一家曾被无视的芯片公司，如何熬到63亿美元估值与AI算力拐点

Cerebras 曾经做出“世界上最快的 AI 计算机”，却多年无人问津。直到生成式 AI 爆发，它突然成为 OpenAI、AWS 争抢的对象，并走向 63 亿美元估值的 IPO。Andrew Feldman 亲口讲述：为什么速度会重塑商业模式，为什么真正的壁垒要熬 10 年。

真正的拐点不是模型，而是“快到无法忍受慢”

Andrew Feldman 在节目里抛出一个极具冲击力的类比：Netflix 从寄 DVD 到做原创内容，并不是“内容变好了”，而是速度改变了可能性。当网络够快，一整个商业模式被重写。

他认为，AI 正处在同一个阶段。现在我们看到的，只是表层替代——写代码、做设计、自动化 SaaS 工具。但一旦 AI 的训练和推理“快到你在日常工作中用得起、等不了”，组织结构、产品形态、甚至公司存在的理由都会变。

这也是 Cerebras 一直押注的核心：不是“更便宜一点”，而是快一个数量级。因为“当你每天都要用一个东西，它就不能慢”。这个判断在很长一段时间里显得离经叛道，直到生成式 AI 把算力瓶颈赤裸裸地暴露出来。

选择晶圆级架构：一条被嘲笑了五年的技术路线

Cerebras 最激进、也最具争议的决定，是选择 wafer-scale（晶圆级）架构——把整块晶圆当成一颗芯片来用。早期行业共识几乎一致：不可能、不可制造、不可维护。

Feldman 回忆，从 2017 到 2019 年，公司连续两年“根本做不出来”，每个月烧掉约 800 万美元。到 2019 年夏天，系统终于跑通，但现实更残酷：还是没人关心。AI 当时还是“研究者的玩具”，速度快不快，并不重要。

这段经历奠定了 Cerebras 的气质：他们不是为当下市场优化，而是赌“未来的新工作负载”。Feldman 的判断很简单——新工作负载一定会到来，而它们需要全新的架构。这是一条 100% 逆共识的路，也是一条只能靠时间证明的路。

当需求真正爆发：被 OpenAI 和 AWS 推着往前跑

生成式 AI 的浪潮，让 Cerebras 的处境在一年半内彻底反转。Feldman 用了一个词形容那段时间：whirlwind（旋风）。

他们先后签下了 OpenAI 的合作，又与 AWS 达成协议，需求突然大到“怎么都供不应求”。与此同时，来自 G42 的主权级超算订单，让 Cerebras 的系统在真实的大规模环境中“被打到满负荷”，完成了关键的战场验证。

这也解释了一个容易被忽视的事实：硬件公司的护城河来自路径依赖。制造能力、供应链、编译器和软件栈，不是钱能立刻砸出来的。Feldman 直言，把产能提升 10 倍需要多年，而一个成熟的编译器，往往要 10 年时间打磨。

AI 写代码：为什么有人变成 100 倍工程师，有人却更焦虑

在谈到 AI 生成代码时，Feldman 的态度比很多人冷静。他承认，顶级用户已经在 token 上花掉“成千上万美元”，而回报是惊人的——某些工程师的产出接近 100 倍。

但他也指出，这并不是平均分配的红利。真正受益的，是那些能把 AI 当作“扩展自己能力的系统”的人；而不是简单地把任务丢给模型。更重要的是，这种变化正在溢出工程岗位，影响产品、运营、研究等多个角色。

这再次回到速度问题：当推理足够快、成本足够低，AI 才能成为“工作流的一部分”，而不是一个偶尔调用的工具。

63 亿美元 IPO：不是终点，而是“成年礼”

关于上市，Feldman 说得很直接：这是成本、规模和合法性的综合选择。作为少数纯粹的 AI 硬件标的，IPO 给了 Cerebras 更低的资本成本，也让它在与超大客户合作时具备“成年人”的身份。

他还透露，与 Sam Altman 的交流中，一个反复被强调的关键词是 fast inference。不是模型能不能跑，而是能不能“即时可用”。在多轮试用后，双方迅速推进并签下了规模高达数百亿美元级别的长期协议。

在 Feldman 看来，开源模型的繁荣并不会削弱 Cerebras，反而在“喂大整个市场”。当开发者开始探索“以前根本做不了的体验”，速度才会真正转化为商业价值。

总结

Cerebras 的故事，对 AI 从业者最大的启发并不是“选对了风口”，而是在风口到来之前，是否愿意为一个反共识判断付出 5—10 年的代价。速度不是参数优化，而是范式变化；硬件不是配角，而是决定上限的基础设施。

如果你在做 AI 产品或创业，值得反问自己：你的瓶颈，真的是模型不够聪明，还是系统慢到不配进入真实工作流？下一波机会，往往藏在那些“现在还没人觉得重要”的地方。

关键词： Cerebras， AI算力， 生成式AI， OpenAI， AI推理

事实核查备注： 需要核查：1）Cerebras IPO 估值是否为 63 亿美元；2）2017-2019 年每月烧钱约 800 万美元的具体数额；3）与 OpenAI、AWS 合作及 20+ 亿或数百亿美元级协议的公开披露细节；4）G42 主权级订单的规模与时间。