纳斯达克 IPO 新王诞生？Cerebras 上市：英伟达挑战者的差异化突围之路

就在明天，被资本市场誉为“英伟达最强挑战者”的Cerebras，将以每股185美元的价格登陆纳斯达克，市值预计直冲400...

就在明天，被资本市场誉为“英伟达最强挑战者”的Cerebras，将以每股185美元的价格登陆纳斯达克，市值预计直冲400亿美元，不出意外将创下今年全球规模最大的IPO纪录。

这家备受瞩目的AI芯片独角兽，曾以研发出“世界最大单体芯片”而问题。在华尔街资本对AI基础设施需求狂热追捧的当下，Cerebras会在未来很长一段时间内占据AI产业链的核心焦点，并且持续与英伟达等行业巨头进行对比。

将晶圆做成芯片

就当所有芯片厂商都在想方设法从一块晶圆上切割出更多芯片时，Cerebras走出了一条差异化路线：他们将12寸圆形硅晶圆直接做成一整块芯片，无需额外的中间连接环节，所有数据都集中在单块芯片之上。

这种模式被他们命名为“晶圆级整合”。

在Cerebras看来，当前AI行业的核心瓶颈并非算力本身，而是数据在计算核心与显存之间反复搬运所产生的高昂成本。所以“晶圆级整合”最直接的优势在于缩短了数据的搬运距离。当所有核心组件都集成在同一块晶圆上时，数据可在这个低延迟的环境中高速传输，大幅提升运算效率。

以英伟达H100 AI芯片为例，该芯片高度依赖外部HBM显存；而Cerebras最新推出的WSE-3芯片，内置高达44GB的片上SRAM，相当于将大量高速内存直接“焊接”在芯片本体上。这一设计让WSE-3的片上内存带宽达到了惊人的21 PB/s，相比H100的带宽（3.35 TB/s）直接高出约6000倍。

在实际应用场景中，这种独特的物理结构可以实现极低的运算延迟，最终换来极高的推理速度。

据第三方实测数据，在处理Llama 3.1 8B等小模型时，Cerebras的速度优势可达英伟达B200的18-36倍。

一站式的商业模式

不过，单块晶圆的内存容量毕竟存在上限，无法容纳70B以上的大模型。因此，在运行超大模型时，晶圆级芯片的优势就会大幅缩小。针对这一痛点，Cerebras给出的解决方案是将多台CS-3设备串联成集群。

但这样做的代价就单台设备的速度优势在会被通信开销抵消一部分，其在小模型上的速度优势，在运行超大模型时会被压缩约3倍。

不过Cerebras的目标客户也并非这类超大模式，他们的商业模式更适用于中小型客户。

与英伟达“只做芯片设计、不涉足芯片制造”的轻资产模式不同，Cerebras选择了重资产垂直整合路径：它既是芯片设计商，也是整机集成商，更能自主完成数据中心的运营及推理云服务，实现了从芯片到终端的全覆盖。

就数据中心来说，由于WSE-3芯片功耗高达23kW，传统的服务器机箱、液冷系统及机房布局均无法兼容。为解决这一部署难题，Cerebras利用多轮融资筹集的资金搭建了自营的数据中心。

这样一来，客户无需购买昂贵的硬件设备，也无需改造自身IT基础设施，只需通过按token付费，就能便捷使用Cerebras的算力。

值得注意的是，数据中心的自营模式恰恰就是Cerebras最烧钱的地方，这种重资产运营会导致其毛利率持续走低，且面临着长期亏损的压力。不过在完成IPO后，大量现金流的涌入将极大缓解Cerebras的资金压力。

值得一提的是，在AI算力资产日益稀缺的背景下，Cerebras能够提供从晶圆研发到云端交付的全流程服务，这种模式反而能显著提升其针对大客户的交付速度。

目前，全球范围内仅有Cerebras采用这种这一模式，因此它与英伟达的技术路线并非相互取代，而是长期并存，不存在“谁淘汰谁”的竞争关系。

OpenAI的深度同盟

除了独特的商业模式外，Cerebras还有一部分竞争力源于OpenAI在背后的力挺。

此前，OpenAI提供了一份价值超200亿美元的巨额合同，不仅为Cerebras提供了未来数年的稳定营收保障，更是借助OpenAI的“口碑”，帮助Cerebras从一家小众的初创公司直接跻身全球AI基础设施的主流玩家行列。

根据协议，OpenAI承诺在未来三年内，向Cerebras采购750MW的推理算力，并拥有将总采购规模扩展至2GW的权利。更重要的是，OpenAI还向Cerebras提供了10亿美元贷款，用于支持其向台积电采购晶圆，而贷款利息则以未来的算力服务抵扣。

这种“以算力换股权”的创新合作模式，最终让OpenAI获得了Cerebras约10%的股权，形成了绑定的同盟关系。

2026年，OpenAI首个不依赖英伟达硬件的精简版模型GPT-5.3-Codex-Spark正式上线。该模型在Cerebras的WSE-3硬件上运行时，速度达到1000 tokens/秒以上，较运行在GPU集群上的标准版快15倍。

这一实测成绩，也充分验证了Cerebras在小模型处理领域确实具备替代GPU的潜力。

当然正如前文所述，Cerebras的存在并非为了“打败”英伟达：GPU+HBM路线在大规模模型训练、批量推理及长上下文处理场景中，依然占据绝对统治地位；而Cerebras的晶圆级路线，目前仍存在一定局限性，这也是Cerebras要一直面临的难题。

此外，业内看好Cerebras的另一个重要原因更多在于其“避险属性”。

在内存供应紧张、芯片制造及封装资源竞争白热化的当下，Cerebras的差异化路线，能为市场提供多元化的产能保障，这也为其带来了大量潜在客户。

这到底是一种优势还是风险，还得等Cerebras上市后才能验证。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！