Cerebras — Faster Tokens Please — Semianalysis 重點整理

快速 token 需求崛起：SRAM 機器的市場時刻

—Opus 4.6 fast mode 以 6x 價格換 2.5x 速度，仍佔 SemiAnalysis 80% AI 支出，說明 developer 在一定智能門檻後更偏好速度；這是 SRAM 機器從邊緣走向主流的結構性轉折。Andrej Karpathy 等人之前認為原始智能遠比速度重要，但市場用真實消費行為否定了這一假設。

AI算力 ↑看多中期

快速 token 需求已從利基場景擴散至 agentic coding workflow 的主流；frontier labs 同時推出 fast/standard/batch 多層定價，驗證用戶願意為互動性付溢價。SRAM 機器從「理論有趣」到「有人真的付 6 倍」的市場拐點已確立，替代 HBM 加速器的窗口正式打開

WSE-3 架構：SRAM 優勢與算力侷限

—WSE-3 在 TSMC N5 上製造，整顆晶圓 44GB SRAM、21PB/s 頻寬，在 low arithmetic intensity 的 decode kernel 上理論算力遠超 HBM GPU。但 dense FP16 FLOPs 僅 15.6 PFLOPS（Feldman's Formula 8:1 稀疏係數撐出 125 PFLOPS 的行銷數字），單 Rubin GPU 的 FP4 算力即可超越整顆 WSE-3，算力密度並不出眾。
—WSE-3 BOM 成本約 $450k/rack（已反映記憶體漲價），遠高於矽含量所暗示的成本：TSMC N5 晶圓僅 $20k，但每批次客製 mask、Vicor 電源模組、客製液冷方案均為重大成本項。

半導體中期

WSE-3 架構在 decode 工作負載上的記憶體頻寬優勢是真實的，但行銷的 125 PFLOPS 採用 8:1 稀疏係數，實際密集算力僅 1/8；加上 BOM 成本高達 $450k/rack，導致單位算力成本競爭力仍有疑問。Cerebras 的技術護城河在於晶圓級 SRAM 頻寬，而非純算力，評估時不能用傳統 FLOPS 框架

SRAM Scaling 停滯：Cerebras 技術天花板

—WSE-1（N16）→ WSE-2（N7）SRAM 增長 2.2x；WSE-3（N5）僅增 10%，而同節點邏輯電晶體增長 50%。N3E 相對 N5 的 SRAM bit cell 幾乎無縮小，N2 及以後同樣停滯。
—CS-4 將繼續使用同一顆 N5 WSE-3，僅提升時脈，SRAM 容量不變——這直接承認了 scaling 牆的存在。$NVDA Groq LP40 路線圖透過 hybrid bonding 疊加 SRAM tile 解決同樣問題，Cerebras 的 wafer-on-wafer bonding 探索面臨更高熱機械挑戰。

先進製程 ↓看空長期

SRAM bit cell 在 N5 以後實質停止縮小，對所有以 SRAM 為核心的加速器架構（尤其是 Cerebras）形成長期制約；N2 / A14 節點並未改善這一狀況。SRAM scaling 已死，Cerebras 未來 SRAM 容量增長只能靠晶圓面積或 WoW bonding，兩條路都比 HBM scaling 困難，是結構性不利因素

I/O 頻寬瓶頸與 Pipeline Parallelism 的強制選擇

—WSE-3 off-wafer 頻寬僅 150GB/s（1.2Tb/s），是 Blackwell NVLink5 單 GPU 900GB/s 的 1/6。根本原因在於晶圓級 uniform tiling 的物理限制：所有 reticle 必須一致，無法只在邊緣 reticle 放 PHY，導致 SerDes 加密度無解。
—實際部署中 Cerebras 被迫使用 pipeline parallelism：Llama3 70B 分散 4 顆 WSE-3 僅傳遞 activations。但大型模型（DeepSeek V4 1.6T 參數）需要大量 WSE，pipeline bubble 與 KV cache 傳輸延遲成為主要成本，ironically 違背晶圓「在小 batch size 跑極快」的核心設計哲學。

AI基建中期

Cerebras 的 I/O 限制源於晶圓級架構的物理本質，非工程疏失；解法是 hybrid bonded photonic wafer（與 Ranovus 合作），但 wafer-on-wafer 光子整合面臨熱敏感性與光纖耦合挑戰，時程高度不確定。在解決方案成熟前，Cerebras 的可部署模型上限事實上被鎖定在 ~120B 參數、短 context 的推論場景

Cerebras × OpenAI 大單：機遇與集中度風險

—OpenAI 承諾採購 750MW 推論算力（2026-2028 分批交付），形成 $24.6B remaining performance obligations；另有 1.25GW 選擇權。OpenAI 同時是 secured lender（$1B 工作資金貸款）、最大 warrant 持有人（可能持有 fully diluted 12% 股份），三重角色高度捆綁。
—Cerebras IPO 前景被 GPT-5.3-Codex-Spark（gpt-oss-120b 蒸餾模型）在其硬體上實現 2000 tok/sec 帶動，但 Spark 本質是縮小 10x 以上的蒸餾版本，並非真正前沿模型；大模型在 Cerebras 上的經濟性仍存疑。

AI算力 ↑看多中期

OpenAI 的 750MW 合約將 Cerebras 收入從接近零基礎拉升至數十億美元規模，TSMC wafer loading 已逐季步升以對應交付需求。短期業務確定性極高，但 90%+ 營收集中在單一客戶、OpenAI 同時擔任債主與最大 warrant 持有人，是不對稱的結構性風險，IPO 投資人須充分定價

Cerebras vs HBM GPU：各自勝場分析

—Cerebras 在 low batch size、短 context、小模型（≤120B 參數）的純推論場景中具備速度優勢，理論達數千 tok/sec/user，遠超 HBM GPU 的物理上限。但實際 P50 agentic coding request ISL 約 96.3k token，近 50% 超過 128k——Cerebras 目前的 context window 上限，使其在主流 agentic 工作負載中競爭力受限。

$NVDA ↑看多中期

$NVDA GB300 NVL72 在低互動性（40 tps）比 H100 高 20x 吞吐量、高互動性（120 tps）高 100x，同時支援長 context 與大模型；Groq LP30（NVIDIA licensiquihired）有 9.6Tb/s I/O 準備好 PDD+AFD 推論架構。Cerebras 的速度優勢只在特定窄場景成立，NVDA 的多形態產品線覆蓋更廣，主流大模型推論的格局並未改變

每天早上,收件匣見

53 位中英文財經 KOL 的觀點,每天自動整理成一份日報。免費,隨時可退訂。

免費訂閱