英偉達，最“大”對手來了

英偉達的真正“大”對手來了。

5月14日，Cerebras以488億美元的估值，超額認購超過20倍登陸納斯達克。

據(jù)說這是今年來全球最大估值規(guī)模的IPO。

要知道，就在8個月前，這家公司估值還只有81億美元。現(xiàn)在等于翻了6倍，可見現(xiàn)在的市場對于AI鏟子股究竟有多瘋狂。

AI推理是時代來了，但英偉達的GPU不再是唯一解。

市場憑什么認為Cerebras，能夠撼動英偉達的地位？

推理新王

2026年，隨著推理需求大爆發(fā)，傳統(tǒng)GPU架構(gòu)在推理場景的物理瓶頸愈發(fā)凸顯，而Cerebras晶圓級芯片，為破解這一難題提供了顛覆性方案。

黃仁勛在GTC2026上明確提出：AI推理拐點已至。

據(jù)德勤數(shù)據(jù)，2023年，AI算力支出還是訓練占60%，推理占40%，但兩年后，這個比例幾乎都要翻過來了，推理預計將占企業(yè)AI預算的85%。

推理大模型還在持續(xù)放大這一趨勢。據(jù)a16z對100萬億token數(shù)據(jù)的研究，2025年推理模型的token消耗份額從近乎歸零飆升至總算力的半數(shù)以上。每一次模型升級，都在成倍放大推理的算力消耗。

GPU推理有一個結(jié)構(gòu)性弱點。要理解它，需先明確LLM推理的兩大核心階段：Prefill（預填充）與Decode（解碼）。

Prefill階段負責處理用戶提示詞，支持并行計算，GPU很擅長，因此這階段GPU效率表現(xiàn)優(yōu)異。

而Decode階段是逐一生成token，屬于串行運算，后一個token的生成必須等待前一個完成。且每生成一個token，都需要完整讀取全部模型權(quán)重與KVCache緩存，數(shù)據(jù)搬運成本極高、重復損耗嚴重。

以70B參數(shù)模型為例，其權(quán)重約140GB，疊加對話過程中持續(xù)膨脹、可達數(shù)十GB的KVCache，龐大的數(shù)據(jù)量進一步加重了GPU的運算與搬運負擔。

也就是說，GPU推理低效的核心，并非算力不足，而是傳統(tǒng)架構(gòu)物理局限導致的內(nèi)存墻問題。

這就是AI行業(yè)的核心“內(nèi)存墻”——算力增長遠快于內(nèi)存帶寬增長，計算性能被數(shù)據(jù)搬運卡住了。

數(shù)據(jù)顯示，算力每兩年提升3倍，HBM帶寬僅提升1.6倍；十年維度下，算力暴漲1000倍，帶寬僅提升10倍，這相當于買了一張超級計算卡，實際跑推理的時候98%的時間在發(fā)呆。

性能剪刀差持續(xù)擴大，就導致了架構(gòu)矛盾日益凸顯。

據(jù)HuggingFace Blog分析，B200在batch等于1時，tensor core空閑超過99%。

這個痛點也體現(xiàn)在英偉達核心營收上。

黃仁勛公開確認，其數(shù)據(jù)中心業(yè)務65%收入來自推理場景，意味著英偉達最核心的營收來源，恰恰是GPU架構(gòu)效率最低的場景。這也是為什么英偉達要斥資200億美元去收購Groq的原因。側(cè)面印證傳統(tǒng)GPU無法適配高端推理需求，行業(yè)亟需專用推理架構(gòu)。

在此背景下，Cerebras跳出傳統(tǒng)GPU設計邏輯，以晶圓級計算架構(gòu)給出了破局方案。其核心產(chǎn)品WSE-3摒棄芯片切割模式，將整片300mm硅晶圓作為單一處理器，集成90萬個AI核心、搭載44GB片上SRAM，官方帶寬達21PB/s，是B200 8TB/s帶寬的2625倍，實現(xiàn)了跨量級的性能突破。

也就是說，這是真正物理意義上的超大芯片，所以說它是英偉達的“大”對手，確實沒毛病。

晶圓級計算75年沒人做出來，不是沒人想過，是工程上做不到。Cerebras解了三個難題。

第一，突破光刻工藝極限。傳統(tǒng)光刻單次曝光最大面積僅26mm×33mm，遠小于晶圓尺寸。Cerebras聯(lián)合臺積電研發(fā)“劃線橋接”技術(shù)，復用晶圓劃線區(qū)域延伸金屬沉積路徑，讓通信網(wǎng)絡無縫覆蓋整片晶圓，徹底消除芯片邊界與跨芯片延遲。

第二，解決大芯片缺陷。雖然Cerebras把芯片做得極大，但它把每個AI核心做到了只有0.05平方毫米，約等于H100 SM核心面積的1%。單個缺陷只廢掉0.05平方毫米，而不是6平方毫米。據(jù)Cerebras官方博客，WSE-3的缺陷容忍度是GPU的100倍。額外加1%到1.5%的冗余核心做替換。

第三，攻克超大功率供電散熱難題。WSE-3功耗達23kW，需輸送超2萬安培電流。Cerebras采用上置垂直供電、底部水冷散熱方案，將整片晶圓溫差控制在20℃以內(nèi)，保障芯片高負載穩(wěn)定運行。

據(jù)實測數(shù)據(jù)，Cerebras WSE-3對最佳GPU/云方案，四個主流模型全部領先。Llama 3.3 70B差距最大，2140對120，18倍。Llama 4 Maverick 400B差距最小，2500對1000，超過2倍。

憑借出奇快的推理速度，Cerebras的估值一路水漲船高。根據(jù)S-1融資輪次數(shù)據(jù)，公司估值八個月漲了六倍。從81億美元到230億再到488億。

并且，公司的商業(yè)前景也得到了科技巨頭的背書。OpenAI一上來就直接跟它簽了超百億美元的多年合同。還有AWS也選擇Cerebras作為Bedrock推理加速層。

整體而言，Cerebras以顛覆性的晶圓級架構(gòu)，發(fā)起了對GPU行業(yè)霸主的技術(shù)挑戰(zhàn)。這套突破傳統(tǒng)束縛的技術(shù)方案，打破了長期的GPU算力壟斷，想象空間廣闊，也讓公司估值從一開始就偏離了正常的比較范圍。

估值合理嗎？

根據(jù)S-1文件，CerebrasIPO估值對應2025年5.1億美元營收，約95倍收入倍數(shù)。據(jù)StockMaven數(shù)據(jù)，NVIDIA大約25倍，Cerebras是NVIDIA的近4倍。

但盈利能力上Cerebras顯然還沒有證明自己，NVIDIA財報顯示其毛利率75%到80%，Cerebras只有39%。

公司2025年GAAP凈利潤2.378億美元，里面有3.63億非現(xiàn)金會計收益（遠期合約負債公允價值變動）。實際Non-GAAP虧損7570萬美元。毛利率從42.3%滑到39.0%，還在往下走。

這也說明了，公司的估值邏輯本身已經(jīng)超出了芯片公司的標準，市場更像是把它當成了一種稀缺的AI基礎設施來定價。

但是翻一翻賬，估值給的太高還不是最大的問題。

根據(jù)S-1經(jīng)審計財務報告附注，2025年公司86%的收入來自兩個阿聯(lián)酋實體。MBZUAI占62%，G42占24%。美國收入反而降了34%。

OpenAI的百億美元合同目前是該公司最大的一筆潛在收入。但事情還要更加復雜，OpenAI同時扮演了四個角色：客戶、債權(quán)人，潛在股東，還有個人投資者，Altman等人做過天使投資人。

數(shù)據(jù)還顯示，246億美元訂單積壓中，只有15%在2026到2027年確認。43%在2028到2029年。一旦交付不了產(chǎn)能，OpenAI有權(quán)終止合同并要求償還貸款。

雖然簽了百億合同，但OpenAI在同時押注多條路線，Cerebras只是其中一條。去年10月，OpenAI與AMD簽署了6GW部署協(xié)議。

實際上，每家科技巨頭都在推理上多方下注，沒有一家把Cerebras當成主力路線孤注一擲。亞馬遜跟Cerebras合作，但也只讓它負責decode加速層。主力推理用的依然是自研Trainium3。

近幾年，推理芯片創(chuàng)業(yè)公司的歸宿也佐證了這一點。Groq被NVIDIA收購，Graphcore被SoftBank收購，UntetherAI被AMD收購。而Cerebras是唯一獨立IPO的推理獨角獸。

對于科技巨頭而言，Cerebras又何嘗不是補丁，只是補丁熬到了上市。

再者，標稱速度也有水分。Cerebras用了推測解碼技術(shù)——讓小模型先猜、大模型再驗證，能快3倍。去掉技術(shù)加速，純硬件對推理速度的支持沒那么多。而且測試是在單用戶條件下跑的，實際多用戶并發(fā)時優(yōu)勢還會進一步縮水。

更關鍵的是，Cerebras的44GB片上內(nèi)存只夠做"一問一答"式的快速推理。但推理市場增長最快的方向是AIAgent——需要長對話、大上下文，內(nèi)存需求遠超44GB。據(jù)Stratechery判斷：內(nèi)容在片上內(nèi)存內(nèi)，Cerebras速度驚人；一旦超出，就不劃算了。

Cerebras未來能在推理市場拿下多大份額，取決于晶圓級架構(gòu)能否突破44GB內(nèi)存的天花板，從"一問一答"走向更復雜的推理場景。

尾聲

總的來說，"英偉達對手"這個定位，更多來自資本市場的敘事需求，支撐溢價的核心假設是"稀缺AI基礎設施"。

Cerebras能走多遠，還是要看自身的稀缺性能否轉(zhuǎn)換成更大的商業(yè)價值。

拆開看，稀缺性的成立依賴于兩個前提：其一，OpenAI百億合同的交付執(zhí)行。其二，晶圓級架構(gòu)能否突破場景限制。

尤其是后者，如果技術(shù)迭代停滯、應用場景難以拓展，那么一切的敘事都可能變成巨大的泡沫，淪為AI算力生態(tài)里的邊角備胎。

責任編輯 | 張博然