Cerebras在資本市場掀起了一場風暴。這家專注于AI硬件的公司，上市首日便以驚人的表現吸引了全球投資者的目光。其IPO定價為185美元，開盤價直接飆升至350美元，盤中最高觸及385美元，市值一度突破800億美元大關。路透社評價稱，這是自2026年以來規模最大的IPO之一，標志著AI基礎設施領域迎來了新的重量級玩家。

Cerebras的崛起并非偶然。憑借晶圓級AI芯片技術，以及與OpenAI、亞馬遜等巨頭的合作關系，它被市場視為“英偉達之外的AI基礎設施資產”。2025年，公司營收約5.1億美元，成功從虧損轉向盈利。然而，市場對其高估值的認可，并非基于當前的利潤表，而是對AI推理市場未來趨勢的判斷——交互速度正成為新的競爭焦點。

過去兩年，AI算力市場的投資邏輯主要圍繞GPU供給、HBM瓶頸和云廠商資本開支展開。但如今，模型廠商和開發者開始為另一個指標付費：單個用戶獲取Token的速度。Cerebras的晶圓級架構，正是為滿足這一需求而設計。OpenAI已承諾購買750MW的Cerebras高速AI推理算力，并計劃從2026年開始分階段部署。這一訂單不僅為Cerebras提供了收入保障，也驗證了其技術的市場潛力。

AI推理市場的變化正在重塑估值邏輯。與訓練階段不同，推理直接面向用戶行為，對響應速度、并發體驗和成本效率的要求更高。尤其是在代碼生成、Agent工作流等場景中，延遲幾秒就可能導致生產力下降。開發者不僅需要更聰明的模型，還需要更“跟手”的模型。SemiAnalysis的報告指出，當模型智能達到一定閾值后，開發者更傾向于選擇速度更快的選項，而非更聰明的選項。

Cerebras的估值彈性正源于此。它沒有追求最大吞吐量，而是專注于提升單個用戶的Token輸出速度。OpenAI、Anthropic等公司已開始將服務拆分為不同速度檔位，測試速度能否成為獨立收費點。如果用戶愿意為高速模式支付溢價，推理硬件市場將出現新的分層：一類負責低成本大吞吐，另一類負責高價值低延遲。Cerebras顯然瞄準了后者。

Cerebras的核心競爭力在于其獨特的晶圓級芯片架構。與傳統的GPU不同，WSE-3將整片晶圓制成一個巨大的AI處理器，采用臺積電5nm工藝，擁有約4萬億晶體管、90萬個計算核心和44GB片上內存。這種設計通過片上SRAM和超高帶寬，實現了低延遲解碼能力，尤其適合低batch、小并發、高交互的推理任務。然而，這種架構也帶來了顯著的工程約束。

首先是SRAM容量的限制。44GB的片上內存雖然龐大，但與高端GPU的HBM容量相比仍顯不足。更關鍵的是，SRAM的擴展速度正在放緩。從WSE-1到WSE-3，SRAM容量僅從18GB提升至44GB，遠低于邏輯晶體管的密度增長。對于GPU廠商來說，可以通過疊加HBM或改進封裝技術來擴大內存容量；但對Cerebras而言，晶圓面積已接近極限，增加SRAM意味著犧牲計算核心空間。

其次是片外I/O的瓶頸。Cerebras的優勢在于片上帶寬，但片外數據傳輸能力較弱。當模型規模較小或上下文較短時，其速度優勢明顯；但一旦模型變大或上下文拉長，跨晶圓切分的需求增加，就會帶來延遲和效率問題。例如，Agentic coding這類工作負載需要長上下文和連續工具調用，對Cerebras的架構構成了挑戰。

最后是系統成本問題。Cerebras提供的不是單顆芯片，而是一整套高復雜度系統。WSE-3功耗高，需要定制液冷、供電和連接方案，數據中心改造成本高昂。它的價值不在于替代GPU，而在于通過復雜系統換取極致交互速度。因此，其商業化成功與否，取決于能否在特定速度區間內，通過規模化部署攤薄成本。

OpenAI基于Cerebras運行的模型進一步強化了這一合作。例如，GPT-5.3-Codex-Spark在120B參數級別實現了極高的tok/sec/user速度，適合代碼生成和工具調用等場景。對開發者而言，模型智能達到可用門檻后，速度將成為付費的關鍵因素。然而，這一路線的上限尚未得到驗證。如果未來模型規模擴大至1T參數或上下文窗口達到1M，Cerebras需要在速度、容量和成本之間做出更艱難的取舍。

Cerebras的商業路徑可能聚焦于120B至數百B參數區間，通過極致優化高交互速度，服務愿意為效率付費的開發者和企業客戶。市場對它的評估將分三個階段：短期看OpenAI訂單的兌現速度，中期看快Token的付費能力，長期看模型演進是否持續適配其硬件邊界。如果750MW訂單順利交付并擴展，Cerebras有望從AI硬件新股轉型為推理基礎設施平臺；反之，它可能成為這一輪AI硬件狂熱中的高估值樣本。