曝GPT-5.5用上「全球最快芯片」，Claude慌了！

新智元報道

【新智元導讀】120B模型飆到2000 token/秒，CFO更放話已在跑GPT-5.5！Cerebras 560億美元IPO首日暴漲68%，但SemiAnalysis萬字拆解直指死穴。

SemiAnalysis，硅谷最硬核的芯片分析機構，4月份光是AI工具的訂閱費就燒到了年化1000萬美元。

其中80%花在同一個地方，Anthropic的Opus 4.6 fast模式。

它比標準模式貴6倍，但token輸出速度快2.5倍！

然后Opus 4.7來了。更聰明，跑分全面碾壓上一代，但工程師集體拒絕升級。

理由只有一個，4.7沒有fast模式。

他們寧可用更笨的模型，也要更快的token！

而這個趨勢的最大受益者，是一家剛剛以560億美元估值登陸納斯達克的芯片公司，Cerebras。

2000 token/秒，怎么來的

OpenAI今年2月甩出了GPT-5.3-Codex-Spark。

名字掛著GPT-5.3的招牌，但底層是一個從完整版GPT-5.3 Codex蒸餾出來的小模型，參數量只有原版的十分之一，120B。

雖然是用智能換來的，但速度確實夸張到離譜——2000 token/秒。

作為對比，Anthropic最快的Opus 4.6 fast大約70-100 token/秒，GPT-5系列在英偉達GPU上是大約130 token/秒。

而Codex-Spark一腳油門踩到了一個數量級開外。

讓它跑這么快的，正是Cerebras的WSE-3，一塊餐盤大小的晶圓級芯片。

這件事直接引爆了一筆246億美元的合同，也把Cerebras一路推進了納斯達克。5月14日首日暴漲68%，2026年至今最大科技IPO。

但Cerebras CFO Bob Komin說，這還只是開胃菜。

IPO前夜，他在采訪中亮了一張沒人預料到的牌——

我們服務所有模型，對模型大小沒有限制。今天，我們正在跑萬億參數的模型。我們正在跑OpenAI內部的GPT-5.4和GPT-5.5。

如果這是真的，Cerebras就不只是一個「小模型快跑」的玩家了，IPO當天的瘋狂漲幅立刻站得住腳。

但SemiAnalysis偏偏在同一周甩出了一篇兩萬字的技術拆解報告，直接把這個故事撕開了一道口子。

Cerebras公開云上，最大的生產模型是GPT-OSS，總參數120B；預覽模型最大355B。曾經上過的Llama 70B和405B，后來也被悄悄下了架。

2025年最火，但體量也更大的開源模型（比如DeepSeek），從頭到尾就沒出現在Cerebras Cloud上。

CFO口中的那個數字，目前只存在于「OpenAI內部」，外界無法驗證。

要搞清楚這中間的裂縫有多大，得先看看這塊晶圓到底是怎么回事。

一整塊硅的賭注

半導體行業干了50年的事情就是切硅片。

一整塊晶圓刻出幾十顆芯片，切割，封裝，各干各的。英偉達的B300已經把單顆芯片撐到了858平方毫米，基本上是光刻的極限了。

相比之下，Cerebras卻反其道而行——它不切。

整塊晶圓就是一顆芯片。

46,225平方毫米，比英偉達的GPU大58倍，大約一個餐盤的尺寸。上面集成了4萬億個晶體管、90萬個計算核心，和44GB的SRAM內存。

重點來了，SRAM。

GPU用的是HBM（高帶寬內存），容量大但速度相對慢。一塊B300配了288GB的HBM，帶寬在TB/秒級別。

WSE-3只有44GB的SRAM，但內存帶寬高達21PB/秒。

Cerebras速度碾壓的秘密就在這里。

SRAM帶寬大到解碼時幾乎可以把全部計算核心喂飽。GPU的計算核心只能餓著等內存。

而推理的瓶頸，正是解碼。

模型一個token一個token往外吐的時候，每吐一個就要把全部權重從內存里讀一遍。帶寬越高，讀得越快，token出得越快。

SemiAnalysis做了一個很直觀的對比。

同樣只給一個用戶生成token的場景下，GPU能實際利用的算力只有理論峰值的零頭。WSE-3理論上可以把全部15.6 PFLOPS的FP16算力吃滿。

差距不是百分之幾十，而是數量級的。

用他們的原話形容，這就像是公交車和F1的區別。

GPU是公交車，一次拉很多人但每個人都慢。WSE-3是F1賽車，一次只拉一個人但飛快。

想用賽車的客戶，甚至愿意付6倍價格來買速度。Opus 4.6 fast已經證明了這一點。

但這輛「車」有一個致命問題——它的「油箱」只有44升。

對于小模型來說，WSE-3的44GB SRAM綽綽有余，但放到今天的大模型面前根本不夠看。

DeepSeek V4有1.6萬億參數，即使用最激進的壓縮方式（FP8量化），光權重就要490GB。一塊WSE-3裝不下，要切成至少12塊塞進12塊晶圓。

分布就要通信，而這也是Cerebras最致命的短板。

每塊WSE-3對外帶寬只有150GB/秒。

英偉達一塊Blackwell GPU通過NVLink5能跑到900GB/秒，是Cerebras的6倍。被英偉達收購的Groq更夸張，單顆LPU3就有9.6Tb/秒，8倍。

帶寬加不了。這是物理層面的死結。

WSE-3的制造方式決定了一切。整塊晶圓用同一套模板反復曝光，12列7行，84個完全相同的die拼成一顆芯片。

想加高速通信端口（SerDes），就得在每個die里都加。但84個die里只有邊緣的能接到外面，中間的全是擺設，純粹浪費硅面積。

更要命的是，SerDes是模擬電路，面積大，還會干擾旁邊的數字邏輯。在die中間放SerDes，等于在自家的高速公路上挖坑。

所以Cerebras被困在了一個島嶼上。島上的高速公路四通八達，但通往外界的橋只有一座單車道。

如此一來，Cerebras跑大模型只剩一條路，把模型按層切開，每塊晶圓放幾層，晶圓之間只傳中間計算結果（比完整的模型權重小得多）。

但流水線越長，延遲越高。

SemiAnalysis算了一筆賬，12塊晶圓跑DeepSeek V4，光是層間傳輸的固定延遲就要疊加12次，緩存數據的搬運時間高達數毫秒。

所以CFO在CNBC上說的那番話，至少目前更像是路線圖上的故事。

但在120B以下這個區間，Cerebras交出的成績單沒什么好挑的。

代價是什么呢

知名評測機構Artificial Analysis用Llama 4 Maverick做過實測，Cerebras 2400 token/秒，英偉達Blackwell 1040 token/秒，直接碾了一倍多。

AI編程工具Devin背后的Cognition已經把Cerebras接進了產品，快速模式下1000 token/秒。Notion、LiveKit、GSK等也已經在用。

但代價是，公開云跑得動的上限就是GPT-OSS級別，最大上下文只有128K。

根據SemiAnalysis從Claude Code、Cursor等工具中采集的43.2萬條真實請求，其中有將近50%都超過了128K。

而Agent時代的上下文只會越來越長，128K很快就是瓶頸。

速度快，但模型小、上下文短、選擇少。這就是開發者今天拿到手的Cerebras。

但這里藏著一個很多人還沒注意到的細節，足以改變整個競爭格局。

Cerebras與OpenAI的協議里寫著一條排他條款，合同期內不得向「特定OpenAI競爭對手」出售產品。

CEO Feldman沒有點名，但所有人都知道指的是誰，Anthropic。

12%股權、10億美元貸款、246億美元訂單鎖定。Cerebras已經被牢牢綁在了OpenAI的戰車上。

推理戰爭，OpenAI剛剛換了一把槍

如今，AI軍備競賽的主戰場已經變了。

訓練只做一次，推理每天做數十億次。

2026年三分之二的AI算力消耗在推理上，到2027年預計達到80%。

根據OpenAI的計劃，AWS的Trainium負責理解用戶輸入，Cerebras負責生成輸出token，GPU負責訓練和長上下文，三套硬件各管一段。這套組合拳只為一件事，成本打下來，速度拉上去。

對比之下，Opus 4.6 fast的速度已經從100 token/秒退化到了70 token/秒，Cerebras也在合同里把它鎖在了門外。

那么問題來了，Anthropic的極速推理方案在哪里？

參考資料：

https://x.com/dee_bosa/status/2055351401472020949?s=20

https://newsletter.semianalysis.com/p/cerebras-faster-tokens-please

編輯：摩西