AI 硬件竞赛在很大程度上一直围绕稀缺部件展开，而 Cerebras Systems 试图通过减少对这些部件的依赖来赢得这场比赛。该公司的晶圆级芯片摒弃了高带宽内存（HBM）、先进 CoWoS 封装和 3nm 制造——这三者正是当前半导体行业最紧缺的瓶颈环节。这些正是大多数竞争对手的 AI 加速器设计所依赖的投入，也是围绕它们的排队情况决定谁能、以及何时能打造尖端硬件的原因。

一种围绕“舍弃什么”而构建的芯片

Cerebras 走了一条与业内大多数公司不同的路线。其 WSE-3 及衍生产品 WSE-3T 采用台积电 5nm 工艺节点制造，所有内存均以 SRAM 形式集成在芯片本身上，而非使用独立的 HBM 堆栈。传统加速器是从硅晶圆的某一部分切割出的小芯片，而晶圆级方案则将几乎整片晶圆作为一颗芯片使用——这也是该设计名称的由来。

WSE-3 于 2024 年 3 月发布，其规格读起来更像一份城市规划图而非芯片规格表：90 万个 AI 核心、44 GB 片上 SRAM 和约 4 万亿个晶体管，全部集成在 46,225 mm² 的面积内。

首席执行官 Andrew Feldman 一直主张，该设计在客户最看重的方面带来回报：AI 模型生成响应时的速度。他在 2026 年 6 月发言时将这一架构描述为提供“世界上最快、领先一个数量级的推理性能”。

根据研究结果，Feldman 的这一说法的核心在于提升 token 生成速度，同时消除基于 GPU 的设计中常见的性能瓶颈。

赌注背后的积压订单

截至 2026 年 6 月，该公司报告的积压订单为 254 亿美元。其中超过 200 亿美元来自与 OpenAI 的一项多年期协议。

Cerebras 还表示，其已投运或签约的数据中心容量超过 600 MW。据研究结果，其第二季度营收同比增长近一倍。

2026 年 9 月，Cerebras 同意为 Gimlet Labs 供应约 100 MW 容量的 CS-4 系统。该公司还与 General Compute 达成了一项长期协议，计划于 2027 年第一季度部署。

这一切都发生在 Cerebras 于 2026 年 5 月在纳斯达克上市之后。自上市以来，该公司已开始扩大美国本土制造规模，并建立合作伙伴关系以提升运营能力。\n## 为什么“绕开排队”很重要

研究结果指出，AI 基础设施的需求日益取决于数据中心的空间、电力和建设，而不仅仅是芯片是否有货。这有助于解释为什么 Cerebras 现在以兆瓦而非芯片数量来谈论容量：600 MW 的数字和约 100 MW 的 Gimlet Labs 承诺，衡量的是电力和建筑面积。通过绕开 HBM、CoWoS 和 3nm 产能分配，该公司将芯片行业供应线的依赖，置换为研究结果所指出的全行业约束——电力、建筑面积和建设能力。

值得关注的事项

对于 Cerebras 的投资者而言，核心问题在于执行力。254 亿美元的积压订单是一种承诺而非收入，能否兑现取决于数据中心能否按计划建成、通电并投入运行。研究结果指出，数据中心爬坡成本是该公司正在努力克服的一项挑战。约 100 MW 的 Gimlet Labs 部署以及定于 2027 年第一季度的 General Compute 部署，为这一执行问题提供了近期的时间节点。

客户集中度是第二个需要追踪的因素。积压订单中有超过 200 亿美元与 OpenAI 绑定，这一单一关系的健康状况影响重大。Gimlet Labs 和 General Compute 等协议有助于分散客户结构，尽管规模相比之下小得多。

在性能方面，Feldman 领先一个数量级的推理速度声明将接受运行真实工作负载的客户检验。片上 SRAM 速度极快，但每颗芯片 44 GB 是固定预算，系统如何针对最大模型进行扩展，将决定这一设计被采用的广泛程度。