在人工智能芯片领域，一场颠覆性的变革正在悄然上演。十年前，一家名为Cerebras的初创公司悄然成立，其目标直指当时如日中天的英伟达，试图打造一种前所未有的芯片，为人工智能训练和推理提供全新解决方案。如今，这家曾被视为“硅谷疯子”的公司，不仅成功上市，市值更是一度逼近千亿美元，成为AI芯片领域不可忽视的力量。
Cerebras的故事始于2014年，当时百度AI实验室的成立为深度学习技术的商业化应用注入了强劲动力。在吴恩达的带领下，百度团队不仅发表了具有里程碑意义的论文《Deep Speech》，还训练出了当时全球最大的深度神经网络。这一过程中，他们发现了一个关键规律：模型规模、数据量和算力之间存在线性关系，即“规模定律”（Scaling Law）。这一发现为后来大语言模型的发展奠定了理论基础，也让百度团队意识到，现有GPU集群的算力远远无法满足未来模型训练的需求。
与此同时，五个曾在AMD和SeaMicro共事的工程师——Andrew Feldman、Gary Lauterbach、Michael James、Sean Lie和J-P Fricker，决定离开舒适区，创立一家专注于AI芯片的公司。他们的目标明确：打造一款专为AI设计的硬件，解决数据在不同芯片间传输的瓶颈问题。Cerebras的解决方案大胆而独特：将整个晶圆制成一颗巨大的芯片，即“晶圆级引擎”（Wafer-Scale Engine, WSE），而非传统上将晶圆切割成数百个小芯片的方式。
这一创新设计带来了前所未有的优势。Cerebras的第一代WSE芯片面积超过4.5万平方毫米，是当时最大GPU的56.7倍，拥有40万个AI计算核心和18GB片上SRAM内存。相比之下，英伟达同期GPU的片上内存仅有几十兆字节。这种设计极大地提高了内存带宽，减少了数据传输时间，从而显著提升了AI训练和推理的速度。
然而，创新之路从来不是一帆风顺的。Cerebras在研发过程中面临了诸多挑战，其中最为棘手的是良率问题。晶圆制造过程中不可避免的缺陷，对于传统小芯片来说或许可以接受，但对于一整片晶圆来说，任何一个缺陷都可能导致整颗芯片报废。Cerebras的解决方案是双管齐下：一方面将计算核心缩小到极小尺寸，降低单个缺陷的影响；另一方面增加冗余核心，并通过智能路由系统动态重新配置芯片上的工作负载，绕过缺陷区域。
经过数年的艰苦研发，Cerebras终于在2019年成功量产了第一代WSE芯片，并推出了完整的系统CS-1。这台冰箱大小的机器将芯片、散热、供电和接口全部整合在一起，可以直接插入数据中心机柜使用。同年，Cerebras完成了2.72亿美元的E轮融资，正式跻身独角兽行列。
尽管技术领先，但Cerebras在商业化初期仍面临巨大挑战。当时，商业AI客户尚未形成规模，市场普遍对Cerebras持怀疑态度。然而，美国能源部旗下的国家实验室成为了Cerebras的首批客户。阿贡国家实验室利用Cerebras的系统分析新冠病毒变异序列，Lawrence Livermore国家实验室则用它进行核聚变模拟。这些严肃的科学任务证明了Cerebras技术的可行性和实用性。
然而，Cerebras的上市之路并非一帆风顺。2024年9月，Cerebras向纳斯达克提交了S-1招股书，准备上市。然而，由于大部分营收来自阿联酋客户G42，美国外国投资委员会（CFIUS）启动了国家安全审查，导致Cerebras不得不主动撤回申请。经过一系列调整，Cerebras最终在2026年5月成功上市，首日收盘价较发行价上涨68%，市值一度触及千亿美元。
上市后，Cerebras面临着新的挑战和机遇。一方面，供应链问题成为制约其发展的关键因素。Cerebras的整条产品链高度依赖台积电的5纳米产能，如何确保稳定供应成为其必须解决的问题。另一方面，激烈的市场竞争也对其提出了更高要求。英伟达、谷歌、亚马逊等科技巨头均在AI芯片领域布局深远，一批新的推理芯片创业公司也在不断涌现。
面对挑战，Cerebras选择了持续创新。其最新一代WSE-3芯片采用5纳米制程，拥有90万个计算核心和44GB片上SRAM内存，内存带宽每秒高达21 PB。Cerebras还将其硬件能力包装成云服务，推出了Cerebras Inference平台，客户可以通过API直接调用其推理服务。这一转变不仅拓宽了Cerebras的市场空间，也为其带来了新的增长点。
在AI推理时代，速度成为关键。Cerebras凭借其独特的晶圆级设计和极高的内存带宽，在推理速度上相比传统GPU具有显著优势。这一优势使得Cerebras在实时交互场景中表现出色，如代码解释、实时教育和AI科学家等领域。随着这些新应用场景的不断拓展，Cerebras的市场前景愈发广阔。
