一、公司图谱：硅谷硬核派的“晶圆狂想”
Cerebras Systems成立于2015年，由硅谷半导体行业资深团队创立，致力于突破传统芯片设计的物理极限。其核心理念是“以整片晶圆为画布”，将传统切割成数百个小芯片的12英寸晶圆直接制成单一巨芯——Wafer-Scale Engine（WSE）。这种“晶圆级集成”技术曾被视为半导体领域的“永动机难题”，自1970年代起多家巨头尝试均告失败，但Cerebras通过独创的缺陷绕过技术与台积电先进制程的结合，于2019年实现量产突破。
截至2024年，公司已融资7.2亿美元，估值超40亿美元，客户涵盖葛兰素史克、阿贡国家实验室等顶尖机构，其CS系列AI系统单价超200万美元，累计部署量达数十套。
二、技术哲学：用“暴力参数”重构AI算力规则
Cerebras的技术突破体现在三个维度：
- 物理尺度革命：第三代WSE-3基于台积电5nm工艺，面积达46225平方毫米（约A4纸大小），集成4万亿晶体管、90万AI核心和44GB片上SRAM，存储带宽21PB/秒，单芯片即可训练24万亿参数模型，性能比英伟达H100快20倍。
- 架构创新：通过存算一体设计，数据在芯片内部以“零距离”流动，彻底规避传统GPU的“存储墙”瓶颈。其片上内存带宽是英伟达H100的7000倍，使得Llama3.1 70B模型的推理速度达到450 token/s，成本仅传统方案的1%。
- 系统级优化：CS-3系统采用液冷散热与三维封装技术，将WSE-3的125 petaFLOPs算力封装进标准机架，功耗效率比GPU集群提升5倍。
三、发展速度：三年三级跳的“摩尔定律粉碎机”
- 2019年：第一代WSE横空出世，16nm工艺集成1.2万亿晶体管，开启“晶圆级芯片”商用时代；
- 2022年：WSE-2升级至7nm，晶体管翻倍至2.6万亿，斩获新冠研究大奖；
- 2024年：5nm工艺的WSE-3实现4万亿晶体管，训练效率较初代提升100倍，直接对标英伟达Blackwell GPU。
这种迭代速度远超传统半导体行业规律——其晶体管密度每代提升约2倍，而英伟达同期的H100到Blackwell仅提升1.6倍。
四、产业冲击波：重构AI芯片生态链
技术路径颠覆：
- 设计范式：传统GPU依赖“小芯片拼接”，而Cerebras证明“大即是美”的可行性，刺激AMD、英特尔探索类似架构。
- 商业模式：按系统销售（而非单芯片）的模式，推动超算从“奢侈品”转向专用化服务，例如CS-3系统已被用于开发比GPT-4大10倍的生成式模型。
市场格局裂变：
- 在医药领域，Cerebras系统可将药物发现周期从5年缩短至18个月，威胁英伟达在生物计算的传统优势。
- 其每token推理成本低于0.1美元，迫使云厂商重新评估GPU租赁定价策略。
供应链重塑：
- 台积电5nm产能向Cerebras倾斜，挤压英伟达、AMD的先进制程配额。
- 液冷、高密度供电等配套产业因Cerebras的需求加速创新，推动数据中心能效革命。
五、挑战与隐忧：巨芯时代的“达摩克利斯之剑”
- 生态壁垒：CUDA生态仍占据90%开发者市场，Cerebras需通过开源工具链（如联合LangChain）构建新生态。
- 地缘风险：2024年其IPO因国家安全审查受阻，凸显AI芯片企业的政治敏感性。
- 成本悖论：尽管单芯片性能强悍，但200万美元级系统定价将中小客户拒之门外，需依赖政府实验室和跨国药企等“超级买家”。
结语：算力平权运动的“特洛伊木马”
Cerebras的价值不仅在于技术参数，更在于其证明了“非主流路径”的可行性——当英伟达在CUDA城堡中加高城墙时，有人选择直接重建一座新城。正如WSE-3的90万核心构成的“硅基蜂群”，Cerebras正在用集体智慧冲击AI算力的垄断格局。这场革命的终局或许不是取代GPU，而是让世界意识到：算力的未来，本应拥有更多形状。