过去几年，AI 芯片行业有一个很有意思的现象，很多公司最初讲的故事，和后来真正活下来的原因，并不完全一致。
5月14日，Cerebras以每股185美元定价，募资约55.5亿美元，对应市值398.17亿美元。成为2026年迄今全球规模最大的IPO。上市首日暴涨70%。
他讲的故事是：一颗刷新世界纪录的大芯片、一份超过200亿美元的OpenAI 合同、一个超过两亿美金的GAAP净利润。
但如果把 Cerebras 的故事拆分成两层：一层是技术与产品的真实位置，一层是IPO招股书里写在白纸黑字上的另一面，这个故事可能会给资本市场留下更多的未完待续。
业内一直对Cerebras的Wafer-Scale存在着质疑，在硬件上主要围绕工程实现和良率展开的。
WSE涉及的版图设计、片上互联、缺陷绕行、PVT 一致性、散热、供电、封装，每一项都是工程上的硬骨头。客观地说，Cerebras把这些骨头啃下来了，这本身就是一项很强的工程成果，确实是实现了工程意义上的突破。
在良率上，Cerebras 对外宣称做到了 100%。可如果仔细研究其S1文件和公开的信息和资料，它实际上只是改变了良率本身的计算方式。
传统芯片的良率算的是一颗die是否如预期完整可用，只要落上一个致命缺陷，整颗芯片就会被报废或降级出售。Cerebras把良率的定义换了一种计算方式：整片晶圆能否通过冗余核心和片上网络绕过缺陷，最终凑出一个逻辑上完整的计算系统。根据S-1文件的描述：这是从 memory 行业借来的思路，DRAM/SRAM实际上就是靠冗余Row/column 把良率做到接近100%，Cerebras 也把这套做法搬到逻辑芯片上。
这倒不能说他完全是在偷换良率的概念，真要实现如此大面积上的系统可用性也很不容易。靠着片内互连和结构上的取巧，Cerebras实现了某种工程上的突破和产品层面的平衡。但说到底，它和传统 GPU 良率口径不在同一个度量衡里，并不能直接横向比较。
从Cerebras的视角来看，除了WSE， 还有一个显著特点，也是其多次强调的创新突破之处，那就是片内带宽极高。根据其公开说法，片上 NoC 带宽达到Pbps量级。
但如果仔细研究就会发现，只要数据需要离开晶圆，还是要面对其他 AI芯片面临的问题，片（卡）间带宽的瓶颈同样会出现，片内和片间互连的量级差大约在 100 倍以上。
训练市场有三个绕不过去的约束。硬件：大模型训练拼的不是单芯片算力，是外部内存与外部互连，权重、梯度、optimizer state、activation 都要在大规模系统里高效搬运，而WSE恰恰在片外 I/O 互连上是短板。
软件：Nvidia 的真正壁垒在 GPU+CUDA+NCCL+NVLink+NVSwitch+HBM+服务器+云厂商部署+开发者生态共同搭出的整套系统，这种壁垒不是单点技术领先就能撼动。训练场景的客户基本上主要为全球大模型的头部玩家了，他们当下最大的战略任务是“留在牌桌上、争最快迭代”，没有人会用如此巨大的机会成本去赌一颗非Nvidia的训练芯片。
Cerebras当年为训练配了SwarmX和MemoryX，这其实一定程度上是借用了AMD的既有成果，挂在 WSE外面解决内存与扩展。但实际部署中这套配套基本没被认真用起来，根源还是那句话，WSE 的技术亮点在片内，AI 系统的真实瓶颈在系统，在模型如此规模化的今天，片间与片外的瓶颈，直接限制了系统的效能，进一步限制了应用场景。
它还押过一个更大的赌注：非结构化权重稀疏，理论上 8:1 任意稀疏可以拿到接近 8 倍的有效算力，在产品定义与设计上，要在AI计算的泛化意义上来实现，那是非常难的。但在实际上，大模型最后没走这条路，业界主流是 MoE、低精度量化（FP8/FP4/MXFP）、attention 优化。Cerebras 在硬件上尝试去做一个很难的特性，但这个特性没有成为模型演进的主路线。
这也再次证明，AI芯片产品经理要对AI模型有很深刻的理解和预判能力，不然的话，产品定义和设计，就会面临极高的风险。
推理和训练的系统约束完全不同，推理和场景有关，其计算模式可以解耦。Cerebras 把推理任务做成一条流水线：把整个大模型按层切成几段，分别放到一片或多片 WSE 上；推理时数据像在工厂传送带上一样，从第一片 WSE 流到下一片，每片只负责自己那一段计算。
这套办法之所以能在 WSE 上跑通，关键在于一个细节，串接片与片之间需要传输的，只是这一步算出来的中间结果（activation），数据量相对较小；而真正吃内存的部分（模型权重、用户对话过程中累积的 KV cache）则被锁在每一片 WSE内部，不需要反复跨片搬运。
这恰好绕开了 WSE 最大的短板，片外 I/O 不够快（只是相对于片间来说，和其他 AI芯片其实也在同一个数量级上）。对追求高 token 吞吐的推理场景，这条路线的工程意义是真实的：Cerebras Inference在公开 benchmark上跑出了比主流GPU方案快约15倍的token速度。
模型大小、结构、KV cache 需求差异极大，再加上 SRAM 容量、片外 I/O 这些底层约束，WSE 只能在“特定模型 + 特定适配”的场景下打出最强表现。它的最优市场策略，就应该是找到最通用的模型、量最大的HyperScaler客户，针对其计算系统进行软硬件的适配与优化，这也就意味着，从经济意义上来看，它必须挑客户。
到这里，技术故事讲完了。一颗工程上有真本事的大芯片，从训练市场退了出来，在推理市场找到了一条高吞吐路径，但这条路径必须靠少数大客户和深度适配才能走通。
2026 年 1 月，Cerebras 公开宣布与 OpenAI 的多年合同，金额“超过 200 亿美元”，部署 750MW 高速 AI 推理算力，双方共同设计未来模型与硬件。这是 Cerebras IPO路演中很重的一句线文件中，这句话却成为了一组互相咬合的合同条款，需要拼起来才能看到全貌。
把这三件事放在一起看，OpenAI与Cerebras之间走的是一个完整的资金闭环：
这是一笔以“算力期权 + 股权认购权”打包的交易，被会计准则切成三张表，但商业实质是同一笔生意。
也就是说，Cerebras 2025 年报告口径里的所有收入与毛利率，都还没有扣过 OpenAI 这笔账。
全部OpenAI Warrant按授予日公允价值约27.4亿美元计算，其中约15.4亿美元对应已归属及被公司判断为probable的部分，将自2026年一季度起随OpenAI收入确认节奏冲减收入；剩余约12亿美元则主要取决于OpenAI是否行使额外容量选择权及后续交付进度。
今年2月24日，AMD与Meta达成了一项为期五年、总规模超千亿美元的战略合作，根据协议，Meta将在未来五年内部署6GW算力规模的AMD GPU集群。作为对价，AMD向Meta授予最多1.6亿股、约占总股本10%的业绩型认股权证，行权价仅为每股0.01美元的象征性水平。
再看毛利率，从2024年的42.3%降到2025年的39.0%，其在MD&A里提到云业务占比上升，与数据中心成本相关的项目也稀释了毛利，与此同时，未来还将出现客户认股权证冲减收入。换句线%的毛利率，毛的有点毛骨悚然：上市后，OpenAI 和AWS的认股权证所带来的的影响一旦从 2026 年 Q1 开始确认，毛利率算起来就更低了。
S-1中附注的Note 5里明确写到：G42和MBZUAI在ASC 850下被认定为相互的关联方。也就是说，Cerebras在2024和2025两年里，几乎全部收入都来自一组在会计上可以视为“同一客户阵营”的阿布扎比实体。应收账款来看集中度更夸张——2024 年末G42占91%的应收账款，2025 年末MBZUAI占 77.9%。
从整个客户组合来看：2025年86%的收入来自一个相互关联的阿联酋客户组合，剩余约 14% 是其他长尾客户，OpenAI在2025年财报里还没有真正开始确认收入。Cerebras 当下的产品需求被锁在一个非常窄的客户面里，而向前看，IPO 之后的收入故事高度依赖 OpenAI——而 OpenAI 这个故事，又必须用Warrant 当作配套条件才成立。
这就是一家在上市前投资份额被疯抢的明星AI芯片公司的真实技术、产品、客户、营收和利润状况！
Wafer-Scale Engine算是过去十年最有辨识度的AI芯片项目，后期重新定位的“超高速推理”作为产品定位也跑出了市场——OpenAI 的 Codex-Spark 模型在 2026 年 2 月已经跑在了Cerebras上对外服务。在Nvidia锁死训练侧、推理侧仍存在多种架构机会的当下，在全球资本市场为AI产业疯狂砸钱的当下，Cerebras选择此时上市，也是煞费苦心。
但如果在二级市场真金地白银投票，还是要在这些故事之外，仔细研究几个非常具体的问题。
问号三：客户结构能不能从“主权 AI 项目承包商”切换为“AI推理基础设施公司”？2024–2025 两年 86%–85% 的收入来自互为关联方的 G42 + MBZUAI 组合，收入集中度太高。这种集中度在传统工业品业务里可以被解释为“早期单点突破”，但对一家标榜为世界顶级AI芯片公司来说，它意味着估值锚是不稳定的。OpenAI 的引入能否在2026–2027年真正稀释这种集中度，要看后续的实际收入分布——而不是合同金额和市场叙事。
问号四：WSE-4 能不能补齐架构层面的短板？当前 WSE-3 有三个工程缺口：缺乏 FP8 / MXFP / FP4 等低精度浮点支持、片外和片间互连的带宽极度不足等远不够支撑大模型 KV Cache、以及其核心粒度太小给编译器和数据映射带来高复杂度。Cerebras 自己也承认推理经济性高度依赖片上 SRAM。如果 WSE-4 不完成数量级别的改善，超高速推理的故事就不那么完备。产品层面客观地说，在芯片硬件既定的情况下，软件无法进行数量级别地优化系统能力，毛利率的改善必须靠硬件架构层面实打实地获取！
问号五：这套“认股权证（Warrant）换订单”的模式，二级市场愿不愿意买单？Meta 接受过 AMD 的Warrant，AWS也拿了Cerebras的Warrant，OpenAI 拿了Cerebras 更激进的Warrant，国内已上市和正在IPO的几家AI芯片公司也在用各自版本的客户股权激励换订单。
这种模式它能不能每次都跑成功，且一直可以跑下去，我们需要拭目以待。这次Cerebras的IPO，会是这个模式在国际资本二级市场上进行的压力测试。