Cerebras要上市了。
消息出来的时候，很多人第一反应是：Cerebras是啥？
说实话，这公司在国内知名度远不如英伟达，AMD，甚至不如Groq。但在AI芯片这个圈子里，它一直是个特殊的存在。
特殊在哪？它的芯片是整块晶圆刻出来的。
你听过晶圆级芯片这个词吗？
正常芯片的生产流程是这样的——从一块硅晶圆上光刻出几十上百个小芯片，每个小芯片独立封装、测试、卖给下游。晶圆面积有限，能切出多少颗就多少颗。
Cerebras把这事给反转了。它直接把整块晶圆做成一颗芯片。
有多大？
面积是8576平方毫米，是英伟达H100的56倍。里面塞了85万个AI计算核心，SRAM高达44GB。不用HBM显存，因为片上 SRAM已经够用了，内存带宽做到了21PB/s。
这个数字什么概念？
H100的内存带宽是3.35TB/s。21PB/s，是它的6000多倍。
这就是晶圆级集成的威力。物理上把所有的计算单元和存储单元放在同一块硅片上，互联延迟几乎为零，功耗效率极高。
代价呢？贵。非常贵。一块wafer出一颗芯片，良率直接跟整块晶圆的质量挂钩。废一颗就是废整块。成本高到用它的人基本都是有特定需求的大客户——主要是研究机构、政府项目、还有国家超算。
Cerebras这次招股书里有一句话很关键：与OpenAI的合作协议价值超200亿美元，涵盖持续采购和750兆瓦AI算力部署。
750兆瓦。这个数字我一开始看到有点懵。
750兆瓦相当于一个中型火电厂的装机容量。或者这么说，美国一个中等城市的全部居民用电，大概也就这个量级。
这不只是合作，这是把身家押上去了。
Cerebras的营收数据：2024年2.903亿美元，2025年5.10亿美元。差不多翻了一倍。200亿的合作盘子砸下来，收入能涨多少，可以自己算。
英伟达现在一年数据中心业务大概在900亿左右。Cerebras如果能吃下这个订单，五年内营收翻个几十倍不是梦。
所以它选择现在这个时间点IPO，时机不是偶然的。
现在问题是，Cerebras和OpenAI这个合作，为什么这么重要。
OpenAI是全球最大的模型训练需求方之一，对芯片的需求量是天文数字。正常逻辑，OpenAI应该跟Nvidia深度绑定。H100、H200 Blackwell，这些最尖端的芯片，OpenAI都是第一批拿货的。
但它偏偏选了Cerebras。而且不是试水，是超200亿美元的承诺。
我觉得，OpenAI在传递一个信号。它不想被单一供应商绑定。Nvidia再强，它也有自己的商业利益，有产能限制，有交货周期，有竞争对手要照顾。OpenAI要的是稳定的大规模算力供应，而Cerebras能提供的是一个不同的选择。
说到ASIC，这里要岔开讲一下Groq。
Groq也是做AI芯片的，但它用的架构叫LPU，Language Processing Unit。 GPU和Cerebras的芯片，本质上都是围绕矩阵乘法优化的，因为神经网络训练大量用到这个运算。LPU走的是另一条路，它的设计思路是streaming inference，就是让数据在芯片上流动起来，不需要频繁访问内存。
这有什么好处。延迟极低。LPU跑Llama 3的时候，token输出速度可以达到每秒钟几百个 token，而传统GPU大概在每秒钟几十个 token。差了大概十倍。
很多朋友可能不知道这个数字意味着什么。你跟AI对话，AI回复的每一个字都是一个token。GPU跑的时候，你感觉是AI在"思考"然后"回复"。LPU跑的时候，你感觉AI在"打字"，几乎没有延迟。
所以LPU和GPU的区别是什么。GPU是训练王者，大规模模型训练必须用GPU，因为它的并行计算能力最强。但推理这件事，不一定非要GPU。推理需要的是低延迟、低能耗、稳定的吞吐量。LPU在这些场景下有结构性优势。
ASIC则是更宽泛的概念。Cerebras是ASIC，Groq的LPU也是ASIC，Google的TPU也是ASIC。ASIC不是一种具体架构，而是一种设计哲学：为特定场景定制，放弃通用性，换取效率。
这三者的关系大概是。GPU是瑞士军刀，什么都能干，但不是每个功能都是最优的。ASIC是定制刀具，每个刀片只做一件事，但每一刀都特别锋利。
现在说回Cerebras。
它和OpenAI这个合作，对行业意味着什么。我自己觉得，这可能是AI芯片格局真正开始松动的信号。
Nvidia的霸主地位是真实的，它的生态优势、技术优势、产能优势都是实打实的。但算力需求增长的速度，比Nvidia产能增长的速度还要快。OpenAI一家公司对算力的需求，可能就超过了Nvidia某条产线的容量上限。这种情况下，有第二家、第三家靠谱的芯片供应商，对需求方来说是战略必需。
而且Cerebras和OpenAI的合作不只是买卖，是750兆瓦算力部署。这意味着Cerebras不只卖芯片，它还要建算力中心，自己做算力服务。这路子比特斯拉还重资产，但也意味着它的护城河更深。芯片可以复制，但自建算力基础设施不是谁都能玩的。
我有时候在想，AI行业现在的发展速度，到底是太快了还是太慢了。
说太快，是因为每隔几个月就有新的芯片、新的模型、新的公司冒出来。说太慢，是因为真正的AGI还没来，能源问题还没解决，算力瓶颈还在。我们其实还处于AI的非常早期阶段，早期就意味着，格局还没定，机会还在，变量还在。
Cerebras、Groq、Google TPU，这些"非主流"芯片公司正在用自己的方式重新定义游戏规则。它们不是要取代Nvidia，而是在告诉市场，算力这件事，不只有一条路。
