从一块晶圆到 600MW： Cerebras 把推理速度做成基础设施生意

技术指标仍然重要，但市场的观察坐标已经向云推理增速、数据中心容量、系统交付与客户利用率移动。

Cerebras Wafer-Scale Engine 3

Supernova 2026 之后，Cerebras 的研究框架发生了明显变化。晶圆级处理器仍是技术底座，但公司的经营变量已经延伸到数据中心、云端推理、异构计算和机架级系统工程。对于资本市场而言，单次 benchmark 只能证明性能，持续收入需要容量、利用率和交付能力共同兑现。

01600MW 之后，Cerebras 开始按基础设施公司定价

2026 年第二季度，Cerebras GAAP 收入为1.801 亿美元；Core Revenue 达到2.10 亿美元，同比增长 103%。其中，Core Cloud Revenue 同比增长287%，云业务增速明显快于整体收入。Core Gross Margin 为 41%，剩余履约义务（RPO）达到254 亿美元。

基础设施端，公司披露已有超过600MW数据中心容量处于运行或签约状态，并计划在 2027 年底前交付；2026 年制造能力计划提升超过 10 倍。订单储备、数据中心和制造端同时扩张，商业模式已经从设备销售进一步向持续性的推理服务收入倾斜。

图 1｜经营重心从单点芯片能力转向云推理、容量与交付

600MW 给出了潜在供给规模。收入斜率取决于其中有多少容量能够按时上线，并转化为高利用率的推理收入。已签约容量决定潜在上限，上线节奏与利用率决定实际收入斜率。

0244GB 对 432GB：两套内存逻辑押注不同瓶颈

Cerebras CS-3 拥有 44GB 片上 SRAM，片上内存带宽约 21PB/s。AMD MI455X 的 HBM4 容量为 432GB，峰值内存带宽 23.3TB/s。两组参数处于不同内存层级，不能直接换算成模型性能倍数，但足以反映架构取向。

GPU 路线持续增加 HBM 容量和带宽，以承载更大的模型工作集、KV Cache 和高吞吐任务；Cerebras 把大量 SRAM 放在晶圆内部，减少计算单元等待数据的时间。对实时推理而言，首 token 延迟和连续 token 生成速度直接影响用户体验，数据搬运效率因此成为 Cerebras 最核心的性能支点。

图 2｜HBM 与片上 SRAM 属于不同层级，比较重点在架构取向

03AMD 合作把 Cerebras 放进异构推理链条

AMD 与 Cerebras 正在推进 Disaggregated Inference，将一次 LLM 推理拆成 prefill 和 decode 两个阶段。AMD Helios 承担高吞吐 prompt 处理，Cerebras Wafer-Scale Engine 负责低延迟 decode 和 token generation。双方预计，联合方案最高可实现5 倍 tokens/s/Watt，并计划在 2026 年下半年首先通过 Cerebras Cloud 提供。

这套架构的产业含义很直接：Cerebras 无需覆盖全部 AI 计算负载，只要在延迟溢价最高的 decode 环节建立稳定优势，就能进入大型 AI 基础设施的生产链条。AWS 也计划把类似的解耦式推理能力引入 Amazon Bedrock，时间点指向 2027 年第一季度。

图 3｜AMD 负责高吞吐 prefill，Cerebras 负责低延迟 decode

判断：异构推理如果进入规模化生产，Cerebras 的竞争边界会从 “替代 GPU” 扩展为 “占据 GPU 体系中的高价值推理节点”。这会降低生态完整度不足带来的进入门槛。

04CS-4 的重点已经延伸到机架级经济性

CS-4 由三颗 WSE-3 Turbo 组成，并采用 Nexus Rack-Scale Platform。公司给出的内部 benchmark 与预测数据显示，相比 CS-3，CS-4 最高可实现 2 倍性能和 10 倍 token capacity；与 GPU 系统相比，推理速度最高可达 30 倍。上述性能结果会随模型、配置和工作负载变化，不能把峰值倍数直接外推到所有生产场景。

更值得跟踪的是系统工程指标：组件数量减少 50%，自动化制造比例提高 60%，部署时间由数天压缩到数小时，首批 CS-4 在本季度开始出货。数据中心运营商最终关心的是每 MW 能够产生多少有效 token，机架密度、供电、液冷、部署速度和故障维护都会进入单位经济性。

图 4｜CS-4 的产品竞争由芯片性能延伸至机架、制造与部署效率

Cerebras 系统集群

05CrowdStrike 给出了低延迟的商业化样本

CrowdStrike 计划使用 Cerebras 推理能力支持 Falcon AI Detection and Response。网络安全对延迟高度敏感：攻击窗口以秒计，模型需要完成上下文收集、推理、工具调用和响应，额外等待会直接削弱产品价值。对于这类负载，推理速度能够映射到实际业务结果。

同样的逻辑也适用于 Coding Agent 和实时工作流。Cerebras 已经披露 Cognition、Lovable 等云容量合作，客户还覆盖 Block、Figma、AlphaSense 和 GSK。投资判断需要继续追踪客户数量之外的两个变量：单客户算力消耗强度，以及高频应用能否拉高云端利用率。

06320 美元估值情景，压力集中在 2028 年收入

估值情景（非公司指引）

2028E Core Revenue 71 亿美元 × 14x EV/S

对应目标价格约 320 美元

这套估值框架的难点集中在收入兑现。Cerebras 最新 2026 年 Core Revenue 指引为 8.8 亿—8.9 亿美元；以中值 8.85 亿美元计算，2028 年达到 71 亿美元意味着两年扩大约 8 倍，对应隐含年复合增速约183%。公司同时表示，2027 年计划实现收入超过三倍增长。

14 倍 EV/S 属于高成长基础设施资产的激进定价。若云业务利用率、毛利率或产能爬坡低于预期，估值倍数和收入基数可能同时承压。当前 Core Gross Margin 为 41%，全年指引为 41%—43%，后续扩张能否保持毛利率稳定，是验证商业质量的关键指标。

07接下来只看四组兑现指标

1上线 MW：签约容量有多少按计划转为可计费算力。

2云利用率：Core Cloud Revenue 高增速能否持续，并形成更稳定的收入结构。

3毛利率：重资产数据中心扩张下，Core Gross Margin 能否维持 40% 以上。

4合作落地：AMD 与 AWS 解耦式推理的生产时间表能否兑现。

Cerebras 已经用晶圆级架构证明低延迟推理可以形成显著性能差异。接下来的核心问题只有一个：600MW 能否转化为持续、可复制、具备合理毛利率的推理收入。

技术领先已经被市场看到，估值接下来只认兑现。

资料口径

经营数据、CS-4、AMD 合作、CrowdStrike 合作及产品参数来自 Cerebras 与 AMD 官方公开信息；估值部分为情景测算，非公司指引。涉及 “最高”“最多” 等性能数据均为公司 benchmark、预测或特定配置口径，实际表现取决于模型、系统配置与工作负载。