Cerebras（CBRS）做甚麼？晶圓級 AI 晶片、雲端推理與股票前景

Cerebras Systems（NASDAQ：CBRS）是一家以晶圓級處理器、AI 系統和雲端推理服務為核心的人工智能基礎設施公司。它最重要的產品不是一塊尺寸接近普通 GPU 的晶片，而是把接近整片 300 毫米晶圓做成一個處理器的 Wafer Scale Engine（WSE）。

這種架構的目的，是減少大型 AI 模型在多塊晶片之間搬運數據和等待通訊的時間。Cerebras 因而可以在部分訓練與推理工作負載提供極高速度；但它同時需要自行承擔系統、數據中心、電力和雲端容量建設，商業模式已不再只是輕資產晶片設計。

Klaro Research 核心判斷： Cerebras 已把晶圓級運算由可交付系統推進至快速增長的推理雲端：Q2 雲端及其他服務收入按年增長 281%，Core 毛利率亦高於原指引；但 GAAP 毛利率只有 14.2%，客戶認股權、資料中心建設及容量利用率仍決定每股回報。需要驗證的鏈條是 已簽容量 → 上線與利用率 → 雲端收入 → GAAP 毛利 → 自由現金流。^[2][1]

本文資料截至 2026 年 8 月 30 日，最新完整季度為截至 6 月 30 日的 Q2 2026；季度實績、收入確認、客戶認股權、租賃及現金流以 Form 10-Q 與官方業績公告為準。^[1][2]

若要先理解 Cerebras 與 GPU、雲端自研 ASIC、Google TPU、AWS Trainium 和 Microsoft Maia 在推理市場的分工，可先閱讀《AI 推理晶片是甚麼》；本文則集中研究 Cerebras 的技術、合約、財務和 CBRS 估值。

Cerebras 做甚麼？先看業務與收入來源

Cerebras 解決甚麼 AI 算力瓶頸？

現代 AI 模型的瓶頸不只在「計算是否夠快」，也在數據能否及時送到運算核心。

普通 AI 集群由大量 GPU 組成。模型愈大，愈需要把權重和運算拆到不同晶片、伺服器甚至機架；每次跨越 HBM、封裝、伺服器或網絡邊界，都會產生延遲、耗電和軟件協調成本。NVIDIA 以 NVLink、NVSwitch、InfiniBand、Spectrum-X 和 CUDA 軟件降低這些成本，但物理上的數據搬運仍然存在。

Cerebras 的答案是把更多工作留在一個極大的處理器內：

• 用晶圓級互連取代大量晶片之間的封裝和網絡連接；
• 把 44GB SRAM 放在處理器上，為核心提供極高頻寬；
• 讓大量小型運算核心只執行本地需要的工作；
• 模型超過單一 WSE 容量時，再把多台 CS-3 連成集群。

它沒有消除所有通訊問題。大型模型仍要跨多個系統分布，輸入、權重和結果亦要進出晶片；但 WSE 改變了通訊發生的位置和頻率，這就是它可能取得速度優勢的根源。

WSE-3 有甚麼特別？

根據 Cerebras 公布的 WSE-3 規格，第三代晶圓級引擎由台積電 5nm 製程生產，面積約 46,225 平方毫米，包含：

• 4 萬億個晶體管；
• 90 萬個 AI 核心；
• 44GB 片上 SRAM；
• 21PB/s 記憶體頻寬；
• 125 petaflops 峰值 AI 運算能力。

這些規格不能直接與單塊 GPU 的數字逐項比較，因為 WSE-3 是接近整片晶圓大小的系統級處理器，而 GPU 通常以單顆晶片、模組或機架交付。較合理的比較單位是：在指定模型、延遲、準確度和功耗條件下，一套完整系統能交付多少有用 token 或訓練成果。

為何整片晶圓沒有因一個缺陷而報廢

晶圓級設計過去最大的工程難題是良率：面積愈大，碰到製造缺陷的機率愈高。Cerebras 沒有假設晶圓完美，而是加入備用核心和冗餘互連。

公司披露 WSE-3 實際製造約 97 萬個核心，其中啟用 90 萬個；系統可以繞過有缺陷的核心和路徑。這種「預期會有缺陷，再由架構容錯」的設計，是 Cerebras 最難複製的工程成果之一。

不過，公司聲稱的良率和利用率仍屬自身披露，投資者較難像標準晶片出貨一樣，從公開供應鏈數據獨立驗證其單位成本。

圖：晶圓級處理器的投資考題不止是規格，還包括液冷、記憶體、網絡、韌體和長時間可靠性。

晶圓級運算是否具有顛覆性？

答案是：在特定低延遲和大規模平行工作負載具有顛覆潛力，但尚未證明能普遍取代 GPU。

判斷證據可分三層：

1. 產品證據：WSE 已發展至第三代，CS 系統已交付多家客戶，證明晶圓級處理器可以量產、冷卻和持續運行；
2. 客戶證據：OpenAI、G42、AWS 等願意部署或整合，證明技術不只停留於官方基準測試；
3. 獨立證據：USENIX OSDI 2025 的 WaferLLM 研究在指定矩陣向量運算上，測得 WSE-2 相對 NVIDIA A100 顯著加速和能源效率提升。

第三層證據最容易被誤讀。學術論文比較的是特定運算、模型和舊一代 A100，只支持指定基準中的性能結論；其他模型、精度和總持有成本仍要另行測試。真正的商業問題是客戶願意為速度付多少錢，以及 Cerebras 能否在包括電力、網絡、軟件和維護後仍取得合理毛利。

Cerebras 如何賺錢？晶片銷售、雲端算力與服務

Cerebras 不是只把晶片賣給伺服器廠，而是沿着四層向上整合：

這種模式的好處，是 Cerebras 可以直接控制由晶片到 API 的性能，亦能從一次性設備銷售走向持續服務收入。代價是公司必須預先建設容量，承擔數據中心租約、電力和設備折舊；它愈接近雲端營運商，資產負債表便愈重要。若要比較純晶片／系統公司與 GPU 雲端營運商的差異，可參考《NBIS 做甚麼？Nebius 公司研究》。

圖：Cerebras 已由 WSE-3 晶圓級處理器向上整合至 CS-3 系統、集群及雲端容量；速度只是起點，利用率、毛利和自由現金流才是商業結果。

OpenAI 與 Cerebras 合作代表甚麼？

OpenAI 是理解 Cerebras 投資價值的核心，而不是一個可以列在標誌牆上的普通客戶。

合作內容

OpenAI 在 2026 年 1 月公布，將與 Cerebras 建設 750MW 超低延遲 AI 算力，於 2026 至 2028 年分批投入服務。相關披露顯示，初始多年合約價值超過 200 億美元；OpenAI 另有權選擇額外 1.25GW 容量，若全數執行，總規模可達 2GW。

2026 年 2 月推出的 GPT-5.3-Codex-Spark是合作落地的重要證據。OpenAI 表示，該研究預覽模型在 WSE-3 上可超過每秒 1,000 tokens，面向需要即時互動的編程工作。

這比一紙合作公告更有價值，因為它證明 Cerebras 已進入真實產品路徑。

OpenAI 同時明確說了甚麼？

同一份 Codex-Spark 公告亦指出，GPU 仍是 OpenAI 算力平台的基礎，並為廣泛使用提供最具成本效益的 token；Cerebras 的角色是補充 GPU，服務對延遲特別敏感的工作。

這句話界定了最合理的投資命題：

Cerebras 目前更像 OpenAI 算力組合中的「超低延遲專用層」，而不是代替整個 GPU 訓練和推理平台。

若即時 AI agent、語音、編程和推理應用願意為更低延遲付費，這個專用層可以非常大；但 OpenAI 採用 Cerebras，不等於其所有模型都會由 GPU 遷移到 WSE。

200 億美元合作的合約結構與收入條件

只看合約總額，容易高估收入質素。Cerebras 向美國證券交易委員會提交的 2026 年第一季文件，披露了三個重要結構。

1. 250 億美元剩餘履約義務將分期確認

截至 2026 年 3 月底，公司剩餘履約義務約 250 億美元，當中很大部分來自 OpenAI。Cerebras 預計約 16% 在截至 2028 年 3 月的首 24 個月確認，約 45% 在其後 24 個月確認，其餘更後期確認。

此外，部分金額包括初始 250MW 容量的數據中心轉付成本。換言之，合約價值包含算力服務和基礎設施成本，不能全部視為高毛利晶片收入。

2. OpenAI 提供約 10 億美元營運資金貸款

OpenAI 在 2026 年 1 月向 Cerebras 提供約 10.05 億美元貸款，固定年利率 6%，最遲於 2032 年底到期。貸款可用現金、服務費、算力、硬件及部分轉付成本等方式償還。

這安排有兩面：

• 正面是 OpenAI 願意為容量建設提供資金，降低 Cerebras 初期融資壓力；
• 負面是這不是客戶已經支付並可直接確認的普通產品收入，公司仍要完成建設和交付。

截至 2026 年 3 月底，貸款帳面未償還本金約 9.83 億美元。

3. OpenAI 可取得最多約 3,345 萬股認股權

OpenAI 取得可購買最多 33,445,026 股 Class N 股票的認股權，行使價接近零。其歸屬條件與貸款撥付、容量上線、額外容量和商業門檻等掛鈎；截至 3 月底，約 446 萬股已歸屬但尚未行使。

這代表：

• 認股權把客戶利益和 Cerebras 長期價值綁在一起；
• 亦會形成潛在股權稀釋；
• 相關價值會在合約期內作為收入扣減攤銷。

Cerebras 第一季從 OpenAI 安排確認約 1,690 萬美元收入，已扣除約 80 萬美元認股權攤銷。這與「200 億美元合約」之間的巨大差距，提醒投資者必須追蹤實際容量上線、收入確認和毛利，而不能只引用標題數字。

圖：OpenAI 合作同時包含算力需求、容量融資和股權激勵。最關鍵的驗證不是合約總額，而是每一批容量的上線、利用率、收入和毛利。

AWS、AMD 和 CrowdStrike 合作代表甚麼？

AWS：由競爭者變成分工夥伴

2026 年 3 月，AWS 與 Cerebras 公布混合推理架構：AWS Trainium 處理 prefill，Cerebras CS-3 處理 decode，並經 Amazon Bedrock 提供服務。

這種「分離式推理」的邏輯是，不同硬件各自處理最合適的階段。它說明未來 AI 基礎設施未必由單一晶片通吃，也讓 Cerebras 有機會透過大型雲端平台接觸客戶。

但 AWS 合作亦包含多年租賃、選擇權、最低製造容量和認股權安排。它既是分銷渠道，也是另一項需要擴建容量和管理稀釋的長期承諾。

AMD：互補多於替代

2026 年 7 月，AMD 與 Cerebras 提出由 AMD Helios 系統處理部分推理工作，再由 WSE 處理低延遲階段的架構。這再次支持「異質算力」而非單一加速器全面勝出的方向。

合作公告屬技術和生態訊號，尚不能等同大額收入。投資者應等待具名客戶、實際部署容量和商業條款。

CrowdStrike：驗證企業即時推理需求

CrowdStrike 與 Cerebras 合作把高速推理用於 AI 安全偵測和回應。網絡安全需要模型快速分析和採取動作，與 Cerebras 的低延遲定位吻合；但同樣需要觀察它最終是付費雲端收入、內部部署，還是早期技術整合。

Cerebras 會取代 NVIDIA 嗎？

短期答案是不會。更有價值的問題是：Cerebras 能否在 NVIDIA 主導的市場中，取得一個足夠大而且高價值的專用工作層。

OpenAI 和 AWS 的實際做法也支持「互補」：GPU、Trainium 或其他系統負責廣泛工作，Cerebras 處理最需要速度的部分。若這種分工成為標準，Cerebras 不需要擊敗 NVIDIA 的全部市場，也可以建立可觀業務。

Cerebras Q2 2026 財務：雲端成為主引擎，GAAP 與 Core 差距擴大

公司把 FY2026 Core 收入指引由 8.55–8.65 億美元上調至 8.80–8.90 億美元，Core 毛利率指引上調至 41%–43%；Q3 Core 收入指引為 2.14–2.16 億美元。需求與非 GAAP 單位經濟改善，但 Q3 收入中點只較 Q2 增長約 2.4%，而 Core 營業利潤率預計回落至負 25%至負 23%，顯示擴建成本仍先於收入。^[2]

Q2 最重要的結構變化是雲端服務已超過硬件，令 Cerebras 更接近資本密集的專用 AI Cloud，而不是傳統 fabless 晶片公司。這提高經常性收入潛力，也令 MW 上線、折舊、租賃、電力和利用率成為估值核心。

Cerebras 客戶集中：由 G42 轉向 OpenAI，集中風險仍未消失

Q2 最大客戶佔 GAAP 收入約 66%，第二大客戶約 14%；最大客戶同時佔期末應收帳款約 75%。公司沒有要求投資者把匿名代號逐一對應具名品牌，因此本文只使用監管文件披露的集中度。^[1]

OpenAI 的收入和認股權攤銷將隨容量上線增加，AWS、AMD 及其他企業合作則提供多元化選項。客戶結構正在改變，但專用容量仍難以在短時間轉售給其他客戶；集中風險只是由舊客戶轉移，而不是已經消失。

集中度高會帶來：

• 單一客戶驗收或部署延遲，足以改變季度收入；
• 客戶擁有更大議價能力；
• 專用容量未必容易轉給其他客戶；
• 收入增長可能快於客戶多元化。

投資者應同時看「前五大客戶佔比」和「非 OpenAI／G42 收入增長」，而不是只看客戶名稱是否著名。

Cerebras 由晶片公司變成 AI 容量營運商

公司在 IPO 籌得約 64 億美元總額，Q2 末現金、受限制現金及短期投資合計約 86 億美元，另有 8.5 億美元循環信貸額度。同期 OpenAI 工作資本貸款未償本金約 9.182 億美元；公司披露超過 600MW 資料中心容量已上線或簽約於 2027 年底前交付，製造能力亦計劃在 2026 年擴大超過十倍。^[2][1]

這不是傳統 fabless 公司的資產負債表。Cerebras 需要先取得電力、租賃機房、建設液冷和網絡、部署 CS-3，再等待客戶消耗轉成服務收入。流動性可以降低近期融資風險，卻沒有證明容量會維持高利用率或帶來正自由現金流。

Cerebras 股票估值應怎樣看？

上市後的 CBRS 不能只用公開流通 Class A 股或一個無觀察日期的股價估算價值。需要把 IPO 後的基本股數、Class N 認股權、員工股權、客戶認股權、可換股／優先股與淨現金放進完全稀釋框架；本文不使用即時股價或目標價，避免把會變動的市場資料誤當成公司基本面。這個框架仍未完全反映：

• OpenAI 最多約 3,345 萬股認股權；
• AWS、G42 及其他客戶認股權；
• 員工期權、限制性股份單位和未來股權獎勵。

因此，CBRS 的估值不是「股價跌過便便宜」的問題，而是市場是否已經定價：

• OpenAI 容量按時上線；
• 收入由 2026 年的不足 10 億美元持續高速增長；
• 毛利率在早期建設後回升；
• Cerebras 成為低延遲 AI 基礎設施的重要標準。

技術是否優秀和股票是否有安全邊際，是兩個不同問題。應以企業價值／收入、完全稀釋後每股價值、每 MW／每系統現金回報、毛利和資本承諾做敏感度，而不是單一市銷率。

Cerebras 股票前景：三種估值情境

最可能的路徑不是「Cerebras 取代 NVIDIA」或「技術完全失敗」兩個極端，而是公司能否守住一個高價值專用市場，並把技術速度轉化為具吸引力的資本回報。

Cerebras 接下來要關注哪些指標？

1. Q3 Core 收入 2.14–2.16 億美元及 Core 毛利率 38%–40%能否實現；
2. GAAP 雲端及其他服務收入能否維持增長，而不是只由認股權調整推高 Core；
3. 已上線 MW、利用率、每 MW 收入及 600MW 交付時間；
4. GAAP 毛利率與 Core 毛利率的差距是否收窄；
5. OpenAI 以外付費客戶、AWS／AMD 分離式推理部署和企業用量；
6. 資本開支、租賃、OpenAI 貸款、客戶認股權和完全稀釋股數。

對這類早期基礎設施公司，收入「beat」一季的意義有限；部署能力、單位經濟和稀釋速度才決定長期每股價值。

Cerebras 股票前景：晶圓級算力能否形成收入？

Cerebras 已完成三項難度很高的事情：

1. 把晶圓級處理器由概念變成三代可交付產品；
2. 讓 OpenAI 把 WSE-3 用於需要極低延遲的實際 AI 產品；
3. 由單一系統供應商走向可以承接數百 MW 容量的基礎設施平台。

它的顛覆性在於，AI 運算未必永遠只能把愈來愈多普通晶片連在一起。對某些工作負載，從晶片架構本身減少數據搬運，可能比單純增加 GPU 數量更有效。

但 CBRS 的投資風險亦來自同一個轉型：公司要為技術優勢建設龐大容量，承擔租約、電力、折舊、貸款和股權激勵；大客戶既提供需求，也取得議價權和潛在股份。

Klaro Research 核心判斷： Cerebras 已有資格成為 GPU 之外的低延遲專用算力層，但 Q2 同時證明技術增長與股東現金回報仍有明顯距離。雲端收入、Core 毛利和容量都在增長；GAAP 毛利、利用率、客戶集中及稀釋才決定這條路徑能否形成每股價值。

Cerebras 常見問題：做甚麼、股票前景與風險

Cerebras 做甚麼？

Cerebras 是一家美國 AI 基礎設施公司，設計晶圓級處理器 WSE、CS 系統及雲端 AI 算力，主要用於大模型訓練、低延遲推理和科學計算。

CBRS 股票代碼是甚麼？

CBRS 是 Cerebras Systems 在 Nasdaq 的股票代號。公司於 2026 年 5 月以每股 185 美元首次公開招股。

Cerebras 和 OpenAI 有甚麼合作？

OpenAI 與 Cerebras 簽訂多年合作，計劃在 2026 至 2028 年部署 750MW 超低延遲算力。OpenAI 的 Codex-Spark 已使用 WSE-3 提供高速 token 生成；合作亦包含約 10 億美元貸款和按里程碑歸屬的認股權。

Cerebras 會取代 NVIDIA 嗎？

現有證據不支持全面取代。OpenAI 明確表示 GPU 仍是其算力基礎，Cerebras 用於補充極低延遲工作。Cerebras 即使只取得專用推理市場，也可能形成大型業務。

WSE-3 為何比普通晶片大？

WSE-3 把接近整片晶圓做成一個處理器，目的是減少多塊晶片之間的數據搬運和通訊延遲。它以冗餘核心和路徑容忍晶圓缺陷。

CBRS 最大投資風險是甚麼？

主要風險包括高估值、OpenAI／G42 等客戶集中、數據中心建設資本密集、毛利率波動、台積電和單一零部件供應依賴，以及客戶認股權和員工股份造成的稀釋。

延伸閱讀

• NVIDIA vs AMD：AI GPU 與軟件生態比較
• NVIDIA vs Broadcom：GPU、ASIC 與 AI 網絡
• Fabless、Foundry 與 IDM 有甚麼分別
• HBM vs GDDR：AI GPU 記憶體差異
• AI 概念股產業鏈
• 數據中心概念股與基礎設施

---

本文只作資料整理與研究教育用途，不構成任何投資建議。AI 基礎設施公司收入、估值和資本需求變化很快；投資前應查閱最新 SEC 文件、公司業績及自身風險承受能力。