推理快，交付慢：“全球最大AI芯片”Cerebras的商业化考验

近日，OpenAI 的首席执行官 Sam Altman 在社交平台发了一条关于合作关系的动态，提到 Cerebras 是他们的合作伙伴，双方正在推进运行速度前沿领域的合作，这条动态发布之后，Cerebras 在资本市场的股价随之出现了明显反弹，盘前上涨了几个百分点，成交量也放大了不少。

这件事前几天 Cerebras 的股价刚遭遇过大幅跌落，主要原因是有消息传出 OpenAI 在 GPT-6.1 Sol 的 Ultrafast 模式中使用了英伟达的芯片。作为一家主打晶圆级 AI 芯片的公司，这种关于合作深度的变数迅速引发了外界的关注。

大家关心的其实是背后的硬核技术变化，随着人工智能够帮你写作业，帮你画画，AI 算力消耗重心正从训练模型慢慢转移到日常的推理应用上，专用大芯片路线与通用计算生态也走到了模式抉择的分水岭。

破局者的底气：从跑分神话到落袋的真金白银

过去不少人觉得这种特殊的芯片只是在测试环节跑分好看，拿不到真正的商业订单，不过从最近披露的财务数据来看，情况确实发生了一些改变。

在 2025 财年，Cerebras 的收入达到了近 5.1 亿美元，同比增长大约 75.7%，净利润达到 2.378 亿美元。它的云服务收入增长迅速，在二季度达到了 1.26 亿美元，环比增长了 52%。

最值得注意的数据来自于双方合同的履行进度，相关公开文件显示，二季度 Cerebras 确认了来自 OpenAI 的 5,680 万美元收入，约占当季总收入的 32%。

这些真金白银的账单证明了 AI 推理服务的市场需求，专用架构确实开始从传统的芯片服务市场里分走了一块蛋糕，拿到了可以核对的实际收入。

回溯 Cerebras 走过的路，创始人 Andrew Feldman 在相关的深度访谈中提到，当一种新的计算负载出现时，成熟的芯片市场很难被轻易切入，除非能带来数量级级别的性能提升。

图 | Cerebras 创始人 Andrew Feldman （来源：Linkedin）

他们从 2016 年开始决定走一条前人没有走过的路，把整张硅晶圆直接做成一颗巨大的芯片，而不是把许多小芯片拼接在一起。

这种被称为 Wafer Scale Engine 的设计理念，把计算单元和大量的静态随机存取内存全部集成在同一块完整的晶圆上，最大限度地缩短了数据传输的物理距离。

在传统的通用芯片集群中，处理器与外部高带宽内存之间隔着复杂的总线和走廊，模型参数在计算与存储之间来回搬运会消耗大量时间。

晶圆级芯片通过将内存和计算核心紧密结合，让数据在内部高速流动，从而在处理大语言模型推理时展现出了惊人的吞吐速度。

这种速度优势在早期常常被质疑为实验室里的跑分游戏，但是随着二季度财报中真金白银的云服务收入和合同确认，市场开始意识到跑得快正在变成切实的商业竞争力。

OpenAI 等前沿实验室的深度介入，为这种专用架构提供了最直接的应用场景，也让整个行业看到推理算力正在尝试摆脱对单一硬件生态的绝对依赖。

繁荣之下的大考：高估值、现金流与 254 亿美元的慢车票

摆在面前的财务考题依然很严峻，Cerebras 的远期市盈率处于高位，自由现金流净流出接近 3.928 亿美元，这说明 Cerebras 在铺设基础设施上花了不少钱。

截至 6 月底，Cerebras 账面上压着大约 254 亿美元的待履约订单，这个数字虽然看起来庞大，但是想要把它完全转换成收入，过程比想象中慢得多。

Cerebras 预计大约只有 22% 的订单会在接下来的 24 个月内确认，另外 43% 要等到第 25 到 48 个月，剩下的部分时间还要更晚。

AI 软件更新换代的速度快得像飞箭，数据中心的建设却像盖楼一样受限于电力供给，施工周期和设备采购，这种交付节奏上的时间差构成了巨大的现实考验。

客户集中度过高也是另一个隐患，二季度前三大客户贡献了 76% 的收入，如何获得更多独立企业客户的持续订阅，成了接下来需要解答的难题。

在硬件创业的世界里，拿到订单只是万里长征的第一步，随之而来的是极其复杂的供应链协调与庞大的资本开支。

现代先进芯片的制造依赖于台积电的代工产线以及 ASML 的光刻机，这些环节构成了半导体行业高度集中的上游生态。

建一座能够生产尖端芯片的晶圆厂需要耗费数百亿美元，且建设周期长达数年，面对 AI 软件领域呈指数级狂飙的需求，硬件制造和数据中心基础设施的扩张速度常常显得捉襟见肘。

数据中心从选址到动土，再到机电安装和电力接入，每一个环节都受到电网容量、发电机交货周期以及地方审批的严格制约。

这就导致了财务报表上庞大的待履约订单与实际收入确认速度之间存在天然的时间差，订单金额虽然耀眼，但如果交付节奏跟不上，市场对高估值的耐心就容易受到侵蚀。

花旗等机构的分析师在追踪时指出，Cerebras 的毛利率企稳情况和客户多元化进展，将直接决定其在二级市场上的估值能够维持多久。

当市场热度退去，投资者们开始用最理性的目光审视每一季的交付数据，确保账面上的纸面财富能够按时变成真实的自由现金流。

（来源：Cerebras）

核心对决：推理芯片的模式走向与终极哲学

如果要挑战市场上占统治地位的通用芯片巨头，稍微快一点点没有竞争优势，只有依靠架构层面的根本革新，建立起数量级级别的性能差异，才可能在市场上站稳脚跟。

传统的通用芯片集群就像是许多厨师隔着走廊传菜，计算单元和存储单元是分开的，模型参数需要在计算芯片和外部存储器之间来回搬运，消耗了大量的传输时间。

Cerebras 选择了一条非常独特的路线，他们把整张晶圆直接做成了一块巨大的芯片，让计算核心和内存靠得极近，大大缩短了数据搬运的距离，非常适合处理对响应速度要求极高的高并发推理任务。

在面对技术路线的不确定性时，团队采用了类似于互联网路由器的思考模式，不押注死板的专线，而是专注于加速底层基础的代数运算，从而灵活应对不断出现的算法演进。

图 | Cerebras 强调自家产品速度（来源：Cerebras）

Cerebras 公司首席执行官 Andrew Feldman 在相关的深度访谈中谈到，行业巨头的护城河并不仅仅是软件生态或者芯片架构本身，更在于其在漫长发展历程中淬炼出来的组织韧性与长期专注。

要在硬件创业领域走得更远，除了攻克芯片制造，高密度的封装，水冷散热等技术难关外，还要面对复杂的供应链协调，以及数据中心建设中的电网和社区沟通等挑战。

从芯片设计的底层逻辑来看，挑战传统巨头不能依靠渐进式的修修补补，因为在位者每年都在推进技术边界，新入局者必须拿出颠覆性的架构差异。

这种颠覆性体现在对计算、内存和输入输出三条战线的同步推进上，不仅要让核心计算更快，还要研究如何把高带宽内存集成到基于静态随机存取内存的晶圆上。

在输入输出环节，业界正在探索光学晶圆堆叠技术，试图通过光交换来解决大规模计算中移动数据速度跟不上计算速度的老大难问题。

这种对底层物理极限的不断突破，构成了专用硬件赛道区别于通用计算的独特护城河，也吸引了美国政府、主权云以及全球前沿科技实验室的持续投入。

不过，软件创业与硬件创业在决策节奏上有着截然不同的残酷性，软件代码写错了可以随时推倒重来，而芯片流片一旦做出决策，就要承担数年时间的潜在后果。

早期团队在经历长达十八个月的艰难攻关时，曾经面对过无数次原型失败，每一次失败都需要严格的故障分析，确保下一次只犯全新的错误。

正是这种在死亡之谷边缘反复磨砺出来的工程文化，支撑着团队最终点亮了那块近乎不可能实现的巨型晶圆，在计算历史的长河中凿开了一道缺口。

Altman 的表态暂时缓解了市场对于合作关系的焦虑，不过对于专用芯片模式来说，真正的考验才刚刚开始。

下一个财报季，云服务收入能否持续增长，客户结构能否更加多元化，这些数据将给推理芯片模式的未来走向提供更清晰的答案。

参考资料：

https://www.cerebras.ai/

https://finance.biggo.com/news/c64bc2a9-55d7-41f9-82d5-efb22d7c53ee

https://www.linkedin.com/in/andrewdfeldman

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成