AREX Viewpoint Article
挑战GPU、绕过HBM，深挖史上最大芯片背后的Cerebras
导读
2026年第二季度财报让刚刚完成史上最大AI芯片IPO的Cerebras再次站上风口。8月12日披露的数据显示，营收1.8亿美元低于市场预期的1.94亿美元；但快速推理云业务同比近翻两番，管理层还将全年核心收入指引上调至8.8亿至8.9亿美元。财报后股价却出现下跌，说明市场更在意收入质量和毛利率压力，而不是单纯的营收增长。
这暴露了Cerebras故事的核心裂缝：它的晶圆级芯片在推理速度上具备GPU难以企及的15倍优势，也拿下了OpenAI部署750兆瓦的高速推理合作；但当数据中心、电力和冷却等运营成本坐实，资本市场开始审视这种技术红利能否转化为可持续利润。
硅谷101这期《挑战GPU、绕过HBM，深挖史上最大芯片背后的Cerebras》恰好回答了财报数字无法展示的底层问题：为什么Cerebras要挑战GPU、绕过HBM，把计算、内存和互联集成在同一片晶圆上。视频梳理了从百度AI实验室发现Scaling Law、到2015年五位工程师押注晶圆级引擎、再到用1%冗余核心解决整晶圆良率难题的过程。它让读者看到，速度优势不是营销话术，而是一项把单个缺陷损失面积降低两个数量级的工程选择。
视频还用OpenAI的签约细节补充了市场判断：OpenAI发布公告称将与Cerebras合作部署750兆瓦高速AI算力，以降低推理延迟；视频中受访者回忆，Sam Altman从2025年夏天亲自推动高速推理，测试后Cerebras比竞争对手快得多。这部分解释了为什么资本市场在财报前对Cerebras抱有极高期待，也解释了当Q2营收不及预期时，失望为何被放大。
但视频没有回避风险。它记录了G42贡献超83%营收带来的CFIUS审查、OpenAI发布自研推理芯片Jalapeño，以及上市后首份财报毛利率指引下滑。这些因素与Q2财报形成呼应：当大客户可能走向自研ASIC，当回租设备满足需求会吞噬10到15个百分点毛利，投资者需要判断Cerebras的推理速度是不是长期不可替代。
因此，这期视频的当下价值不是复述上市故事，而是提供一个判断当前Q2矛盾的决策框架：Cerebras的晶圆级架构究竟在多大程度上是不可复制的技术护城河，又在多大程度上会被客户自研、地缘政治和重资产运营成本侵蚀。带着财报中的疑问回看视频，读者能更清楚地看到，AI推理竞赛的胜负并不只取决于芯片跑得多快。
核心结论
- Scaling Law的发现是Cerebras诞生的逻辑起点，它预言了GPU的算力天花板并催生了对全新硬件架构的需求：百度AI实验室在2014年前后发现模型规模与智能水平呈线性关系，意识到未来大模型所需算力将远超GPU集群的供给能力。这一判断直接推动百度成为Cerebras最早的战略投资者，也为晶圆级芯片的研发提供了明确的需求基础。
- Cerebras的晶圆级集成方案是对AI数据传输瓶颈的底层重构，其数千倍于GPU的内存带宽在推理时代从“超前设计”变为“核心刚需”：Cerebras将计算、内存和互联集成在同一片晶圆上，从根本上消除了跨芯片通信延迟。当AI产业进入推理时代，推理的强串行性使内存带宽成为速度瓶颈，Cerebras的架构恰好击中了这一痛点，推理速度达到GPU的约15倍。
- 与OpenAI的200亿美元推理合同标志着AI算力格局从英伟达单极走向双极，Cerebras已从挑战者升级为超大规模推理的首选替代方案：OpenAI在英伟达收购Groq的同一天将史上最大AI推理部署合同授予Cerebras，部署规模达750兆瓦。Sam Altman亲自推动的高速推理战略在实测中验证了Cerebras的压倒性速度优势，这笔在四周内完成的签约向市场传递了明确的格局变动信号。
- G42作为救命客户验证了商业可行性，但其政府背景触发的地缘政治审查也暴露了深科技硬件公司在全球格局中的脆弱性：G42贡献了Cerebras超过83%的营收，帮助其从实验室走向市场。然而这笔深度绑定触发了CFIUS的国家安全审查，直接导致首次IPO撤回，直到将G42持股转为无投票权股份后才获得上市放行。
- 上市后的毛利率压力与大客户自研芯片趋势，正在考验Cerebras推理速度优势的长期护城河：首份财报毛利率指引下滑导致股价一度破发，同时OpenAI发布了自研推理芯片Jalapeño。市场开始审视数据中心运营成本是否会侵蚀技术红利，以及Cerebras在客户走向自研ASIC的趋势下能否保持不可替代性。
观点拆解
1. Scaling Law的发现预言了GPU瓶颈，为Cerebras的诞生提供了需求基础
-
百度AI实验室在2014年前后率先发现Scaling Law，预言了模型规模与智能水平的线性关系：百度团队在训练当时全球最大的3亿参数语言模型时，发现模型越大、数据越多、算力越强，模型就越聪明，且这种提升是可预测的线性关系。这一发现后来被总结为Scaling Law，并由Dario Amodei带入OpenAI，成为GPT系列模型的核心逻辑。这为整个AI行业指明了“大力出奇迹”的技术方向，也埋下了算力需求爆炸式增长的伏笔。
“模型越大、数据越多、算力越强，模型就越聪明，而这个提升是可以预测的，是线性的。这个规律被称为Scaling Law（规模定律）。”
“我第一次看到这个规律的时候就觉得，这是通向智能的道路。我当时简直不敢相信，智能居然有路可达。”
-
Scaling Law的发现直接暴露了GPU的算力瓶颈，催生了对替代性AI硬件的迫切需求：如果Scaling Law成立，训练未来真正有用的大模型所需的算力，将远超当时GPU集群所能提供的量级。百度研究员们因此意识到，必须寻找一种全新的硬件架构。投资人周楠在2016年加入百度AI实验室后的第一个任务，就是寻找英伟达之外的强大AI算力方案，因为当时的GPU并非为深度学习优化，无法支撑模型持续扩大和加速训练。
“如果Scaling Law（规模定律）是对的，那么要训练将来真正有用的模型，所需要的算力，将是现有的GPU集群完全无法提供的量级。百度的研究员们意识到，他们需要一种新的硬件。”
“研究员们交给我的任务是，去寻找一种非常强大的、英伟达之外的AI算力方案。因为他们预测，在未来五到十年……会出现非常大的模型，参数规模会远远超过5亿……我们需要一种不同类型的GPU，或者说一种不同的计算架构，来确保模型可以继续扩大，而且训练得更快。因为当时的GPU并不是为深度学习优化的架构。”
2. Cerebras的晶圆级集成方案是对AI数据传输瓶颈的底层重构，而非渐进改良
-
晶圆级引擎是对“数据搬运瓶颈”的底层重构，而非集群拼装的渐进改良：当行业主流通过拼装GPU集群并投入大量工程解决芯片间通信问题时，Cerebras选择将计算、内存和互联全部集成在一整片晶圆上，从根本上消除了跨芯片、跨服务器的数据移动开销。这种思路不是让现有架构跑得更快，而是重新定义了计算发生的物理空间。
“许多芯片公司解决这个问题的思路，是把GPU拼成一个集群，再花大量工程解决它们之间怎么沟通的问题。而Cerebras的思路是，将尽可能多的计算单元、内存和互联放在一整片晶圆上，成为晶圆级引擎。”
“这片晶圆的面积是最大GPU的58倍。很多原本需要跨GPU、跨服务器、跨网络完成的数据移动，现在都可以在晶圆内部完成。”
-
内存与计算同在一片硅上，实现GPU数千倍的内存带宽：传统GPU架构中，HBM高带宽内存与计算芯片物理分离，数据传输受限于内存带宽。Cerebras将内存和计算单元集成在同一片硅上，使内存带宽达到GPU的数千倍量级，直接绕开了HBM的物理瓶颈，这是其架构优势的量化体现。
“传统GPU架构里，HBM（高带宽内存）是和计算芯片分开的。只要数据需要在内存和计算单元之间传输，就会耗费很长时间，这个过程受限于所谓的内存带宽。因为我们的内存和计算单元在同一片硅上，所以我们拥有极高的内存带宽，达到GPU的数千倍量级。”
-
架构远见诞生于Transformer之前，是对“为AI重新设计一台机器”的根本性回答：Cerebras在2015年底决定押注晶圆级引擎时，Transformer架构尚未出现，大模型产业也远未成型。与当时主流“把GPU拼成更大集群”的思路不同，Cerebras从一开始就问了一个更底层的问题：如果AI是一种全新的计算负载，能否为它重新设计一台机器。这种前瞻性使其架构在AI推理时代到来时天然具备优势。
“在2015年底，Cerebras决定押注晶圆级引擎的时候，Transformer架构甚至都还没有出现，而今天这套以大模型为核心的AI产业，也还远远没有成型。”
“Cerebras的不同之处在于，它从一开始就问了一个更加底层的问题：如果AI会成为一种全新的计算负载，那能不能为它重新设计一台机器呢？”
3. 通过微小核心与冗余路由设计，Cerebras将晶圆级芯片的良率从“不可能”变为可管理的工程问题
-
将计算核心缩小至传统GPU的1%，使单个缺陷的损失面积降低两个数量级：Cerebras没有试图消除晶圆制造中不可避免的缺陷，而是通过极致小型化每个计算核心来降低缺陷的代价。传统GPU如英伟达H100的单个SM核心面积约6平方毫米，一旦被缺陷击中就全部报废；而Cerebras将核心缩小到0.05平方毫米，同样一个缺陷造成的损失面积仅为前者的约1/120，这从根本上改变了晶圆级芯片面对缺陷时的容错能力。
“传统GPU的一个计算核心特别大，英伟达H100的一个SM核心大约6平方毫米，一旦缺陷落在上面，这6平方毫米也就全废了。而Cerebras把每个核心缩小到了0.05平方毫米，大约是H100核心的1%。这意味着同样一个缺陷，砸在H100上要损失6平方毫米，但砸在Cerebras上只会损失0.05平方毫米。”
“仅仅是把核心做小这一点，就让Cerebras的芯片在面对缺陷时的容错能力，是传统GPU的百倍量级。”
-
1%冗余核心加动态片上网络，将整晶圆缺陷从“报废”变为“透明隐藏”：在极小核心的基础上，Cerebras在整片晶圆上额外放置约1%到1.5%的备用核心，并内置一套可动态重新配置的片上网络。制造测试阶段，系统识别缺陷区域后屏蔽坏核心，通过路由网络自动绕开，将工作负载映射到正常区域。从软件视角看，整片晶圆始终呈现为一块完美无缺的芯片，那约46个缺陷被悄悄隐藏，用户完全无感。
“Cerebras在整片晶圆上多放了大约1%到1.5%的备用核心，平时这些核心是关闭的，闲置着。芯片上还内置了一套可以动态重新配置的片上网络。制造测试阶段，系统可以识别哪些区域有缺陷，然后把这些坏掉的核心屏蔽掉，通过片上网络绕开它们，把工作负载映射到正常区域。从软件的角度看，整片晶圆始终是一块完美无缺的芯片，那46个缺陷，被悄悄地隐藏掉了。”
-
Cerebras的真正创新在于将成熟的冗余逻辑从单芯片尺度放大到整张晶圆：冗余核心的思路并非Cerebras首创，内存芯片厂商和GPU厂商几十年来都在使用，例如英伟达H100实际制造144个核心，只需132个正常工作即可。Cerebras的真正突破在于，用几十万个微小核心加上一套能在整片晶圆上动态绕障的路由网络，将这一冗余逻辑从一块小芯片放大到了整张晶圆的尺度，从而把一个长期被认为几乎无解的整晶圆良率难题，转化为可管理的工程问题。
“这个思路其实不是Cerebras自己发明的，内存芯片厂商和GPU厂商几十年来都在用“冗余核心”来处理缺陷。英伟达的H100需要132个核心工作，但芯片上实际造了144个，允许最多12个是坏的。Cerebras真正的创新，是把这个冗余的逻辑从一块小芯片放大到了整整一张晶圆的尺度，用几十万个微小核心，加上一套能在整片晶圆上动态绕障的路由网络，把一个“70年无解”的良品率难题，变成了一个可以管理的工程问题。”
4. AI从训练转向推理时代，Cerebras的高内存带宽优势从“超前”变为“刚需”
-
推理的强串行性使内存带宽成为速度瓶颈，传统GPU并行架构不再占优：大语言模型在推理时并非一次性输出完整回答，而是逐个token顺序生成，每一步都需要在模型权重、缓存和计算单元之间搬运大量数据。这种强串行特性决定了推理速度的核心瓶颈不再是并行算力，而是内存带宽——即数据能否足够快地被读取和传输。
“大语言模型生成回答的时候，不是一次性把整段话吐出来，而是生成第一个词，才能知道第二个词该是什么……也就是说，推理有很强的串行性。”
“每生成一个token，都要进行一次模型计算，都要在模型权重、缓存和计算单元之间，搬动大量的数据。”
-
Cerebras将计算与内存集成在同一晶圆上的设计，在推理时代从“超前”变为“刚需”：Cerebras最初想解决的是AI训练中的数据搬运问题，但当行业进入推理时代后，其晶圆级集成架构带来的极高内存带宽，恰好击中了推理场景的核心痛点。这种设计使Cerebras的推理速度达到GPU的约15倍，原本看似超前的技术路线，如今成为满足实时交互需求的刚需。
“对于推理来说，最关键的就是内存带宽。所以我们最根本的创新，是把计算机单元和内存放在同一片晶圆上，正是这种设计带来了极高的内存带宽，并最终为终端用户的应用提供了高性能、高速度的推理能力。”
“Cerebras原本想解决的是AI训练过程当中的数据搬运问题，但当AI进入推理时代之后，反而更加地利好Cerebras。”
“当我们在推理速度上相比GPU有大约15倍的优势时，我们就意识到这里会有一个非常好的机会，我们可以帮助那些正在使用推理的公司。”
5. 极致推理速度将AI从查询工具升级为实时交互伙伴，催生全新应用场景
-
每秒超2000 token的推理速度，将AI响应从“等待”变为“即时”，彻底重塑用户体验：Cerebras的推理服务实现了每秒超过2000个token的输出速度，是传统方案200-300 token的十倍左右。这种量级的提升并非简单的快慢之别，而是将AI交互从需要等待的查询模式，转变为近乎即时的实时反馈，使智能体工作流的使用体验发生质变。
“在推理服务上，Cerebras目前平均可以看到每秒超过2000个token的输出速度。相比之下，很多传统方案可能是每秒200-300个token。只要大家用过智能体工作流就会知道，这样速度的提升会让使用体验大幅优化。”
-
极致速度催生全新开发场景：AI从外部查询工具进化为IDE的“原生组件”：当推理延迟降至近乎瞬时，AI的功能形态也随之改变。以代码悬停查询为例，若响应需要5-10秒，开发者的思路就会中断，功能便显得尴尬；而瞬时响应则让AI无缝融入开发环境，不再像一个外挂的查询工具，而更像是集成开发环境自带的一部分。
“当程序员把鼠标悬停在一段代码上，系统可以立刻显示这段代码在整个项目里被哪些地方调用，依赖关系是什么。如果推理慢，这个功能就很尴尬。如果光标要停留5-10秒才有响应，那开发者的思路其实已经断了。但如果响应几乎是瞬时的，它就不再像一个查询工具，而更像是IDE里自带的一部分。”
-
实时交互能力将AI角色从“内容提供者”升级为“协作伙伴”，重塑教育与科研场景：推理速度的质变使AI能够进入实时互动场景。在教育中，AI可以像真正的老师一样在虚拟黑板上即时画图、回应追问；在科研中，AI科学家能在会议进行的同时实时检索信息并参与讨论。这些场景的共同点是互动，而互动的本质就在于速度。
“想象你需要让AI给你解释一个复杂的概念，AI一边在虚拟黑板上画图，一边回答用户的追问。如果AI要停顿很久，这就只是一个普通教学视频加聊天框。但是如果AI能够立刻回应，它就变成了一个真正的老师，可以实时对话。”
“在一个新药研发的会议里，团队正在讨论一个假设，这个AI员工可以在会议进行的同时，实时查找竞争对手研究、检索论文、测试假设，然后直接参与讨论。这些新的使用场景，都需要更快的推理能力。Cerebras的速度让它们能够变成现实。”
6. G42作为救命客户验证了商业可行性，但也带来了地缘政治审查风险
-
G42的超级计算机合同是Cerebras从实验室走向商业化的转折点：2023年，Cerebras与阿布扎比的G42达成Condor Galaxy合作，建造算力达4个exaflops的超算网络，合同规模超过10亿美元。这笔订单不仅验证了晶圆级芯片在真实部署场景中的可行性，更让Cerebras首次获得了大规模商业收入，证明了深科技硬件公司必须依靠愿意真金白银投入的客户才能跨越技术验证阶段。
“2023年，G42和Cerebras宣布了一个名为Condor Galaxy的合作，基于Cerebras的系统建造一个大规模超算网络，最大的一台超级计算机算力达到4个exaflops，合同规模超过10亿美元。”
“对于一家深科技硬件公司来说，光证明技术可行还不够，你真的需要一个大客户，愿意实际部署你的系统，愿意付真金白银围绕着这项技术去建设。G42给了Cerebras这一点。”
-
G42贡献了超过83%的营收，深度绑定既是救命稻草也是集中度风险：财务数据清晰揭示了Cerebras对G42的极度依赖：2022年营收2460万美元，2023年跃升至7870万美元，其中G42占比超过83%。这种单一客户集中度虽然帮助Cerebras活了下来并快速规模化，但也为其后续的监管危机埋下了伏笔。
“2022年，Cerebras营收2460万美元；2023年，跳至7870万美元，G42占比超过83%。”
-
G42的阿联酋政府背景触发CFIUS国家安全审查，直接导致首次IPO撤回：2024年9月Cerebras提交S-1招股书后，美国外国投资委员会（CFIUS）发现其大批营收来自与阿联酋政府深度关联的G42，几乎立即启动国家安全审查。在无法获得CFIUS放行的情况下，Cerebras被迫主动撤回上市申请，随后将G42持股转为无投票权股份并重新定性双方关系，直到2025年3月31日才获得上市放行。这一事件揭示了深科技硬件公司在全球地缘政治格局中的脆弱性。
“美国外国投资委员会（CFIUS）在看到Cerebras的大批营收来自阿联酋客户G42之后，几乎立即启动了国家安全审查。最后Cerebras在无法获得CFIUS放行的情况下，主动撤回了S-1申请。”
“G42持有的股份被转换为无投票权股份，双方关系重新定性。最终，CFIUS在2025年3月31日正式给Cerebras上市放行。”
7. 与OpenAI的200亿美元推理合同标志着Cerebras从挑战者变为英伟达之外的第二极
-
OpenAI在英伟达收购Groq的同一天将史上最大推理合同授予Cerebras，标志着AI算力格局从单极走向双极：这份总价值超过200亿美元、部署规模达750兆瓦并可扩展至2吉瓦的合同，是全球历史上最大的AI推理部署合同。更具象征意义的是，签约发生在英伟达收购Groq的同一天——OpenAI作为行业风向标，在推理业务上选择了Cerebras而非继续依赖英伟达生态，这向市场传递了一个明确信号：Cerebras已从挑战者升级为超大规模云服务商推理业务的首选替代方案。
“这是全球历史上规模最大的AI推理部署合同。大家捋捋这个时间线，Cerebras是英伟达的挑战者，而就在英伟达吃下Groq的同一天，OpenAI选择把最大的推理计算合同给了Cerebras。”
“OpenAI选择Cerebras的原因很简单，速度，以及供应链多元化。OpenAI需要的算力已经不是单一供应商能够完全满足的，它也需要高速推理来支撑实时产品，同时它也不想在推理业务上只依赖一个算力来源，也就是Nvidia。”
-
Sam Altman从2025年夏天起亲自推动高速推理战略，Cerebras以压倒性的速度优势赢得技术验证：Cerebras方透露，Sam Altman在2025年夏天明确表示OpenAI开始重视高速推理，随后双方展开了一系列测试，结果显示Cerebras比竞争对手快得多。这一技术验证是合同落地的关键前提——OpenAI工程师在实测后给出了“现在我们明白了”的反馈，说明Cerebras的晶圆级架构在推理场景中确实提供了GPU无法比拟的实时响应能力。
“我大概是在2025年夏天中期和Sam聊过一次，他第一次明确跟我说，我们之前一直非常努力只是为了跟上需求，但现在，我们开始看到高速推理的重要性。这之后我们就开始做一系列试验和测试，结果显示，我们比竞争对手快得多。”
“所以我们和OpenAI的一些工程师开始合作，他们看到之后的反应是，哇，现在我们明白了。”
-
200亿美元级合同在四周内完成签约，落地速度远超行业常规，合作已快速产出面向全球的Codex Spark产品：从感恩节前夜签署投资意向书到平安夜签署主协议，这笔200亿美元以上的交易仅用了四周，在大型企业合作中极为罕见，反映出双方战略层面的高度契合。更值得关注的是，合同宣布后几周内Cerebras就完成了与Codex的首次集成，推出了针对速度和互动性优化的Codex Spark模型并向全球开放，让开发者和个人用户第一次亲身体验到Cerebras的推理能力，将商业合同迅速转化为可感知的产品优势。
“于是OpenAI和Cerebras在感恩节前夜签了term sheet，在四周后的平安夜签了master agreement。一个200亿美元以上的交易，能在四周内完成，其实是很罕见的。”
“我们在二月份完成了第一个集成，也就是说在宣布合作后的几周内，我们就完成了和Codex的第一次集成。我们推出了Codex Spark模型，它特别针对速度和互动性做了优化，后端由Cerebras提供支持，并向全球开放。这也让很多开发者和个人用户，不只是企业客户，第一次亲身体验到Cerebras的能力。”
8. 上市后的毛利率压力与客户自研芯片趋势，考验Cerebras长期护城河
-
大客户OpenAI发布自研推理芯片，Cerebras面临“不可替代性”考验：OpenAI与Broadcom合作推出专用推理芯片Jalapeño，表明其正将芯片纳入全栈自研战略。虽然OpenAI短期内不会放弃Cerebras，但这一动作迫使Cerebras必须证明其推理速度优势是长期且不可替代的，否则核心客户可能逐步转向自研方案。
“就在6月，OpenAI和Broadcom发布了OpenAI的第一颗自研推理芯片Jalapeño，这是一个专门为语言模型推理设计的ASIC，也就是专用芯片。OpenAI说Jalapeño是它长期全栈AI基础设施策略的一部分，未来OpenAI想把模型、软件、网络、服务器，甚至是芯片本身，都更深地掌握在自己手里。”
“当然，这并不意味着OpenAI会立刻放弃Cerebras，因为OpenAI的算力需求太大了。但Cerebras必须证明，它能够提供的推理速度是长期并且不可替代的产品。”
-
上市后首份财报毛利率指引下滑，市场担忧成本侵蚀技术优势：Cerebras上市后首份财报虽收入超预期，但第二季度毛利率指引降至36%-38%，低于第一季度的47%，导致股价单日下跌15%并一度破发。市场开始审视数据中心、电力、冷却等运营成本是否会吞噬其晶圆级芯片的技术红利。
“Cerebras发布了上市后的第一份财报，股价下跌15%，甚至一度跌破IPO发行价。表面上看这份财报并不差，第一季度收入甚至高于华尔街预期，但Cerebras给出的第二季度指引中，调整后毛利率只有36%-38%，低于第一季度的47%。也就是说收入增长留下的利润空间正在被压缩。”
“对于一家上市公司来说，市场看到的是一个现实问题：包括数据中心、电力、冷却等在内的成本，会不会吃掉技术优势。”
-
管理层将毛利率压力归因于“回租设备以满足需求”，全年指引仍高于原计划：Cerebras管理层回应称，毛利率短期承压是因为公司为跟上高速推理产品的巨大需求，从客户手中回租已售设备，此举对毛利率造成约10到15个百分点的影响。同时公司强调全年毛利率将比原计划高出10个百分点，试图向市场传递需求旺盛的积极信号。
“我们在2026年初制定了一个计划，上市时我们也把这个计划分享给了投资人，而现在我们其实已经跑在计划前面。我们的毛利率也明显高于市场共识，而且我们给出的全年指引是，全年毛利率会比原计划高出10个百分点。”
“同时我们也告诉市场，在第二季度和第三季度，为了跟上需求，我们会从一些客户那里把已经卖出去的设备再租回来使用，这会对毛利率造成大约10到15个百分点的影响。”
总结
Cerebras的十年历程揭示了一个深科技创业的完整样本：真正的技术壁垒往往诞生于对行业共识的主动背离，而非对现有路径的加速追赶。晶圆级芯片从“疯狂想法”变为推理时代的刚需，靠的不是运气，而是在Scaling Law尚未成为共识时就押注算力重构的远见。但技术优势从来不是一劳永逸的护城河——当大客户开始自研芯片、地缘政治风险随时可能切断关键合作关系时，Cerebras必须证明它的推理速度优势是长期且不可替代的。这场豪赌的下半场，才刚刚开始。
信息源
视频来源
- 挑战GPU、绕过HBM，深挖史上最大芯片背后的Cerebras：
外部资料
- Cerebras (CBRS) Q2 earnings report 2026：
- Cerebras Q2 2026 earnings: stock falls after guidance raise：
- Cerebras Systems Fast Inference Cloud Business Nearly ...：
- OpenAI partners with Cerebras：