Cerebras在资本市场掀起了一场风暴。这家专注于AI硬件的公司，上市首日便以惊人的表现吸引了全球投资者的目光。其IPO定价为185美元，开盘价直接飙升至350美元，盘中最高触及385美元，市值一度突破800亿美元大关。路透社评价称，这是自2026年以来规模最大的IPO之一，标志着AI基础设施领域迎来了新的重量级玩家。
Cerebras的崛起并非偶然。凭借晶圆级AI芯片技术，以及与OpenAI、亚马逊等巨头的合作关系，它被市场视为“英伟达之外的AI基础设施资产”。2025年，公司营收约5.1亿美元，成功从亏损转向盈利。然而，市场对其高估值的认可，并非基于当前的利润表，而是对AI推理市场未来趋势的判断——交互速度正成为新的竞争焦点。
过去两年，AI算力市场的投资逻辑主要围绕GPU供给、HBM瓶颈和云厂商资本开支展开。但如今，模型厂商和开发者开始为另一个指标付费：单个用户获取Token的速度。Cerebras的晶圆级架构，正是为满足这一需求而设计。OpenAI已承诺购买750MW的Cerebras高速AI推理算力，并计划从2026年开始分阶段部署。这一订单不仅为Cerebras提供了收入保障，也验证了其技术的市场潜力。
AI推理市场的变化正在重塑估值逻辑。与训练阶段不同，推理直接面向用户行为，对响应速度、并发体验和成本效率的要求更高。尤其是在代码生成、Agent工作流等场景中，延迟几秒就可能导致生产力下降。开发者不仅需要更聪明的模型，还需要更“跟手”的模型。SemiAnalysis的报告指出，当模型智能达到一定阈值后，开发者更倾向于选择速度更快的选项，而非更聪明的选项。
Cerebras的估值弹性正源于此。它没有追求最大吞吐量，而是专注于提升单个用户的Token输出速度。OpenAI、Anthropic等公司已开始将服务拆分为不同速度档位，测试速度能否成为独立收费点。如果用户愿意为高速模式支付溢价，推理硬件市场将出现新的分层：一类负责低成本大吞吐，另一类负责高价值低延迟。Cerebras显然瞄准了后者。
Cerebras的核心竞争力在于其独特的晶圆级芯片架构。与传统的GPU不同，WSE-3将整片晶圆制成一个巨大的AI处理器，采用台积电5nm工艺，拥有约4万亿晶体管、90万个计算核心和44GB片上内存。这种设计通过片上SRAM和超高带宽，实现了低延迟解码能力，尤其适合低batch、小并发、高交互的推理任务。然而，这种架构也带来了显著的工程约束。
首先是SRAM容量的限制。44GB的片上内存虽然庞大，但与高端GPU的HBM容量相比仍显不足。更关键的是，SRAM的扩展速度正在放缓。从WSE-1到WSE-3，SRAM容量仅从18GB提升至44GB，远低于逻辑晶体管的密度增长。对于GPU厂商来说，可以通过叠加HBM或改进封装技术来扩大内存容量；但对Cerebras而言，晶圆面积已接近极限，增加SRAM意味着牺牲计算核心空间。
其次是片外I/O的瓶颈。Cerebras的优势在于片上带宽，但片外数据传输能力较弱。当模型规模较小或上下文较短时，其速度优势明显；但一旦模型变大或上下文拉长，跨晶圆切分的需求增加，就会带来延迟和效率问题。例如，Agentic coding这类工作负载需要长上下文和连续工具调用，对Cerebras的架构构成了挑战。
最后是系统成本问题。Cerebras提供的不是单颗芯片，而是一整套高复杂度系统。WSE-3功耗高，需要定制液冷、供电和连接方案，数据中心改造成本高昂。它的价值不在于替代GPU，而在于通过复杂系统换取极致交互速度。因此，其商业化成功与否，取决于能否在特定速度区间内，通过规模化部署摊薄成本。
OpenAI基于Cerebras运行的模型进一步强化了这一合作。例如，GPT-5.3-Codex-Spark在120B参数级别实现了极高的tok/sec/user速度，适合代码生成和工具调用等场景。对开发者而言，模型智能达到可用门槛后，速度将成为付费的关键因素。然而，这一路线的上限尚未得到验证。如果未来模型规模扩大至1T参数或上下文窗口达到1M，Cerebras需要在速度、容量和成本之间做出更艰难的取舍。
Cerebras的商业路径可能聚焦于120B至数百B参数区间，通过极致优化高交互速度，服务愿意为效率付费的开发者和企业客户。市场对它的评估将分三个阶段：短期看OpenAI订单的兑现速度，中期看快Token的付费能力，长期看模型演进是否持续适配其硬件边界。如果750MW订单顺利交付并扩展，Cerebras有望从AI硬件新股转型为推理基础设施平台；反之，它可能成为这一轮AI硬件狂热中的高估值样本。
