐘和計算持續能力，SRAM容量不變。

可選方向是晶圓對晶圓混合鍵合，把DRAM晶圓或更多存儲疊到WSE上。Cerebras確實在探索這種路徑。但晶圓級整體芯片的熱機械問題、bond wave問題，都比常規hybrid bonding更難。它過去解決過很多不尋常問題，但下一步仍然是硬仗。

最大硬傷是I/O：晶圓很大，出口卻很窄

WSE-3片外帶寬只有150GB/s，也就是1.2Tb/s。相對它的計算規模和片上帶寬，這個出口太小。

這個問題不是工程師沒意識到I/O重要，而是晶圓級架構自身的幾何約束。

WSE由84個相同步進區域組成，每個reticle曝光圖案必須一致，邏輯、SRAM、布線位置都一樣，才能讓跨劃片道互聯在晶圓上連續延伸。也就是說，不能只在邊緣reticle放SerDes PHY，而中間reticle全做計算。每個reticle都必須長一樣。

如果要增加邊緣I/O，就要在每個reticle里都放PHY。問題是，中間那些PHY沒有辦法連接外部世界，只會變成浪費的硅面積。更糟的是，高速SerDes PHY面積大、模擬電路不喜歡貼近數字邏輯，還要guard region；放進晶圓內部，會在2D mesh里打洞，增加繞線和延遲，削弱晶圓級互聯本來要解決的問題。

材料里給了一個直觀數字：WSE當前片外帶寬約0.17GB/s/mm邊緣密度，NVIDIA片外I/O密度約為其130倍。

Cerebras的解法是光互聯晶圓：通過混合鍵合把光子互聯晶圓疊到WSE上，讓數據沿Z軸進出，而不是從晶圓邊緣擠出去。合作方是Ranovus。

這條路很漂亮，也很難。光學器件對溫度敏感，不能太熱也不能太冷；它還要貼著一片高功耗晶圓。光纖耦合在普通CPO里都還沒完全工程化到輕松量產，更不用說放大到整片晶圓。

大模型會迫使Cerebras用流水線，而這違背了“快”的初衷

如果模型裝不進一片WSE，就只能跨多片晶圓切分。

但低I/O帶寬排除了很多常見并行方式。高帶寬collective通信不現實，大張量頻繁進出晶圓也不現實。剩下最可行的是pipeline parallelism：按層把模型切到多片WSE上，每片晶圓保留對應層權重，只在階段之間傳激活值。

Cerebras服務Llama 3 70B時，就是把模型切到4片WSE-3上，只在晶圓之間傳激活，通信量能壓在1.2Tb/s I/O能力范圍內。

但流水線會帶來三個問題。

第一，pipeline bubble。4個階段至少需要約4個in-flight microbatch保持忙碌；16個階段就需要約16個。階段越多，調度越難。

第二，每個in-flight microbatch都有自己的KV Cache，而KV Cache也要和權重一起擠在44GB SRAM里。哪怕新模型用更強KV壓縮，KV在片上片下搬運仍會以毫秒級增加TTFT和TPOT壓力。

第三，晶圓數量增加，激活在晶圓間傳輸的固定延遲也線性增加。模型越大，越偏離Cerebras最理想的形態：小batch、低延遲、單片或少數晶圓高速decode。

公開產品線也透露了邊界。Cerebras Inference Cloud目前最大生產模型是GPT-OSS，120B總參數；更大的preview模型GLM 4.7也到355B為止。Llama 70B和405B曾經受歡迎，后來被下線，可能與服務經濟性有關。DeepSeek V3和Kimi K2這兩個2025年熱門開源前沿模型，也沒有出現在Cerebras公共云上。

不過這不是絕對死局。DeepSeek V4 Pro這類模型如果采用更強KV Cache壓縮，在足夠并發下，1T+模型也可能重新變得可服務。問題在于，能不能同時保住Cerebras最值錢的東西：速度。

OpenAI把Cerebras拉進主牌桌，也把風險集中到自己身上

OpenAI在Cerebras未來里不是普通客戶。

2025年12月，雙方簽署Master Relationship Agreement。OpenAI承諾購買750MW AI推理算力，2026—2028年分批部署，每批期限3—4年，可延長到5年。OpenAI還有選擇權，可額外購買1.25GW，把總量提高到2GW。

S-1披露，截至2025年12月31日，Cerebras剩余履約義務為246億美元。更重要的是，數據中心租金、電力、租賃改良、安全等pass-through成本由OpenAI報銷，并按總額確認為收入。

OpenAI還提供10億美元工作資本貸款，年利率6%。如果Cerebras通過交付算力或硬件償還，對應利息可豁免。償還從初始250MW最后一批交付后開始，三年等額攤還。如果MRA因OpenAI重大未補救違約以外原因終止，Cerebras可能要立即償還全部未償本金和應計利息。OpenAI還可以指示托管銀行停止按Cerebras指令使用資金，轉為直接控制資金處置。

股權綁定也很深。Cerebras向OpenAI發行33,445,026股Class N無投票權普通股認股權證，行權價0.00001美元，幾乎等同免費。其中一部分因10億美元貸款已立即歸屬，另一部分和400億美元市值或付款門檻掛鉤，剩余部分和算力交付、額外2GW擴張選項相關。完全稀釋后，OpenAI最多可持有Cerebras約12%股份，不包括后續新發行。

按ASC 505-50，給客戶的權益激勵會在商業協議期內作為contra-revenue確認。以S-1中82.02美元/股估值粗算，全部認股權證理論上對應約27.4億美元contra-revenue，約為OpenAI預期收入的10%。

這是一筆能改變命運的訂單，也是一個把公司命運押到單一對手方上的結構。

GPT-5.3-Codex-Spark證明了速度價值，但也暴露模型尺寸問題

OpenAI發布GPT-5.3-Codex-Spark后，Cerebras的敘事更完整了。這個模型使用gpt-oss-120B架構，由真正的GPT-5.3-Codex蒸餾而來，在Cerebras上最高可跑到2000 tok/sec/user。

關鍵在“120B”。它不是完整GPT-5.3-Codex，而是小得多的蒸餾模型。材料中明確寫到，它比完整模型小10倍以上。

這對Cerebras既是好消息，也是限制。

好消息是，120B級別模型如果能力足夠強，再疊加極快輸出速度，確實可能成為高價值產品。開發者已經證明過，愿意為了更快Token放棄部分前沿智能。

限制在于，OpenAI如果要在Cerebras上跑1T參數以上、1M上下文窗口、面向真實agentic workload的大模型，就要接受明顯成本取舍，并且實際交互速度可能低于1000 tok/sec。能不能賣出足夠高的Token溢價，是商業模型成立的關鍵。

材料給出的路徑假設很激進：小模型能力繼續提升，約一年內120B形態可能接近GPT-5.5級別智能。如果這成立，Cerebras就不需要承載最前沿、最大參數模型，也能賣出高價快Token。OpenAI鎖定的750MW只是第一步，真正的上行空間來自是否行使額外1.25GW選項，甚至繼續擴大采購。

但這個上行條件很窄：Cerebras必須證明，能在自己硬件適合的模型尺寸里，持續裝下足夠聰明、足夠賺錢的模型。

IPO的核心問題：快Token溢價能不能長期覆蓋硬件取舍

Cerebras不是另一個GPU故事。它不是在訓練、大模型通用推理、長上下文吞吐上全面替代NVIDIA，而是在一個更窄但可能很賺錢的區間里押重注：高交互速度、低batch、用戶愿意付溢價的推理。

晶圓級架構給了它極強的帶寬和極快decode，也讓它背上了SRAM容量、片外I/O、冷卻、BOM、數據中心適配這些硬約束。OpenAI訂單解決了需求問題，卻沒有消除交付風險和客戶集中度。

所以Cerebras的IPO定價，不該只看246億美元backlog，也不該只看2000 tok/sec/user這種漂亮速度。更重要的是三個問題：

1. OpenAI需要的快Token，長期是不是120B—355B這類模型就夠；

2. 用戶愿意為速度付出的溢價，能不能覆蓋Cerebras更復雜的系統成本；

3. 750MW到2028年能否按節奏落地，且不被冷卻、電力、供應鏈和數據中心能力拖住。

如果答案偏向“是”，Cerebras會成為快推理時代最有辨識度的AI硬件公司之一。如果答案偏向“否”，整片晶圓帶來的速度優勢，可能會被大模型和長上下文的內存需求一點點吃掉。