AI 硬體競賽在很大程度上一直圍繞稀缺零組件展開，而 Cerebras Systems 試圖透過減少對這些零組件的依賴來贏得這場競賽。該公司的晶圓級晶片捨棄了高頻寬記憶體（HBM）、先進 CoWoS 封裝與 3nm 製程——這正是目前半導體產業最緊繃的三大瓶頸。這些是多數競爭對手 AI 加速器設計所依賴的投入，也是排隊等候這些資源決定誰能打造尖端硬體、以及何時能打造的原因。

一款圍繞「捨棄了什麼」而打造的晶片

Cerebras 走了一條與業界大多數公司不同的路。其 WSE-3 及衍生產品 WSE-3T 採用台積電 5nm 製程節點打造，所有記憶體皆以 SRAM 形式內建於晶片上，而非採用獨立的 HBM 堆疊。傳統加速器是從矽晶圓的某一部分切出的小型晶粒，而晶圓級做法則將幾乎整片晶圓作為單一晶片使用——這也是該設計名稱的由來。

WSE-3 於 2024 年 3 月發表，其規格讀起來更像一份城市規劃圖，而非晶片規格表：90 萬個 AI 核心、44 GB 晶上 SRAM，以及約 4 兆個電晶體，全部位於 46,225 mm² 的面積之內。

執行長 Andrew Feldman 主張，這項設計在對客戶最關鍵之處發揮效益：AI 模型生成回應時的速度。他在 2026 年 6 月表示，該架構提供「以一個數量級領先的全球最快推論速度」。

根據研究發現，Feldman 的說法重點在於提升 token 生成速度，同時消除 GPU 架構設計常見的效能下降問題。

這場賭注背後的積壓訂單

截至 2026 年 6 月，公司通報的積壓訂單為 254 億美元。其中超過 200 億美元來自與 OpenAI 的多年期協議。

Cerebras 也表示，其已啟用或簽約的資料中心容量超過 600 MW；根據研究發現，其第二季營收年增近一倍。

2026 9 月，Cerebras 同意向 Gimlet Labs 供應約 100 MW 容量的 CS-4 系統。該公司另與 General Compute 簽訂長期協議，部署計畫訂於 2027 年第一季。

這一切發生在 Cerebras 於 2026 年 5 月在納斯達克 IPO 之後。上市以來，公司已開始擴充美國製造業務，並建立合作夥伴關係以提升營運容量。

為何「跳過排隊」如此重要

研究發現指出，AI 基礎設施需求日益取決於資料中心空間、電力與建設，而不只是晶片是否供應充足。這有助於解釋為何 Cerebras 如今以兆瓦而非晶片數量來談論容量：600 MW 的數字以及約 100 MW 的 Gimlet Labs 承諾，都是以電力與樓地板面積來衡量。透過繞開 HBM、CoWoS 與 3nm 產能分配，該公司將對晶片產業供應鏈的依賴，轉換為研究發現所指出的全產業性限制——電力、樓地板空間與建設能力。

觀察重點

對 Cerebras 投資人而言，核心問題在於執行力。254 億美元的積壓訂單是一項承諾，而非營收，能否轉化取決於資料中心能否按時建成、供電並投入運作。研究發現指出，資料中心擴建成本是該公司正努力克服的挑戰。約 100 MW 的 Gimlet Labs 部署案，以及目標訂於 2027 年第一季的 General Compute 部署案，為這項執行力問題提供了近期的檢核點。

客戶集中度是第二個追蹤因素。積壓訂單中有超過 200 億美元與 OpenAI 綁定，這一層單一關係的健康狀況舉足輕重。Gimlet Labs 與 General Compute 等協議有助於分散客戶結構，但相比之下規模小得多。

在效能方面，Feldman 有關推論速度快一個數量級的說法，將受到實際運行工作負載的客戶檢驗。晶上 SRAM 速度極快，但每顆晶片 44 GB 是固定預算，而系統如何為最大規模的模型進行擴展，將決定這項設計被採用的廣度。