2026年5月14日，纳斯达克交易所的屏幕上跳出一个令人窒息的数字：$385。就在前一天晚上，AI芯片公司Cerebras Systems以$185定价IPO，开盘价直接翻了一倍——暴涨108%。一天之内，这家曾经"每月烧掉800万美元、濒临死亡"的创业公司，市值飙升至660亿美元，收盘价$311。
CNBC当天以"年度最大IPO"为标题紧急直播，主持人连线Cerebras CEO Andrew Feldman，他的第一句话是："大芯片处理更多信息、更快交付结果——这是物理定律，不是营销话术。"
这个视频值得你花时间看完，因为它揭示了一个正在发生的结构性转变：AI算力的霸权正在从GPU训练时代，过渡到推理（Inference）为王的多芯片生态。而Cerebras那块"餐盘大小"的晶圆级芯片（Wafer-Scale Engine），正在成为这个新时代的旗手。
| 项目 | 内容 |
|---|---|
| 视频标题 | The year's largest IPO — Cerebras joins the hottest trade in AI |
| 频道 | CNBC |
| 发布日期 | 2026年5月14日 |
| 时长 | 约30分钟（含CEO专访） |
| 核心主题 | Cerebras $5.5B IPO背后的AI推理芯片革命 |
要理解Cerebras的崛起，必须先理解它的核心产品——Wafer-Scale Engine 3（WSE-3）。
传统芯片制造流程是这样的：在一块12英寸（约300mm）的硅晶圆上，光刻机"打印"出几百个小芯片图案，然后切割成一个个独立的小芯片（die），封装后卖给客户。NVIDIA的H100就是这样——一张邮票大小的GPU。
Cerebras做了一个所有人都认为不可能的决定：不切割，整块晶圆就是一颗芯片。
结果是这样的：WSE-3拥有4万亿个晶体管、90万个AI计算核心、44GB片上SRAM，面积46,225平方毫米——是NVIDIA B200的58倍大。片上内存带宽达到21 PB/s，是B200的2,625倍。
这块芯片的物理尺寸大约相当于一个餐盘。
延伸分析：半导体行业50年来都认为晶圆级芯片不可商用化，原因有三——良率问题（晶圆上总有缺陷，一个缺陷就废掉整片）、散热问题（芯片越大功耗越高）、跨区域互连问题（光刻机的曝光区域有限，无法直接连接）。Cerebras用了近十年逐一攻克：设计容错架构绕过缺陷、发明专用水冷系统、与TSMC合作开发跨掩模版互连工艺。这三项技术壁垒，竞争对手至少需要3-5年才能复制。
Cerebras的IPO之路堪称过山车。
2015年，创始人Andrew Feldman和另外四位联合创始人在硅谷创立Cerebras。Feldman此前的创业公司SeaMicro被AMD以3.34亿美元收购，给了他足够的行业信誉。团队做出了两个反共识判断：第一，通用处理器不够用于AI；第二，必须从第一性原理出发重新设计计算架构。
2024年9月，Cerebras首次提交S-1申请，计划上市。然而，阿布扎比G42公司的巨额投资引发了CFIUS（美国外国投资委员会）的审查，IPO被迫搁置。更糟糕的是，G42几乎贡献了Cerebras全部收入——投资者对这种客户集中度充满疑虑。
转折点出现在2025年。Cerebras收入从2022年的2,460万美元飙升至5.1亿美元（同比增长76%），更重要的是，客户从几乎只有G42扩展到包括OpenAI、AWS等。Cerebras还实现了2.378亿美元净利润，而2024年净亏损近5亿美元。
2026年1月，OpenAI签署了一笔超过200亿美元的多年度算力协议。同年3月，AWS宣布将Cerebras芯片集成到Amazon Bedrock平台。CFIUS审查也终于通过。
2026年5月14日，Cerebras以$185定价（原计划$115-$125，两度上调），融资55.5亿美元，开盘即翻倍，收盘市值660亿美元。Feldman个人持股市值接近19亿美元。
视频原话（Feldman在CNBC专访中）："For our fast inference product, there's so much demand that our biggest challenge is actually trying to supply it. We are sold out into 2027."（我们的快速推理产品需求太大，最大的挑战是供应。我们已经售罄到2027年。）
CNBC视频的核心洞察之一：AI行业正在从训练驱动转向推理驱动。
训练（Training）是教会AI模型学习大量数据中的模式，需要大量通用计算能力——这正是NVIDIA GPU的强项。推理（Inference）是模型根据新信息做出决策和回答，可以用更专用的芯片来实现。
三个力量推动推理需求爆炸式增长： - 用户量暴增：ChatGPT周活用户已经突破数亿 - 使用频率提升：从偶尔提问到高频使用AI编程助手、AI搜索 - 单次推理算力飙升：推理模型（如o1、o3）在回答前会生成数万个内部"思考token"，单次推理的计算量是传统问答的数十倍
Bloomberg Intelligence估计，AI训练+推理基础设施市场从2025年的2,510亿美元将增长到2029年的6,720亿美元，年复合增长率28%，其中推理增速是训练的两倍以上。
延伸分析：推理模型（Reasoning Models）的出现是游戏规则改变者。当AI编码助手需要30秒才能回复时，用户体验几乎不可接受。但如果一个芯片能把30秒压缩到2秒，就打开了全新的应用场景——实时编码Agent、毫秒级语音AI、深度研究Agent。速度不再是锦上添花，而是产品能否存在的决定因素。
Spheron网络的详细基准测试揭示了一个微妙的技术真相：
在低并发场景下（batch size = 1），Cerebras WSE-3跑Llama 70B模型可达2,100 tokens/s，而单张H100仅约550 tokens/s——Cerebras快近4倍。首token延迟（TTFT）仅50ms，H100为80ms。
但并发量上来后局势逆转：batch size = 32时，H100达到8,000 tokens/s，而WSE-3仍然只有2,100 tokens/s。原因是WSE-3的片上SRAM虽然带宽极高，但容量只有44GB（一个70B模型需要70GB），无法像GPU的HBM那样并行处理大量请求。
成本对比更直观： - batch 1（单用户）：Cerebras $0.60/百万token < H100按需 $1.47/百万token - batch 32（多用户）：H100按需 $0.10/百万token < Cerebras $0.60/百万token - batch 32 Spot：H100降至 $0.028/百万token，比Cerebras便宜21倍
我的判断：Cerebras不是NVIDIA杀手，而是NVIDIA生态的补充。它垄断了"低延迟、低并发"的推理场景（实时Agent、编码助手），而NVIDIA继续主导高并发、训练和多模态场景。两者不是零和博弈，而是AI算力图谱上的不同坐标。
Cerebras与OpenAI的关系堪称2026年最复杂的商业联姻：
这是一个精心设计的循环结构：OpenAI用Cerebras芯片提供推理服务，产生收入后向Cerebras支付算力费，Cerebras用收入支撑股价，OpenAI的股权也随之增值。同时，OpenAI也在自建数据中心——对冲单一供应商风险。
延伸分析：这种"资本+供应+收入"三位一体的结构正在成为AI基础设施领域的标准模板。如果你在做AI基础设施创业，需要认真研究这种模式——它改变了传统的供应商-客户关系。
Cerebras的收入高度依赖中东客户：MBZUAI（阿联酋人工智能大学）贡献了2025年收入的62%，G42贡献了24%，合计86%。这个比例引发了投资者的担忧。
但从另一个角度看，中东国家正在大举建设"主权AI"基础设施——希望拥有独立于西方科技巨头的AI计算能力。Cerebras提供的不只是芯片，而是整套AI超级计算机系统（包括芯片、服务器、网络、软件和数据中心部署），恰好满足这一需求。
随着OpenAI和AWS等客户的加入，收入集中度正在快速改善。
2026年初的推理芯片市场经历了戏剧性的整合：
Cerebras的独特之处在于：它是唯一一家实现晶圆级芯片商用化的公司。这项技术壁垒至少领先竞争对手3-5年。
尽管技术出色，Cerebras面临的最大障碍不是芯片性能，而是NVIDIA的CUDA软件生态。
全球几乎所有AI框架、训练系统、推理工具和工程库都围绕CUDA构建。企业购买的不仅是NVIDIA GPU，更是CUDA的兼容性和工具链。Cerebras的软件生态目前远不及CUDA成熟。
不过，Cerebras的策略很聪明：不替代CUDA，而是通过PyTorch编译器实现无缝衔接。开发者用PyTorch写模型，Cerebras的CSoft编译器直接编译到WSE上运行——不需要CUDA依赖。同时，推理API兼容OpenAI标准接口，降低迁移门槛。
mindmap
root((Cerebras IPO 深度解读))
技术创新
晶圆级引擎 WSE-3
4万亿晶体管
90万AI核心
44GB片上SRAM
21 PB/s带宽
容错架构
绕过制造缺陷
激活备用核心
专用水冷系统
TSMC跨掩模互连
商业模式
硬件销售(70%)
CS-3系统
AI超级计算机
云服务(30%)
Cerebras Cloud
AWS Bedrock集成
OpenAI 200亿美元协议
市场定位
推理芯片赛道
低延迟优势
batch 1性能领先
非GPU替代品
补充非替代NVIDIA
主权AI基础设施
竞争格局
NVIDIA CUDA护城河
Groq被NVIDIA收购
SambaNova/D-Matrix
云厂商自研芯片
风险因素
客户集中度(中东86%)
软件生态不成熟
TSMC供应链依赖
估值偏高(67x P/S)
如果你在做AI应用开发，Cerebras的崛起给了你一个重要信号：推理成本结构正在发生根本性变化。在低并发场景下，Cerebras的推理成本已经低于GPU。如果你的产品是实时编码助手、AI Agent或交互式对话系统，应该关注Cerebras Inference API——它兼容OpenAI API接口，迁移成本很低。
但如果你需要运行多种模型（DeepSeek、Mistral、多模态模型），或者需要做微调（Fine-tuning），目前还是GPU云更合适。Cerebras目前支持的模型主要是Llama系列、Qwen 3系列和少量其他模型。
Cerebras的246亿美元订单积压（Order Backlog）是一个震撼数字——相对于5.1亿美元年收入，这个比例几乎是50:1。这意味着需求远超供应能力。但67倍市销率（P/S）也反映了极高的增长预期。关键观察点是：OpenAI协议的实际执行速度、中东以外客户的收入占比变化、以及WSE-4的迭代节奏。
三点启发：
推理经济是新战场：如果你的AI产品单位经济模型还假设NVIDIA是唯一算力选项，你需要重新定价——多供应商架构正在成为竞争优势。
循环交易结构：OpenAI-Cerebras-G42这种"资本+供应+收入"交织的模式值得深入研究。
"从失败到成功只需要12个月"：Cerebras烧了8年钱、每月烧800万美元，2024年IPO失败后看似完蛋——但结构性需求一旦到来，一切反转。基础设施类创业的价值曲线就是这样的J型。
Cerebras用一块餐盘大小的晶圆芯片证明了一件事：AI算力的未来不是一家独大，而是不同架构在不同场景下各司其职——推理时代的大门已经打开，晶圆级芯片拿到了第一张入场券。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。