納斯達克 IPO 新王誕生？Cerebras即將上市：英偉達挑戰者如何走出差異化之路

就在明天，被資本市場譽為“英偉達最強挑戰者”的Cerebras，將以每股185美元的價格登陸納斯達克，市值預計直沖400億美元，不出意外將創下今年全球規模最大的IPO紀錄。

這家備受矚目的AI芯片獨角獸，曾以研發出“世界最大單體芯片”而問題。在華爾街資本對AI基礎設施需求狂熱追捧的當下，Cerebras會在未來很長一段時間內占據AI產業鏈的核心焦點，并且持續與英偉達等行業巨頭進行對比。

將晶圓做成芯片

就當所有芯片廠商都在想方設法從一塊晶圓上切割出更多芯片時，Cerebras走出了一條差異化路線：他們將12寸圓形硅晶圓直接做成一整塊芯片，無需額外的中間連接環節，所有數據都集中在單塊芯片之上。

這種模式被他們命名為“晶圓級整合”。

在Cerebras看來，當前AI行業的核心瓶頸并非算力本身，而是數據在計算核心與顯存之間反復搬運所產生的高昂成本。所以“晶圓級整合”最直接的優勢在于縮短了數據的搬運距離。當所有核心組件都集成在同一塊晶圓上時，數據可在這個低延遲的環境中高速傳輸，大幅提升運算效率。

以英偉達H100 AI芯片為例，該芯片高度依賴外部HBM顯存；而Cerebras最新推出的WSE-3芯片，內置高達44GB的片上SRAM，相當于將大量高速內存直接“焊接”在芯片本體上。這一設計讓WSE-3的片上內存帶寬達到了驚人的21 PB/s，相比H100的帶寬（3.35 TB/s）直接高出約6000倍。

在實際應用場景中，這種獨特的物理結構可以實現極低的運算延遲，最終換來極高的推理速度。

據第三方實測數據，在處理Llama 3.1 8B等小模型時，Cerebras的速度優勢可達英偉達B200的18-36倍。

一站式的商業模式

不過，單塊晶圓的內存容量畢竟存在上限，無法容納70B以上的大模型。因此，在運行超大模型時，晶圓級芯片的優勢就會大幅縮小。針對這一痛點，Cerebras給出的解決方案是將多臺CS-3設備串聯成集群。

但這樣做的代價就單臺設備的速度優勢在會被通信開銷抵消一部分，其在小模型上的速度優勢，在運行超大模型時會被壓縮約3倍。

不過Cerebras的目標客戶也并非這類超大模式，他們的商業模式更適用于中小型客戶。

與英偉達“只做芯片設計、不涉足芯片制造”的輕資產模式不同，Cerebras選擇了重資產垂直整合路徑：它既是芯片設計商，也是整機集成商，更能自主完成數據中心的運營及推理云服務，實現了從芯片到終端的全覆蓋。

就數據中心來說，由于WSE-3芯片功耗高達23kW，傳統的服務器機箱、液冷系統及機房布局均無法兼容。為解決這一部署難題，Cerebras利用多輪融資籌集的資金搭建了自營的數據中心。

這樣一來，客戶無需購買昂貴的硬件設備，也無需改造自身IT基礎設施，只需通過按token付費，就能便捷使用Cerebras的算力。

值得注意的是，數據中心的自營模式恰恰就是Cerebras最燒錢的地方，這種重資產運營會導致其毛利率持續走低，且面臨著長期虧損的壓力。不過在完成IPO后，大量現金流的涌入將極大緩解Cerebras的資金壓力。

值得一提的是，在AI算力資產日益稀缺的背景下，Cerebras能夠提供從晶圓研發到云端交付的全流程服務，這種模式反而能顯著提升其針對大客戶的交付速度。

目前，全球范圍內僅有Cerebras采用這種這一模式，因此它與英偉達的技術路線并非相互取代，而是長期并存，不存在“誰淘汰誰”的競爭關系。

OpenAI的深度同盟

除了獨特的商業模式外，Cerebras還有一部分競爭力源于OpenAI在背后的力挺。

此前，OpenAI提供了一份價值超200億美元的巨額合同，不僅為Cerebras提供了未來數年的穩定營收保障，更是借助OpenAI的“口碑”，幫助Cerebras從一家小眾的初創公司直接躋身全球AI基礎設施的主流玩家行列。

根據協議，OpenAI承諾在未來三年內，向Cerebras采購750MW的推理算力，并擁有將總采購規模擴展至2GW的權利。更重要的是，OpenAI還向Cerebras提供了10億美元貸款，用于支持其向臺積電采購晶圓，而貸款利息則以未來的算力服務抵扣。

這種“以算力換股權”的創新合作模式，最終讓OpenAI獲得了Cerebras約10%的股權，形成了綁定的同盟關系。

2026年，OpenAI首個不依賴英偉達硬件的精簡版模型GPT-5.3-Codex-Spark正式上線。該模型在Cerebras的WSE-3硬件上運行時，速度達到1000 tokens/秒以上，較運行在GPU集群上的標準版快15倍。

這一實測成績，也充分驗證了Cerebras在小模型處理領域確實具備替代GPU的潛力。

當然正如前文所述，Cerebras的存在并非為了“打敗”英偉達：GPU+HBM路線在大規模模型訓練、批量推理及長上下文處理場景中，依然占據絕對統治地位；而Cerebras的晶圓級路線，目前仍存在一定局限性，這也是Cerebras要一直面臨的難題。

此外，業內看好Cerebras的另一個重要原因更多在于其“避險屬性”。

在內存供應緊張、芯片制造及封裝資源競爭白熱化的當下，Cerebras的差異化路線，能為市場提供多元化的產能保障，這也為其帶來了大量潛在客戶。

這到底是一種優勢還是風險，還得等Cerebras上市后才能驗證。

記得星標微信公眾號：鎂客網（im2maker），更多干貨在等你