NVIDIA 的替代方案？
Cerebras 暴衝上市的真相與隱憂

在 NVIDIA 幾乎壟斷 AI 算力的這幾年，Cerebras 是最受矚目的挑戰者之一。它在 2026 年 5 月上市，首日股價暴漲 68%，市場用真金白銀，肯定了這個挑戰者。

這是一家怎樣的公司，它的產品在實戰上能打到什麼程度，技術突破在哪裡，隱憂又在哪裡。

如果把 12 吋晶圓，不切割，直接做成一顆超大晶片呢？

Cerebras Systems 成立於 2016 年 3 月，總部在加州 Sunnyvale，由 Andrew Feldman 等五人創辦。它的核心理念，用一句話講完，就是不要把晶圓切成很多小晶片，而是把一整片十二吋晶圓，做成單獨一顆巨大的晶片。

這違反了半導體業最基本的成本邏輯。一般晶片受限於曝光機一次能成像的面積（業界稱光罩極限），單顆上限大約 800 平方公釐；Cerebras 的晶圓級引擎（Wafer-Scale Engine）邊長 21.5 公分、面積 46,225 平方公釐，等於把這個上限直接跳過，靠特殊製程把整片晶圓上的電路連起來。

它的作法是：曝光機照常一格一格曝，但連平常用來切割、原本會被丟掉的「切割道」也一起曝上連接線路，最後整片不切，就變成一顆晶片。所以突破點不在曝光技術，而在「連道路都曝、然後不切」這個特殊製程。

晶圓本身是圓的，這顆晶片卻是方的：它取的是一片標準 300 公釐圓形晶圓上，能切出的最大正方形，幾乎用滿一整片晶圓。

最新一代 WSE-3（搭配 CS-3 系統）採用台積電 5 奈米製程，內含 4 兆個電晶體、90 萬個 AI 核心、直接整合在晶片上的 44 GB SRAM，記憶體頻寬達 21 PB/s。整片晶圓做成一顆，最大的好處是核心之間的資料不用再透過晶片外的線路傳輸，延遲與頻寬瓶頸幾乎被消滅。

在矽晶圓常見的良率問題上，一般晶片因為面積小、數量多，只要有瑕疵就捨棄不用；但 Cerebras 這種超大面積晶片，採用的解法是預留冗餘核心，硬體偵測到瑕疵就自動繞開、維持功能。

註：上述規格多為 Cerebras 官方數據，經 IEEE Spectrum 等第三方轉述確認，但尚無中立第三方實測。

已經有產品了嗎？誰在用、多少錢，開發環境打得過 CUDA 嗎？

產品已經到第三代（CS-3）。它是一台機架式伺服器，16U 高（資料中心的機櫃以「U」為高度單位，1U 約 4.4 公分，16U 大約 70 公分高），重達數百公斤，單台功耗約 23 kW，採客製化內循環水冷。這種熱密度，一般機房放不下，必須要有高密度供電與強力液冷的資料中心才能部署。

誰在用：

• 雲端與 AI：OpenAI 簽下多年算力合約（下面談上市與隱憂時會詳述）；2026 年 3 月起與 AWS 合作。這個合作常被誤解為「把 CS-3 丟進 AWS 機房出租」，其實不是：依 AWS 官方公告，是在 Amazon Bedrock 上的「拆解式推論」，Trainium 做前段、CS-3 做後段，只做推論、不碰訓練。
• 主權 AI：G42 是阿聯酋阿布達比的國家級 AI 集團，旗下有雲端、模型、醫療 AI 等實際營運單位，不是純持股公司；由阿聯酋國家安全顧問 Tahnoun bin Zayed Al Nahyan 擔任主席兼控股股東，背後有國家主權基金 Mubadala，微軟也在 2024 年投資它 15 億美元，政府與國安色彩很濃。它串聯數十台 CS 系統，打造「Condor Galaxy」超級電腦。這個客戶後面談隱憂時還會再出現。
• 研究與製藥：美國阿貢、勞倫斯利佛摩等國家實驗室；GSK 與 AstraZeneca（曾把一項訓練從兩週縮短到兩天）。

價格與效果：整套系統售價在數百萬美元等級，再加上 MemoryX（存放模型權重用的外接記憶體單元）等元件後更高；但 Cerebras 主推的其實是雲端按量計費的推論服務。推論速度方面，官方數據在大模型上可達每秒 1,800 到 2,600 個字元（token）。它發表初期宣稱比 NVIDIA GPU 雲端方案快約 20 倍，後續自家更新仍宣稱領先一個數量級（某次數據是比最快的 GPU 方案快約 16 倍）。要提醒的是，這些都是 Cerebras 自家測試，目前沒有中立第三方的跨廠 benchmark。

打不贏 NVIDIA 的軟體生態，那就讓開發者不需要它

NVIDIA 真正的護城河，是一套叫 CUDA 的開發軟體。幾乎全世界的 AI 工程師都是用它訓練出來的、用習慣了，要大家換掉非常難。Cerebras 沒有正面去搶這塊，它走的是另一條路：讓工程師根本不必碰最麻煩的那一段。

打個比方。平常要訓練一個超大模型，工程師得自己想辦法把模型「切成很多塊」，分散到成百上千張晶片上跑，還要盯著這些晶片之間怎麼互相協調，這是出了名的繁瑣又容易出錯。Cerebras 的運算是一整片晶圓，模型權重放在外接的那組記憶體裡，軟體把整套硬體包裝成「單一一台機器」呈現給開發者：你就當成有一台記憶體大到塞得下整個模型的電腦在寫，不必去管底下其實是晶圓和外接記憶體在分工。工程師照樣用原本熟悉的開發工具（PyTorch）寫程式，切分和協調都交給系統自動處理。對寫程式的人來說，等於把最痛的那段直接省掉了。

股票上市了嗎？市場反應如何？

Cerebras 在 2026 年 5 月 14 日正式於 Nasdaq 掛牌，股票代號 CBRS。據 CNBC 與 SiliconANGLE：發行價每股 185 美元，售出 3,000 萬股，募得約 55.5 億美元；開盤跳到 350 美元，收盤 311.07 美元，首日大漲 68%。

目前市值，Motley Fool 以完全稀釋計算約 564 億美元，CNBC 則以收盤市值計算約 950 億美元。差別在「稀釋與非稀釋」的計算基礎不同：非稀釋只算現在實際在市場上流通的股票；完全稀釋還會把員工尚未行使的選擇權、認股權證這些「未來可能變成股票」的部分一起算進總股數。再加上兩家取的股價時點不同，得出的市值自然不一樣。

此前 IPO 一度卡關，原因是美國外國投資委員會（CFIUS）要審查 G42 的持股；後來 G42 把股權改成無投票權，2026 年 4 月才重新遞件，5 月成功掛牌。

Cerebras 如此強勁，未來有什麼隱憂嗎？

首日暴漲 68% 很熱鬧，但招股書（S-1）裡的東西冷靜得多。以下六點，來自 S-1 拆解分析。

一、客戶集中度極端高

2025 年營收的 86%，集中在兩個阿聯酋客戶身上：G42 與 MBZUAI。G42 就是前面介紹過的那家阿聯酋政府色彩濃厚的 AI 集團，MBZUAI 則是當地的人工智慧大學。兩者合計 86%（其中 MBZUAI 占 62%、G42 占 24%）。未來營收則高度押注在 OpenAI 這個新大客戶身上，等於從一個集中風險，換到另一個集中風險。

二、地緣政治與出口管制

這裡有兩件事要分開講。第一，G42 帶有阿聯酋主權與國安體系的背景，這種中東主權色彩的大客戶兼股東，曾引發美國外國投資委員會（CFIUS）的國安審查，也正是 Cerebras 上市一度卡關的原因。第二，Cerebras 自己的美國本土客戶營收，2025 年大幅下滑 34%（從 2.83 億美元掉到 1.88 億美元），等於它的成長越來越靠海外、尤其是靠中東客戶撐著。萬一美國政府收緊高階 AI 晶片輸往中東的出口管制（這類限制已經用在中國身上，中東也被討論過），Cerebras 的營收支柱可能遭到毀滅性打擊。

三、扣掉一次性收益，本業其實在虧

先解釋兩個會計名詞。GAAP 是美國公認會計準則，也就是財報「照官方規定」算出來的數字；公司通常還會附一個 Non-GAAP 版本，把一次性、不會年年發生的項目剔除，試著呈現「本業常態」長什麼樣。Cerebras 2025 年 GAAP 帳面是賺錢的，但這份獲利裡，包含一筆來自 G42 重組協議的 3.63 億美元一次性非現金收益。把這種「今年有、明年不會再有」的項目拿掉，本業其實是淨損約 7,570 萬美元。換句話說，單靠賣晶片這件事本身，它還沒真正賺到錢。

四、產能命脈，全壓在台積電

WSE-3 用台積電 5 奈米，而且一顆晶片就吃掉一整片晶圓，晶圓消耗量極大。它手上有高達 246 億美元、客戶已經下單但還沒交貨的訂單（也就是「訂單積壓」，主要來自 OpenAI），代表外面要跟它買的需求很猛；問題是要把這些訂單真的做出來，得跟台積電搶產能，而它在這件事上的議價籌碼，比 NVIDIA 弱得多。

五、公司治理與執行長的前科

招股書也自承財務報告的內部控制有重大缺失（material weakness）。更微妙的是執行長 Andrew Feldman 的一段往事：他二十多年前在 Riverstone Networks 任職期間，公司涉及以私下協議灌水營收的會計舞弊，遭美國證管會（SEC）起訴，Feldman 為此付出代價（含繳回不當所得、刑事認罪）。這不是新聞標題會放大的事，但白紙黑字寫在 Cerebras 招股書的風險因子裡。

六、雙層股權與解禁賣壓

它採「雙層股權」結構：股票分兩種，一般投資人在市場上買到的是普通股、一股一票；創辦人與內部人手上則是 Class B 股，每股有 20 票投票權。結果就是，就算外部股東出了大部分的錢、持有大量股份，公司的控制權還是牢牢握在內部人手裡。加上部分早期股東的閉鎖期（上市後一段時間內不能賣）一旦到期，未來有潛在的解禁賣壓。

缺算力的 Anthropic，為什麼不找它合作？

幾個結構性原因。

• 已被巨頭排他綁定。Anthropic 兩大金主是 Amazon 與 Google。據 Axios，Amazon 已投資 Anthropic 50 億美元、並握有最高再加碼 200 億美元的選項，另有商業協議讓 Anthropic 砸下約 1,000 億美元、最高 5GW 的 AWS 算力；Google 則最高投資 400 億美元（先投 100 億、估值 3,500 億美元，另 300 億視里程碑達標），同樣綁定 5GW 的 Google Cloud 與 TPU。兩邊都把算力綁死在自家雲，沒有空間大舉採購 Cerebras。
• 真正的瓶頸是電力，不是晶片。2026 年的 AI 限制因素是電網供電。Anthropic 傾向直接找「手上有電、有資料中心」的對象：例如它在 2026 年 5 月租下 Colossus 1（超過 300MW、逾 22 萬顆 GPU；這座資料中心原屬 xAI，xAI 併入 SpaceX 後成其資產），而不是再去整合一套高耗電的新硬體。
• 產能被 OpenAI 先卡位。OpenAI 已先簽下 Cerebras 大量產能與雲端容量，Anthropic 想拿也難。據 OpenAI 官方與 The Next Platform，這紙合約 2026 年 1 月 14 日公布，基礎規模超過 100 億美元、750MW 推論算力（後續報導擴大到逾 200 億美元），OpenAI 另提供 10 億美元、利率 6% 的營運資金貸款，以及最多約 10% 至 11% 的無投票權認股權證。
• 模型架構適配成本高。Cerebras 軟體目前對結構公開的開源模型優化最好，要把 Anthropic 高度保密的模型搬上去，深度底層整合的時間成本太高。

用算力電力比來看，Cerebras 跟 NVIDIA 到底誰划算？

先講純理論峰值，再講為什麼帳面數字會騙人。

註：能效比是以上述功耗與算力換算（PetaFLOPs ÷ kW），非廠商直接公布的數字。

但帳面數字會騙人，原因有二：

• 大規模叢集的隱形損耗。NVIDIA 大規模串聯時，網路交換器、光纖模組很耗電，GPU 等待通訊時也有閒置功耗，整體有效能效會衰減。Cerebras 核心通訊在晶圓內部，這塊損耗較小，但這同樣是它官方的宣稱。
• 熱密度是致命傷。我們前面拿來比的那一代 NVIDIA（DGX H100），一般機房用風扇吹、風冷就能應付（不過 NVIDIA 最新的 Blackwell 整櫃系統也已改成液冷）。Cerebras 沒有這個選項：23 kW 的熱量全壓在一張 21 公分見方的晶圓上，熱密度極高，必須配上精密的高壓客製水冷。更麻煩的是，因為它是「整片晶圓做成一顆」，散熱只要某一處出狀況，壞掉的不是其中一顆可以單獨抽換的晶片，而是有可能傷到整片晶圓，這是單片架構天生的脆弱面。蓋這種局部超高密度供電加散熱的基礎設施，成本也會吃掉它在電費上省下來的一部分優勢。

那 NVIDIA 自己，有沒有在走「大尺寸整合」這條路？

有，但 NVIDIA 走的是「先進封裝把多顆拼成一顆」，而不是 Cerebras 那種「整片晶圓做一顆」。

• 第一步：雙晶片合體。B200 由兩顆達光罩尺寸極限的晶粒，透過台積電 CoWoS-L 封裝放在同一個中介層上，晶粒間互連達 10 TB/s，軟體上表現得像一顆超大晶片。
• 第二步：整櫃當成一顆。再往上一層，GB200／GB300 NVL72 用第五代 NVLink 這種超高速銅線背板，把整櫃 72 顆 GPU 綁在一起，在軟體上被當成「一顆超級 GPU」操作。這些連線整櫃加總起來的傳輸速度約 130 TB/s（對照一下，上面第一步兩顆晶粒之間是 10 TB/s，這裡又快了一個量級），快到 72 顆 GPU 之間搬資料幾乎不會卡，所以才能被當成一顆來用。
• 下一代 Rubin：延續同一套路，用更先進的封裝把多顆晶粒和記憶體疊在一起，走的還是「把很多顆拼成一顆」這條路，不是 Cerebras 那種整片晶圓。坊間有「Rubin 會改走整片晶圓」的傳聞，但目前沒有可靠來源佐證。

商業邏輯的差異很清楚：NVIDIA 選擇「小晶片先進封裝 → 機櫃互連」，是為了保住良率、100% 繼承 CUDA 生態，以及維持從單卡到整櫃的產品線彈性，買多買少都可以，升級降級很容易。Cerebras 則選了一條沒有退路、但延遲與頻寬天生贏的路。這是兩種完全不同的賭注。