英偉達的真正「大」對手來了。

5月14日，Cerebras以488億美元的估值，超額認購超過20倍登陸納斯達克。

據說這是今年來全球最大估值規模的IPO。

要知道，就在8個月前，這家公司估值還只有81億美元。現在等於翻了6倍，可見現在的市場對於AI鏟子股究竟有多瘋狂。

AI推理是時代來了，但英偉達的GPU不再是唯一解。

市場憑什麼認為Cerebras，能夠撼動英偉達的地位？

01

推理新王

2026年，隨着推理需求大爆發，傳統GPU架構在推理場景的物理瓶頸愈發凸顯，而Cerebras晶圓級芯片，為破解這一難題提供了顛覆性方案。

黃仁勳在GTC2026上明確提出：AI推理拐點已至。

據德勤數據，2023年，AI算力支出還是訓練佔60%，推理佔40%，但兩年後，這個比例幾乎都要翻過來了，推理預計將佔企業AI預算的85%。

推理大模型還在持續放大這一趨勢。據a16z對100萬億token數據的研究，2025年推理模型的token消耗份額從近乎歸零飆升至總算力的半數以上。每一次模型升級，都在成倍放大推理的算力消耗。

GPU推理有一個結構性弱點。要理解它，需先明確LLM推理的兩大核心階段：Prefill（預填充）與Decode（解碼）。

Prefill階段負責處理用戶提示詞，支持並行計算，GPU很擅長，因此這階段GPU效率表現優異。

而Decode階段是逐一生成token，屬於串行運算，後一個token的生成必須等待前一個完成。且每生成一個token，都需要完整讀取全部模型權重與KVCache緩存，數據搬運成本極高、重複損耗嚴重。

以70B參數模型為例，其權重約140GB，疊加對話過程中持續膨脹、可達數十GB的KVCache，龐大的數據量進一步加重了GPU的運算與搬運負擔。

也就是說，GPU推理低效的核心，並非算力不足，而是傳統架構物理侷限導致的內存牆問題。

這就是AI行業的核心「內存牆」——算力增長遠快於內存帶寬增長，計算性能被數據搬運卡住了。

數據顯示，算力每兩年提升3倍，HBM帶寬僅提升1.6倍；十年維度下，算力暴漲1000倍，帶寬僅提升10倍，這相當於買了一張超級計算卡，實際跑推理的時候98%的時間在發呆。

性能剪刀差持續擴大，就導致了架構矛盾日益凸顯。

據HuggingFace Blog分析，B200在batch等於1時，tensor core空閒超過99%。

這個痛點也體現在英偉達核心營收上。

黃仁勳公開確認，其數據中心業務65%收入來自推理場景，意味着英偉達最核心的營收來源，恰恰是GPU架構效率最低的場景。這也是為什麼英偉達要斥資200億美元去收購Groq的原因。側面印證傳統GPU無法適配高端推理需求，行業亟需專用推理架構。

在此背景下，Cerebras跳出傳統GPU設計邏輯，以晶圓級計算架構給出了破局方案。其核心產品WSE-3摒棄芯片切割模式，將整片300mm硅晶圓作為單一處理器，集成90萬個AI核心、搭載44GB片上SRAM，官方帶寬達21PB/s，是B200 8TB/s帶寬的2625倍，實現了跨量級的性能突破。

也就是說，這是真正物理意義上的超大芯片，所以說它是英偉達的「大」對手，確實沒毛病。

晶圓級計算75年沒人做出來，不是沒人想過，是工程上做不到。Cerebras解了三個難題。

第一，突破光刻工藝極限。傳統光刻單次曝光最大面積僅26mm×33mm，遠小於晶圓尺寸。Cerebras聯合台積電研發「劃線橋接」技術，複用晶圓劃線區域延伸金屬沉積路徑，讓通信網絡無縫覆蓋整片晶圓，徹底消除芯片邊界與跨芯片延遲。

第二，解決大芯片缺陷。雖然Cerebras把芯片做得極大，但它把每個AI核心做到了只有0.05平方毫米，約等於H100 SM核心面積的1%。單個缺陷只廢掉0.05平方毫米，而不是6平方毫米。據Cerebras官方博客，WSE-3的缺陷容忍度是GPU的100倍。額外加1%到1.5%的冗餘核心做替換。

第三，攻克超大功率供電散熱難題。WSE-3功耗達23kW，需輸送超2萬安培電流。Cerebras採用上置垂直供電、底部水冷散熱方案，將整片晶圓溫差控制在20℃以內，保障芯片高負載穩定運行。

據實測數據，Cerebras WSE-3對最佳GPU/雲方案，四個主流模型全部領先。Llama 3.3 70B差距最大，2140對120，18倍。Llama 4 Maverick 400B差距最小，2500對1000，超過2倍。

憑藉出奇快的推理速度，Cerebras的估值一路水漲船高。根據S-1孖展輪次數據，公司估值八個月漲了六倍。從81億美元到230億再到488億。

並且，公司的商業前景也得到了科技巨頭的背書。OpenAI一上來就直接跟它簽了超百億美元的多年合同。還有AWS也選擇Cerebras作為Bedrock推理加速層。

整體而言，Cerebras以顛覆性的晶圓級架構，發起了對GPU行業霸主的技術挑戰。這套突破傳統束縛的技術方案，打破了長期的GPU算力壟斷，想象空間廣闊，也讓公司估值從一開始就偏離了正常的比較範圍。

02

估值合理嗎？

根據S-1文件，CerebrasIPO估值對應2025年5.1億美元營收，約95倍收入倍數。據StockMaven數據，NVIDIA大約25倍，Cerebras是NVIDIA的近4倍。

但盈利能力上Cerebras顯然還沒有證明自己，NVIDIA財報顯示其毛利率75%到80%，Cerebras只有39%。

公司2025年GAAP淨利潤2.378億美元，裏面有3.63億非現金會計收益（遠期合約負債公允價值變動）。實際Non-GAAP虧損7570萬美元。毛利率從42.3%滑到39.0%，還在往下走。

這也說明了，公司的估值邏輯本身已經超出了芯片公司的標準，市場更像是把它當成了一種稀缺的AI基礎設施來定價。

但是翻一翻賬，估值給的太高還不是最大的問題。

根據S-1經審計財務報告附註，2025年公司86%的收入來自兩個阿聯酋實體。MBZUAI佔62%，G42佔24%。美國收入反而降了34%。

OpenAI的百億美元合同目前是該公司最大的一筆潛在收入。但事情還要更加複雜，OpenAI同時扮演了四個角色：客戶、債權人，潛在股東，還有個人投資者，Altman等人做過天使投資人。

數據還顯示，246億美元訂單積壓中，只有15%在2026到2027年確認。43%在2028到2029年。一旦交付不了產能，OpenAI有權終止合同並要求償還貸款。

雖然簽了百億合同，但OpenAI在同時押注多條路線，Cerebras只是其中一條。去年10月，OpenAI與AMD簽署了6GW部署協議。

實際上，每家科技巨頭都在推理上多方下注，沒有一家把Cerebras當成主力路線孤注一擲。亞馬遜跟Cerebras合作，但也只讓它負責decode加速層。主力推理用的依然是自研Trainium3。

近幾年，推理芯片創業公司的歸宿也佐證了這一點。Groq被NVIDIA收購，Graphcore被SoftBank收購，UntetherAI被AMD收購。而Cerebras是唯一獨立IPO的推理獨角獸。

對於科技巨頭而言，Cerebras又何嘗不是補丁，只是補丁熬到了上市。

再者，標稱速度也有水分。Cerebras用了推測解碼技術——讓小模型先猜、大模型再驗證，能快3倍。去掉技術加速，純硬件對推理速度的支持沒那麼多。而且測試是在單用戶條件下跑的，實際多用戶併發時優勢還會進一步縮水。

更關鍵的是，Cerebras的44GB片上內存只夠做"一問一答"式的快速推理。但推理市場增長最快的方向是AIAgent——需要長對話、大上下文，內存需求遠超44GB。據Stratechery判斷：內容在片上內存內，Cerebras速度驚人；一旦超出，就不划算了。

Cerebras未來能在推理市場拿下多大份額，取決於晶圓級架構能否突破44GB內存的天花板，從"一問一答"走向更復雜的推理場景。

03

尾聲

總的來說，"英偉達對手"這個定位，更多來自資本市場的敘事需求，支撐溢價的核心假設是"稀缺AI基礎設施"。

Cerebras能走多遠，還是要看自身的稀缺性能否轉換成更大的商業價值。

拆開看，稀缺性的成立依賴於兩個前提：其一，OpenAI百億合同的交付執行。其二，晶圓級架構能否突破場景限制。

尤其是後者，如果技術迭代停滯、應用場景難以拓展，那麼一切的敘事都可能變成巨大的泡沫，淪為AI算力生態裏的邊角備胎。