一块芯片比显卡大58倍，这家公司凭什么上市

想象一下：你走进数据中心，看到的不是成排的机架，而是一整块晶圆大小的芯片在运转。这不是科幻场景，是Cerebras的日常。这家做"晶圆级引擎"的公司，刚刚第二次提交了上市申请。

18个月前，它曾尝试IPO，却在去年底主动撤回。当时的解释很直接：旧文件"不再反映业务现状"。现在它回来了，带着一份截然不同的财务数据——从亏损4.85亿美元，到盈利8790万美元，营收增长76%至5.1亿美元。

变化从何而来？答案藏在两份合同里：一份是与OpenAI的200亿美元大单，另一份是摩根士丹利提供的8.5亿美元信贷额度。但数字背后更值得追问的是：为什么是现在？为什么有人愿意押注一块比英伟达B200大58倍的芯片？

从"不可能"到"不得不看"

Cerebras的核心产品叫WSE-3，晶圆级引擎第三代。4万亿晶体管，90万个核心，内存带宽达到每秒27拍字节。这些参数意味着什么？传统芯片制造会把一块晶圆切割成几百颗独立芯片，Cerebras反其道而行——直接把整块晶圆做成一颗芯片。

这种做法在工程界长期被视为"疯狂的念头"。散热怎么解决？良率怎么控制？一颗坏点是否报废整片晶圆？Cerebras用三代产品回应了质疑，但真正的转折点发生在去年12月。

OpenAI签下了750兆瓦的推理基础设施订单，合同总值超过200亿美元。更关键的是，这笔交易附带了一份"对赌"：如果OpenAI在2030年前追加到2吉瓦计算容量，Cerebras将授予其最多3340万股的认股权证。公司自己在招股书中承认，这份合同"代表了未来几年预计收入的相当大一部分"。

这不是普通的供应商关系。OpenAI同时向Cerebras提供了10亿美元贷款，摩根士丹利的信贷额度也将在IPO后从1.25亿美元提升至8.5亿美元。资金流向揭示了一个现实：Cerebras正在从"芯片卖家"转型为"AI基础设施运营商"。

它的Training Cloud和Inference Cloud服务，本质是把自家芯片以云服务的形式出租。要支撑这个模式，需要大量数据中心投资——这正是那笔信贷资金的用途。

AWS合作的隐藏信号

今年3月，另一则消息浮出水面：亚马逊云服务（AWS）同意在数据中心部署WSE-3，采用一种名为"分离式架构"的配置。

这里需要解释大语言模型推理的两个阶段。预填充（prefill）阶段处理用户输入的完整提示词，解码（decode）阶段则逐个生成输出token。AWS的玩法是：用自研的Trainium芯片做预填充，把解码阶段交给WSE-3。

为什么选择这种组合？解码计算对内存带宽极其敏感——数据在逻辑单元和存储单元之间的移动速度，直接决定生成效率。WSE-3的27拍字节/秒带宽，正是为此场景设计。

这个合作值得细品。AWS拥有全球第二大的云基础设施，也在大力推广自研芯片。它本可以完全用自己的方案，却选择引入Cerebras作为"解码专用加速器"。这暗示了一种可能性：在某些特定负载上，Cerebras的架构优势足够显著，即便云巨头也愿意采用异构方案。

更深层的问题是：如果AWS验证了这种架构的可行性，其他云厂商会跟进吗？Cerebras的招股书没有回答，但留下了线索——它正在与"多家数据中心开发商和运营商"洽谈。

财务反转的结构性因素

回到那组令人瞩目的财务数据。2024年亏损4.85亿美元，2025年盈利8790万美元，营收从2.903亿跃升至5.1亿。76%的增长率背后，是什么在驱动？

招股书披露的收入结构变化值得关注。Cerebras的收入来自两部分：芯片销售和云服务。2024年，前者占绝对主导；到2025年，云服务收入占比显著提升。这种转变解释了盈利能力的改善——云服务具有更高的毛利率和可预测性。

但风险同样明显。OpenAI一家客户贡献了"相当大一部分"未来收入，这种集中度在半导体行业极为罕见。更微妙的是合同性质：750兆瓦是"承诺购买"，但2吉瓦的认股权证是"可选追加"。如果OpenAI的推理需求增长不及预期，或选择其他供应商，Cerebras的财务预测将大幅偏离。

另一个数字值得注意：5.1亿美元营收对应8790万美元净利润，利润率约17%。作为对比，英伟达同期的净利润率超过50%。差距说明Cerebras仍处于规模扩张期，运营成本吞噬了大量毛利。

公司计划将IPO募资用于扩大数据中心容量，这将进一步加重资本开支。盈利能否持续，取决于云服务收入的增速能否覆盖基础设施折旧。

晶圆级架构的边界在哪里

WSE-3的技术路线选择，本质上是对"内存墙"问题的激进回应。传统GPU的算力增长远超内存带宽提升，导致大量计算单元处于等待数据的空闲状态。Cerebras的解法是把计算和存储尽可能靠近——整片晶圆上的90万个核心，通过高密度的片上互连共享内存池。

这种架构在特定场景表现优异：参数量极大的模型推理、需要低延迟的交互式应用、以及内存带宽敏感的解码阶段。但它也有明确的代价：灵活性不足，无法像标准GPU那样适应多样化的工作负载；制造成本高昂，对良率控制要求苛刻；生态系统薄弱，开发者需要重新适配工具链。

Cerebras的应对策略是"垂直整合"——不只做芯片，而是提供完整的云服务和软件栈。这降低了客户的迁移成本，但也意味着公司必须同时承担硬件研发、数据中心运营和云服务支持三重负担。

招股书披露的研发投入数据显示，2024年研发费用占营收比例超过60%，2025年仍维持在40%以上。这种强度在芯片设计领域属于第一梯队，但Cerebras的营收规模仅为行业龙头的零头。

上市时机的选择逻辑

为什么选择在此时重新提交IPO申请？2024年9月的首次尝试，恰逢AI芯片投资热潮的顶峰。当时Cerebras的估值预期极高，但市场条件未能支撑。撤回申请后，公司经历了什么？

最直接的变量是OpenAI合同的落地。200亿美元的订单规模，足以改变任何一家公司的财务叙事。更重要的是，这笔交易为Cerebras的"云服务转型"提供了背书——它证明晶圆级芯片不仅能作为技术概念存在，还能转化为可持续的订阅收入。

另一个背景是英伟达的供应瓶颈。B200虽强，但交付周期和采购门槛让部分超大规模客户寻求替代方案。Cerebras的时机选择，暗合了市场对"第二供应商"的渴望。

但风险并未消除。招股书明确警告：与OpenAI的合同"包含客户可根据某些条件终止的条款"；数据中心扩张需要持续的大规模资本投入；晶圆级制造的良率波动可能影响毛利率。这些不是例行公事的免责声明，而是指向公司商业模式的结构性脆弱。

5.1亿美元营收，8790万美元利润，200亿美元在手订单，8.5亿美元信贷额度，3340万股潜在认股权证

这些数字勾勒出一个处于关键转折点的公司。Cerebras证明了晶圆级芯片的商业可行性，但尚未证明其规模化盈利能力。它赢得了OpenAI和AWS的背书，但客户集中度风险悬于头顶。它选择了云服务这条更重资产的道路，意味着未来几年的现金流将持续承压。

对于关注AI基础设施投资的读者，这份招股书的价值在于：它首次系统披露了晶圆级架构的经济模型。从芯片设计到数据中心运营，从一次性销售到订阅服务，Cerebras正在测试一条不同于英伟达的路径。无论成败，这些数据都将为行业提供参考。

上市本身不是终点。真正的考验在于：当OpenAI的订单进入执行阶段，当AWS的分离式架构接受生产环境检验，当更多客户决定是否将关键负载迁移到晶圆级芯片——Cerebras能否把"技术可行"转化为"商业可持续"。5.1亿美元营收是个开始，但距离证明这个模式，还有相当长的距离。