Cerebras（CBRS）做什么？晶圆级 AI 芯片、云端推理与股票前景

Cerebras Systems（NASDAQ：CBRS）是一家以晶圆级处理器、AI 系统和云端推理服务为核心的人工智能基础设施公司。它最重要的产品不是一块尺寸接近普通 GPU 的芯片，而是把接近整片 300 毫米晶圆做成一个处理器的 Wafer Scale Engine（WSE）。

这种架构的目的，是减少大型 AI 模型在多块芯片之间搬运数据和等待通讯的时间。Cerebras 因而可以在部分训练与推理工作负载提供极高速度；但它同时需要自行承担系统、数据中心、电力和云端容量建设，商业模式已不再只是轻资产芯片设计。

Klaro Research 核心判断： Cerebras 已把晶圆级运算由可交付系统推进至快速增长的推理云端：Q2 云端及其他服务收入同比增长 281%，Core 毛利率亦高于原指引；但 GAAP 毛利率只有 14.2%，客户认股权、数据中心建设及容量利用率仍决定每股回报。需要验证的链条是 已签容量 → 上线与利用率 → 云端收入 → GAAP 毛利 → 自由现金流。^[2][1]

本文资料截至 2026 年 8 月 30 日，最新完整季度为截至 6 月 30 日的 Q2 2026；季度实绩、收入确认、客户认股权、租赁及现金流以 Form 10-Q 与官方业绩公告为准。^[1][2]

若要先理解 Cerebras 与 GPU、云端自研 ASIC、Google TPU、AWS Trainium 和 Microsoft Maia 在推理市场的分工，可先阅读《AI 推理芯片是什么》；本文则集中研究 Cerebras 的技术、合约、财务和 CBRS 估值。

Cerebras 做什么？先看业务与收入来源

Cerebras 解决什么 AI 算力瓶颈？

现代 AI 模型的瓶颈不只在「计算是否够快」，也在数据能否及时送到运算核心。

普通 AI 集群由大量 GPU 组成。模型愈大，愈需要把权重和运算拆到不同芯片、服务器甚至机架；每次跨越 HBM、封装、服务器或网络边界，都会产生延迟、耗电和软件协调成本。NVIDIA 以 NVLink、NVSwitch、InfiniBand、Spectrum-X 和 CUDA 软件降低这些成本，但物理上的数据搬运仍然存在。

Cerebras 的答案是把更多工作留在一个极大的处理器内：

• 用晶圆级互连取代大量芯片之间的封装和网络连接；
• 把 44GB SRAM 放在处理器上，为核心提供极高带宽；
• 让大量小型运算核心只执行本地需要的工作；
• 模型超过单一 WSE 容量时，再把多台 CS-3 连成集群。

它没有消除所有通讯问题。大型模型仍要跨多个系统分布，输入、权重和结果亦要进出芯片；但 WSE 改变了通讯发生的位置和频率，这就是它可能取得速度优势的根源。

WSE-3 有什么特别？

根据 Cerebras 公布的 WSE-3 规格，第三代晶圆级引擎由台积电 5nm 制程生产，面积约 46,225 平方毫米，包含：

• 4 万亿个晶体管；
• 90 万个 AI 核心；
• 44GB 片上 SRAM；
• 21PB/s 内存带宽；
• 125 petaflops 峰值 AI 运算能力。

这些规格不能直接与单块 GPU 的数字逐项比较，因为 WSE-3 是接近整片晶圆大小的系统级处理器，而 GPU 通常以单颗芯片、模块或机架交付。较合理的比较单位是：在指定模型、延迟、准确度和功耗条件下，一套完整系统能交付多少有用 token 或训练成果。

为何整片晶圆没有因一个缺陷而报废

晶圆级设计过去最大的工程难题是良率：面积愈大，碰到制造缺陷的机率愈高。Cerebras 没有假设晶圆完美，而是加入备用核心和冗余互连。

公司披露 WSE-3 实际制造约 97 万个核心，其中启用 90 万个；系统可以绕过有缺陷的核心和路径。这种「预期会有缺陷，再由架构容错」的设计，是 Cerebras 最难复制的工程成果之一。

不过，公司声称的良率和利用率仍属自身披露，投资者较难像标准芯片出货一样，从公开供应链数据独立验证其单位成本。

图：晶圆级处理器的投资考题不止是规格，还包括液冷、内存、网络、固件和长时间可靠性。

晶圆级运算是否具有颠覆性？

答案是：在特定低延迟和大规模平行工作负载具有颠覆潜力，但尚未证明能普遍取代 GPU。

判断证据可分三层：

1. 产品证据：WSE 已发展至第三代，CS 系统已交付多家客户，证明晶圆级处理器可以量产、冷却和持续运行；
2. 客户证据：OpenAI、G42、AWS 等愿意部署或整合，证明技术不只停留于官方基准测试；
3. 独立证据：USENIX OSDI 2025 的 WaferLLM 研究在指定矩阵向量运算上，测得 WSE-2 相对 NVIDIA A100 显著加速和能源效率提升。

第三层证据最容易被误读。学术论文比较的是特定运算、模型和旧一代 A100，只支持指定基准中的性能结论；其他模型、精度和总持有成本仍要另行测试。真正的商业问题是客户愿意为速度付多少钱，以及 Cerebras 能否在包括电力、网络、软件和维护后仍取得合理毛利。

Cerebras 如何赚钱？芯片销售、云端算力与服务

Cerebras 不是只把芯片卖给服务器厂，而是沿着四层向上整合：

这种模式的好处，是 Cerebras 可以直接控制由芯片到 API 的性能，亦能从一次性设备销售走向持续服务收入。代价是公司必须预先建设容量，承担数据中心租约、电力和设备折旧；它愈接近云端运营商，资产负债表便愈重要。若要比较纯芯片／系统公司与 GPU 云端运营商的差异，可参考《NBIS 做什么？Nebius 公司研究》。

图：Cerebras 已由 WSE-3 晶圆级处理器向上整合至 CS-3 系统、集群及云端容量；速度只是起点，利用率、毛利和自由现金流才是商业结果。

OpenAI 与 Cerebras 合作代表什么？

OpenAI 是理解 Cerebras 投资价值的核心，而不是一个可以列在标志墙上的普通客户。

合作内容

OpenAI 在 2026 年 1 月公布，将与 Cerebras 建设 750MW 超低延迟 AI 算力，于 2026 至 2028 年分批投入服务。相关披露显示，初始多年合约价值超过 200 亿美元；OpenAI 另有权选择额外 1.25GW 容量，若全数执行，总规模可达 2GW。

2026 年 2 月推出的 GPT-5.3-Codex-Spark是合作落地的重要证据。OpenAI 表示，该研究预览模型在 WSE-3 上可超过每秒 1,000 tokens，面向需要即时互动的编程工作。

这比一纸合作公告更有价值，因为它证明 Cerebras 已进入真实产品路径。

OpenAI 同时明确说了什么？

同一份 Codex-Spark 公告亦指出，GPU 仍是 OpenAI 算力平台的基础，并为广泛使用提供最具成本效益的 token；Cerebras 的角色是补充 GPU，服务对延迟特别敏感的工作。

这句话界定了最合理的投资命题：

Cerebras 目前更像 OpenAI 算力组合中的「超低延迟专用层」，而不是代替整个 GPU 训练和推理平台。

若即时 AI agent、语音、编程和推理应用愿意为更低延迟付费，这个专用层可以非常大；但 OpenAI 采用 Cerebras，不等于其所有模型都会由 GPU 迁移到 WSE。

200 亿美元合作的合约结构与收入条件

只看合约总额，容易高估收入质素。Cerebras 向美国证券交易委员会提交的 2026 年第一季文件，披露了三个重要结构。

1. 250 亿美元剩余履约义务将分期确认

截至 2026 年 3 月底，公司剩余履约义务约 250 亿美元，当中很大部分来自 OpenAI。Cerebras 预计约 16% 在截至 2028 年 3 月的首 24 个月确认，约 45% 在其后 24 个月确认，其余更后期确认。

此外，部分金额包括初始 250MW 容量的数据中心转付成本。换言之，合约价值包含算力服务和基础设施成本，不能全部视为高毛利芯片收入。

2. OpenAI 提供约 10 亿美元运营资金贷款

OpenAI 在 2026 年 1 月向 Cerebras 提供约 10.05 亿美元贷款，固定年利率 6%，最迟于 2032 年底到期。贷款可用现金、服务费、算力、硬件及部分转付成本等方式偿还。

这安排有两面：

• 正面是 OpenAI 愿意为容量建设提供资金，降低 Cerebras 初期融资压力；
• 负面是这不是客户已经支付并可直接确认的普通产品收入，公司仍要完成建设和交付。

截至 2026 年 3 月底，贷款帐面未偿还本金约 9.83 亿美元。

3. OpenAI 可取得最多约 3,345 万股认股权

OpenAI 取得可购买最多 33,445,026 股 Class N 股票的认股权，行使价接近零。其归属条件与贷款拨付、容量上线、额外容量和商业门槛等挂钩；截至 3 月底，约 446 万股已归属但尚未行使。

这代表：

• 认股权把客户利益和 Cerebras 长期价值绑在一起；
• 亦会形成潜在股权稀释；
• 相关价值会在合约期内作为收入扣减摊销。

Cerebras 第一季从 OpenAI 安排确认约 1,690 万美元收入，已扣除约 80 万美元认股权摊销。这与「200 亿美元合约」之间的巨大差距，提醒投资者必须追踪实际容量上线、收入确认和毛利，而不能只引用标题数字。

图：OpenAI 合作同时包含算力需求、容量融资和股权激励。最关键的验证不是合约总额，而是每一批容量的上线、利用率、收入和毛利。

AWS、AMD 和 CrowdStrike 合作代表什么？

AWS：由竞争者变成分工伙伴

2026 年 3 月，AWS 与 Cerebras 公布混合推理架构：AWS Trainium 处理 prefill，Cerebras CS-3 处理 decode，并经 Amazon Bedrock 提供服务。

这种「分离式推理」的逻辑是，不同硬件各自处理最合适的阶段。它说明未来 AI 基础设施未必由单一芯片通吃，也让 Cerebras 有机会通过大型云端平台接触客户。

但 AWS 合作亦包含多年租赁、选择权、最低制造容量和认股权安排。它既是分销渠道，也是另一项需要扩建容量和管理稀释的长期承诺。

AMD：互补多于替代

2026 年 7 月，AMD 与 Cerebras 提出由 AMD Helios 系统处理部分推理工作，再由 WSE 处理低延迟阶段的架构。这再次支持「异质算力」而非单一加速器全面胜出的方向。

合作公告属技术和生态信号，尚不能等同大额收入。投资者应等待具名客户、实际部署容量和商业条款。

CrowdStrike：验证企业即时推理需求

CrowdStrike 与 Cerebras 合作把高速推理用于 AI 安全侦测和回应。网络安全需要模型快速分析和采取动作，与 Cerebras 的低延迟定位吻合；但同样需要观察它最终是付费云端收入、内部部署，还是早期技术整合。

Cerebras 会取代 NVIDIA 吗？

短期答案是不会。更有价值的问题是：Cerebras 能否在 NVIDIA 主导的市场中，取得一个足够大而且高价值的专用工作层。

OpenAI 和 AWS 的实际做法也支持「互补」：GPU、Trainium 或其他系统负责广泛工作，Cerebras 处理最需要速度的部分。若这种分工成为标准，Cerebras 不需要击败 NVIDIA 的全部市场，也可以建立可观业务。

Cerebras Q2 2026 财务：云端成为主引擎，GAAP 与 Core 差距扩大

公司把 FY2026 Core 收入指引由 8.55–8.65 亿美元上调至 8.80–8.90 亿美元，Core 毛利率指引上调至 41%–43%；Q3 Core 收入指引为 2.14–2.16 亿美元。需求与非 GAAP 单位经济改善，但 Q3 收入中点只较 Q2 增长约 2.4%，而 Core 营业利润率预计回落至负 25%至负 23%，显示扩建成本仍先于收入。^[2]

Q2 最重要的结构变化是云端服务已超过硬件，令 Cerebras 更接近资本密集的专用 AI Cloud，而不是传统 fabless 芯片公司。这提高经常性收入潜力，也令 MW 上线、折旧、租赁、电力和利用率成为估值核心。

Cerebras 客户集中：由 G42 转向 OpenAI，集中风险仍未消失

Q2 最大客户占 GAAP 收入约 66%，第二大客户约 14%；最大客户同时占期末应收账款约 75%。公司没有要求投资者把匿名代号逐一对应具名品牌，因此本文只使用监管文件披露的集中度。^[1]

OpenAI 的收入和认股权摊销将随容量上线增加，AWS、AMD 及其他企业合作则提供多元化选项。客户结构正在改变，但专用容量仍难以在短时间转售给其他客户；集中风险只是由旧客户转移，而不是已经消失。

集中度高会带来：

• 单一客户验收或部署延迟，足以改变季度收入；
• 客户拥有更大议价能力；
• 专用容量未必容易转给其他客户；
• 收入增长可能快于客户多元化。

投资者应同时看「前五大客户占比」和「非 OpenAI／G42 收入增长」，而不是只看客户名称是否著名。

Cerebras 由芯片公司变成 AI 容量运营商

公司在 IPO 筹得约 64 亿美元总额，Q2 末现金、受限制现金及短期投资合计约 86 亿美元，另有 8.5 亿美元循环信贷额度。同期 OpenAI 工作资本贷款未偿本金约 9.182 亿美元；公司披露超过 600MW 数据中心容量已上线或签约于 2027 年底前交付，制造能力亦计划在 2026 年扩大超过十倍。^[2][1]

这不是传统 fabless 公司的资产负债表。Cerebras 需要先取得电力、租赁机房、建设液冷和网络、部署 CS-3，再等待客户消耗转成服务收入。流动性可以降低近期融资风险，却没有证明容量会维持高利用率或带来正自由现金流。

Cerebras 股票估值应怎样看？

上市后的 CBRS 不能只用公开流通 Class A 股或一个无观察日期的股价估算价值。需要把 IPO 后的基本股数、Class N 认股权、员工股权、客户认股权、可换股／优先股与净现金放进完全稀释框架；本文不使用即时股价或目标价，避免把会变动的市场资料误当成公司基本面。这个框架仍未完全反映：

• OpenAI 最多约 3,345 万股认股权；
• AWS、G42 及其他客户认股权；
• 员工期权、限制性股份单位和未来股权奖励。

因此，CBRS 的估值不是「股价跌过便便宜」的问题，而是市场是否已经定价：

• OpenAI 容量按时上线；
• 收入由 2026 年的不足 10 亿美元持续高速增长；
• 毛利率在早期建设后回升；
• Cerebras 成为低延迟 AI 基础设施的重要标准。

技术是否优秀和股票是否有安全边际，是两个不同问题。应以企业价值／收入、完全稀释后每股价值、每 MW／每系统现金回报、毛利和资本承诺做敏感度，而不是单一市销率。

Cerebras 股票前景：三种估值情境

最可能的路径不是「Cerebras 取代 NVIDIA」或「技术完全失败」两个极端，而是公司能否守住一个高价值专用市场，并把技术速度转化为具吸引力的资本回报。

Cerebras 接下来要关注哪些指标？

1. Q3 Core 收入 2.14–2.16 亿美元及 Core 毛利率 38%–40%能否实现；
2. GAAP 云端及其他服务收入能否维持增长，而不是只由认股权调整推高 Core；
3. 已上线 MW、利用率、每 MW 收入及 600MW 交付时间；
4. GAAP 毛利率与 Core 毛利率的差距是否收窄；
5. OpenAI 以外付费客户、AWS／AMD 分离式推理部署和企业用量；
6. 资本开支、租赁、OpenAI 贷款、客户认股权和完全稀释股数。

对这类早期基础设施公司，收入「beat」一季的意义有限；部署能力、单位经济和稀释速度才决定长期每股价值。

Cerebras 股票前景：晶圆级算力能否形成收入？

Cerebras 已完成三项难度很高的事情：

1. 把晶圆级处理器由概念变成三代可交付产品；
2. 让 OpenAI 把 WSE-3 用于需要极低延迟的实际 AI 产品；
3. 由单一系统供应商走向可以承接数百 MW 容量的基础设施平台。

它的颠覆性在于，AI 运算未必永远只能把愈来愈多普通芯片连在一起。对某些工作负载，从芯片架构本身减少数据搬运，可能比单纯增加 GPU 数量更有效。

但 CBRS 的投资风险亦来自同一个转型：公司要为技术优势建设庞大容量，承担租约、电力、折旧、贷款和股权激励；大客户既提供需求，也取得议价权和潜在股份。

Klaro Research 核心判断： Cerebras 已有资格成为 GPU 之外的低延迟专用算力层，但 Q2 同时证明技术增长与股东现金回报仍有明显距离。云端收入、Core 毛利和容量都在增长；GAAP 毛利、利用率、客户集中及稀释才决定这条路径能否形成每股价值。

Cerebras 常见问题：做什么、股票前景与风险

Cerebras 做什么？

Cerebras 是一家美国 AI 基础设施公司，设计晶圆级处理器 WSE、CS 系统及云端 AI 算力，主要用于大模型训练、低延迟推理和科学计算。

CBRS 股票代码是什么？

CBRS 是 Cerebras Systems 在 Nasdaq 的股票代号。公司于 2026 年 5 月以每股 185 美元首次公开招股。

Cerebras 和 OpenAI 有什么合作？

OpenAI 与 Cerebras 签订多年合作，计划在 2026 至 2028 年部署 750MW 超低延迟算力。OpenAI 的 Codex-Spark 已使用 WSE-3 提供高速 token 生成；合作亦包含约 10 亿美元贷款和按里程碑归属的认股权。

Cerebras 会取代 NVIDIA 吗？

现有证据不支持全面取代。OpenAI 明确表示 GPU 仍是其算力基础，Cerebras 用于补充极低延迟工作。Cerebras 即使只取得专用推理市场，也可能形成大型业务。

WSE-3 为何比普通芯片大？

WSE-3 把接近整片晶圆做成一个处理器，目的是减少多块芯片之间的数据搬运和通讯延迟。它以冗余核心和路径容忍晶圆缺陷。

CBRS 最大投资风险是什么？

主要风险包括高估值、OpenAI／G42 等客户集中、数据中心建设资本密集、毛利率波动、台积电和单一零部件供应依赖，以及客户认股权和员工股份造成的稀释。

延伸阅读

• NVIDIA vs AMD：AI GPU 与软件生态比较
• NVIDIA vs Broadcom：GPU、ASIC 与 AI 网络
• Fabless、Foundry 与 IDM 有什么分别
• HBM vs GDDR：AI GPU 内存差异
• AI 概念股产业链
• 数据中心概念股与基础设施

---

本文只作资料整理与研究教育用途，不构成任何投资建议。AI 基础设施公司收入、估值和资本需求变化很快；投资前应查阅最新 SEC 文件、公司业绩及自身风险承受能力。