芯片尺寸竞赛新篇章：Cerebras如何以“大”破局，挑战GPU与HBM的既有格局

在AI算力需求指数级攀升的当下，GPU与高带宽内存（HBM）的组合几乎成为大模型训练的代名词。然而，一家名为Cerebras的公司正通过打造“史上最大芯片”的激进路线，试图绕开传统HBM瓶颈，为算力市场提供另一种解题思路。潮起网今日的报道聚焦于这家企业及其技术路径，揭示了在英伟达主导的生态之外，半导体产业正在酝酿的结构性变局。

“大”芯片的底层逻辑：绕过HBM的物理与成本之困

Cerebras的核心策略在于利用晶圆级引擎（WSE）技术，将整个晶圆直接制造成一颗巨大的芯片，而非切割成众多小芯片。这种设计的直接收益在于，芯片内部集成了海量的片上存储与高速互联，从而舍弃了对外部HBM的依赖。与传统GPU需要频繁访问外部显存不同，WSE的片上内存带宽具有数量级上的优势，这或能在处理大模型训练中减少因内存墙带来的延迟与功耗损耗。 这一“舍与得”的背后，是对半导体制造与封装成本的重新计算。值得关注的是，虽然Cerebras的芯片面积远超常规光罩极限，导致其良率管理难度极高，但其试图通过更简洁的互联架构来摊薄单位算力成本。这种技术路线是否能在商业化层面跑通，仍需以最终客户的实际采购作为验证标尺，目前尚属观察阶段。

产业背景：AI算力荒下的结构性替代机会

Cerebras的兴起并非孤例，它折射出当前AI基础设施市场的焦灼状态。据IDC预测，到2027年全球AI服务器出货量将达到200万台，年复合增长率约为22%。然而，高端GPU的供应周期仍在拉长，单一的供应链风险促使云厂商与超大规模算力中心开始寻求异构计算方案。Cerebras的专用集群若能满足特定训练与推理场景，其作为补充性算力池的角色将显得颇为关键。 从市场格局看，英伟达在AI训练芯片市场占据主导份额，这已是行业共识。据Omdia估算，2024年英伟达在全球AI芯片市场的份额超过70%。在此背景下，Cerebras押注的不仅是芯片架构本身，更是一种深度绑定软件生态的平台战略。能否破局，取决于其编译器与开源框架的兼容度，以及能否吸引足够多的开发者群体，这将是其挑战GPU霸权漫长道路上最关键的命门。

算力租赁模式的想象空间与不确定因素

值得深入剖析的是Cerebras的商业模式外延——其已开始提供基于WSE的云服务，这实质上是将硬件优势转化为算力租赁的资本开支游戏。在GPU云服务价格战持续的当下，单位算力成本（如每百万token的推理价格）是决定客户去留的核心。若晶圆级芯片能在特定大模型推理中实现更低的每瓦性能成本，那么它便可能在算力租赁细分赛道中获得立足点。 然而，前景亦伴随风险。晶圆级芯片的制造需要代工厂深度定制产线，其产能爬坡速度与成本曲线存在较大的不可预测性。此外，其散热解决方案的巨大功耗需求，亦对数据中心的基础设施提出了严苛要求。综合来看，Cerebras能否真正撼动传统AI芯片的根基，抑或仅成为边缘计算场景的特定补充，有待观察其后续的订单披露与生态合作伙伴名单。

数据参考

• 行业背景参考数据（非本次新闻发布数据） ：IDC预测，全球AI服务器出货量预计到2027年将达到200万台，2023至2027年的年复合增长率约为22%（来源：IDC，2024年发布/预测）。
• 行业背景参考数据（非本次新闻发布数据） ：Omdia估算，2024年英伟达在全球AI（数据中心）芯片市场的份额超过70%（来源：Omdia，2024年估算数据）。
• 行业背景参考数据（非本次新闻发布数据） ：据SEMI统计，2024年全球半导体设备销售额预计超过1000亿美元，其中先进封装设备占比增长显著（来源：SEMI，2024年年度报告）。
• 本次新闻已确认数据：潮起网报道的新闻标题及摘要中明确指出，Cerebras制造了“史上最大芯片”，并采取“绕过HBM（高带宽内存）”的技术路线；新闻来源为潮起网，发布时间为2026年8月10日（GMT）。关于更多具体营收或出货数据，暂缺可核验信息。 #Cerebras #晶圆级芯片 #AI算力 #GPU替代