從一塊晶圓到 600MW： Cerebras 把推理速度做成基礎設施生意

技術指標仍然重要，但市場的觀察座標已經向雲推理增速、數據中心容量、系統交付與客户利用率移動。

Cerebras Wafer-Scale Engine 3

Supernova 2026 之後，Cerebras 的研究框架發生了明顯變化。晶圓級處理器仍是技術底座，但公司的經營變量已經延伸到數據中心、雲端推理、異構計算和機架級系統工程。對於資本市場而言，單次 benchmark 只能證明性能，持續收入需要容量、利用率和交付能力共同兑現。

01600MW 之後，Cerebras 開始按基礎設施公司定價

2026 年第二季度，Cerebras GAAP 收入為1.801 億美元；Core Revenue 達到2.10 億美元，同比增長 103%。其中，Core Cloud Revenue 同比增長287%，雲業務增速明顯快於整體收入。Core Gross Margin 為 41%，剩餘履約義務（RPO）達到254 億美元。

基礎設施端，公司披露已有超過600MW數據中心容量處於運行或簽約狀態，並計劃在 2027 年底前交付；2026 年製造能力計劃提升超過 10 倍。訂單儲備、數據中心和製造端同時擴張，商業模式已經從設備銷售進一步向持續性的推理服務收入傾斜。

圖 1｜經營重心從單點芯片能力轉向雲推理、容量與交付

600MW 給出了潛在供給規模。收入斜率取決於其中有多少容量能夠按時上線，並轉化為高利用率的推理收入。已簽約容量決定潛在上限，上線節奏與利用率決定實際收入斜率。

0244GB 對 432GB：兩套內存邏輯押注不同瓶頸

Cerebras CS-3 擁有 44GB 片上 SRAM，片上內存帶寬約 21PB/s。AMD MI455X 的 HBM4 容量為 432GB，峯值內存帶寬 23.3TB/s。兩組參數處於不同內存層級，不能直接換算成模型性能倍數，但足以反映架構取向。

GPU 路線持續增加 HBM 容量和帶寬，以承載更大的模型工作集、KV Cache 和高吞吐任務；Cerebras 把大量 SRAM 放在晶圓內部，減少計算單元等待數據的時間。對實時推理而言，首 token 延遲和連續 token 生成速度直接影響用户體驗，數據搬運效率因此成為 Cerebras 最核心的性能支點。

圖 2｜HBM 與片上 SRAM 屬於不同層級，比較重點在架構取向

03AMD 合作把 Cerebras 放進異構推理鏈條

AMD 與 Cerebras 正在推進 Disaggregated Inference，將一次 LLM 推理拆成 prefill 和 decode 兩個階段。AMD Helios 承擔高吞吐 prompt 處理，Cerebras Wafer-Scale Engine 負責低延遲 decode 和 token generation。雙方預計，聯合方案最高可實現5 倍 tokens/s/Watt，並計劃在 2026 年下半年首先通過 Cerebras Cloud 提供。

這套架構的產業含義很直接：Cerebras 無需覆蓋全部 AI 計算負載，只要在延遲溢價最高的 decode 環節建立穩定優勢，就能進入大型 AI 基礎設施的生產鏈條。AWS 也計劃把類似的解耦式推理能力引入 Amazon Bedrock，時間點指向 2027 年第一季度。

圖 3｜AMD 負責高吞吐 prefill，Cerebras 負責低延遲 decode

判斷：異構推理如果進入規模化生產，Cerebras 的競爭邊界會從 “替代 GPU” 擴展為 “佔據 GPU 體系中的高價值推理節點”。這會降低生態完整度不足帶來的進入門檻。

04CS-4 的重點已經延伸到機架級經濟性

CS-4 由三顆 WSE-3 Turbo 組成，並採用 Nexus Rack-Scale Platform。公司給出的內部 benchmark 與預測數據顯示，相比 CS-3，CS-4 最高可實現 2 倍性能和 10 倍 token capacity；與 GPU 系統相比，推理速度最高可達 30 倍。上述性能結果會隨模型、配置和工作負載變化，不能把峯值倍數直接外推到所有生產場景。

更值得跟蹤的是系統工程指標：組件數量減少 50%，自動化製造比例提高 60%，部署時間由數天壓縮到數小時，首批 CS-4 在本季度開始出貨。數據中心運營商最終關心的是每 MW 能夠產生多少有效 token，機架密度、供電、液冷、部署速度和故障維護都會進入單位經濟性。

圖 4｜CS-4 的產品競爭由芯片性能延伸至機架、製造與部署效率

Cerebras 系統集羣

05CrowdStrike 給出了低延遲的商業化樣本

CrowdStrike 計劃使用 Cerebras 推理能力支持 Falcon AI Detection and Response。網絡安全對延遲高度敏感：攻擊窗口以秒計，模型需要完成上下文收集、推理、工具調用和響應，額外等待會直接削弱產品價值。對於這類負載，推理速度能夠映射到實際業務結果。

同樣的邏輯也適用於 Coding Agent 和實時工作流。Cerebras 已經披露 Cognition、Lovable 等雲容量合作，客户還覆蓋 Block、Figma、AlphaSense 和 GSK。投資判斷需要繼續追蹤客户數量之外的兩個變量：單客户算力消耗強度，以及高頻應用能否拉高雲端利用率。

06320 美元估值情景，壓力集中在 2028 年收入

估值情景（非公司指引）

2028E Core Revenue 71 億美元 × 14x EV/S

對應目標價格約 320 美元

這套估值框架的難點集中在收入兑現。Cerebras 最新 2026 年 Core Revenue 指引為 8.8 億—8.9 億美元；以中值 8.85 億美元計算，2028 年達到 71 億美元意味着兩年擴大約 8 倍，對應隱含年複合增速約183%。公司同時表示，2027 年計劃實現收入超過三倍增長。

14 倍 EV/S 屬於高成長基礎設施資產的激進定價。若雲業務利用率、毛利率或產能爬坡低於預期，估值倍數和收入基數可能同時承壓。當前 Core Gross Margin 為 41%，全年指引為 41%—43%，後續擴張能否保持毛利率穩定，是驗證商業質量的關鍵指標。

07接下來只看四組兑現指標

1上線 MW：簽約容量有多少按計劃轉為可計費算力。

2雲利用率：Core Cloud Revenue 高增速能否持續，並形成更穩定的收入結構。

3毛利率：重資產數據中心擴張下，Core Gross Margin 能否維持 40% 以上。

4合作落地：AMD 與 AWS 解耦式推理的生產時間表能否兑現。

Cerebras 已經用晶圓級架構證明低延遲推理可以形成顯著性能差異。接下來的核心問題只有一個：600MW 能否轉化為持續、可複製、具備合理毛利率的推理收入。

技術領先已經被市場看到，估值接下來只認兑現。

資料口徑

經營數據、CS-4、AMD 合作、CrowdStrike 合作及產品參數來自 Cerebras 與 AMD 官方公開信息；估值部分為情景測算，非公司指引。涉及 “最高”“最多” 等性能數據均為公司 benchmark、預測或特定配置口徑，實際表現取決於模型、系統配置與工作負載。