最近 AI 圈真的很像 Marvel 宇宙。
你以為大魔王只有 NVIDIA 一個，結果突然有人從旁邊開著超巨大鋼鐵機甲衝出來，大喊：
「不好意思，我不是來做比較便宜 GPU 的，我是來重新定義 AI 電腦長什麼樣子的。」
這家公司，就是最近於美股掛牌上市的 Cerebras Systems。
而且它最狂的地方，不是「想挑戰 NVIDIA」。
而是它的打法根本不像一般晶片公司。
別人是在做：
「更快的 GPU」
它是在做：
「如果我們乾脆把整片晶圓直接拿來當晶片，會怎樣？」
聽起來像工程師熬夜熬到第七天後的失控提案。
結果它真的做出來了。
而且還真的有人買單。
Cerebras 到底是什麼公司？
先講白話版：
如果 NVIDIA 像是「超強跑車工廠」，
那 Cerebras 比較像：
「直接把整條高速公路做成一顆引擎。」
這家公司成立於 2016 年，核心目標非常單純：
「AI 模型越來越大，GPU 的堆疊方式快撐不住了。」
現在大型 AI 模型最大的問題不是算力不夠。
而是：
- GPU 太多
- 資料搬運太慢
- 功耗太高
- 延遲越來越誇張
- 伺服器像在玩接水管
你會發現：
現在很多 AI 訓練，其實不是卡在「不會算」。
而是卡在：
「資料搬來搬去搬到塞車。」
這就像：
你請了 1000 個廚師。
結果大家都在等電梯送菜。
Cerebras 的超狂護城河：Wafer Scale Engine（晶圓級晶片）
這就是 Cerebras 最有名的東西。
也是它真正的靈魂。
它沒有把晶圓切成很多小晶片。
它直接：
「整片拿來用。」
正常晶片製造流程：
晶圓 → 切割 → 一顆顆晶片
但 Cerebras 說：
「不要切。」
於是它做出了：
WSE（Wafer Scale Engine）
世界最大 AI 晶片。
有多大？
大到像：
「把整塊披薩直接插進主機板。」
它的 WSE-3：
- 超過 4 兆個電晶體
- 90 萬個 AI 核心
- 幾乎整片晶圓大小
- 記憶體與運算距離極短
這帶來一個非常重要的優勢：
超低延遲。
因為資料不用一直：
GPU A → GPU B → GPU C → 網路 → HBM → 回來
它很多東西直接在「同一片巨型晶片」完成。
這概念其實很像：
NVIDIA 是很多高手一起打籃球。
而 Cerebras 是：
「乾脆做一個身高 50 公尺的巨人自己灌籃。」
為什麼 AI 世界會開始注意 Cerebras？
因為現在 AI 模型真的太肥了。
像：
- GPT
- Claude
- Gemini
- 各種大型推理模型
都進入：
「參數怪獸化」時代。
以前模型是：
「一台車可以載。」
現在是：
「搬家貨車還超載。」
而當模型越大：
資料傳輸成本就越痛苦。
這時候 Cerebras 的架構突然變得很香。
因為它不是靠：
「更多 GPU」
而是靠：
「減少資料搬運。」
這其實是 AI 下一階段很重要的方向。
因為未來 AI 最貴的，可能不是晶片。
而是：
- 電力
- 網路
- 散熱
- 傳輸
- 基礎設施
你現在看到很多 AI 資料中心，根本不像機房。
比較像：
「核電廠旁邊的超大型暖氣機。」
Cerebras 有哪些新技術？
1. 晶圓級 AI 晶片（WSE）
這是核心。
目前全世界幾乎沒幾家公司敢這樣玩。
因為難度極高。
你想想：
一般晶片只要某個區塊壞掉，切掉即可。
但你整片晶圓都拿來當晶片：
「只要有地方壞掉，可能整片報廢。」
所以 Cerebras 還發展了：
AI 晶片容錯技術。
簡單說：
即使局部有缺陷。
系統也能繞路。
有點像：
導航突然說：
「前方施工，請右轉。」
2. 巨量記憶體整合
AI 最怕：
GPU 在等資料。
所以 Cerebras 很重視：
- On-chip memory
- 高速互連
- 超大頻寬
目的就是：
「讓 AI 不要一直發呆等資料。」
3. AI 超級電腦整合
它現在不只賣晶片。
還開始賣：
AI 超級電腦整套方案。
這代表它想學的其實不只是 NVIDIA。
而更像：
AI 世界的 Oracle + NVIDIA + 超算公司。
它希望企業不用研究：
- GPU 怎麼串
- 網路怎麼接
- 散熱怎麼搞
直接：
「整包買回去就能跑 AI。」
這其實是很聰明的策略。
因為未來很多企業缺的不是 GPU。
而是：
「懂怎麼把 GPU 用起來的人。」
它背後有哪些支持者？
這家公司能走到上市，其實背後有不少重量級資本。
包括：
- Benchmark
- Coatue Management
- SoftBank Group
- Alpha Wave Global
而且它也跟不少大型雲端與超算機構合作。
原因很簡單：
大家都怕 AI 世界只剩 NVIDIA 一家。
現在很多科技公司看到 NVIDIA 的感覺像：
「房東突然開始漲房租。」
你不用也得用。
價格還不能抱怨。
所以市場非常渴望：
第二勢力。
Cerebras 為什麼能成為 NVIDIA 競爭者？
因為它不是從「小 GPU」開始競爭。
它直接換遊戲規則。
這很重要。
很多公司挑戰 NVIDIA 的方式是：
- 更便宜
- 更省電
- 更高 CP 值
但 Cerebras 的思維是：
「GPU 堆疊本身可能就不是終點。」
這就像：
別人在研究：
「如何讓馬車跑更快。」
它突然開出一台高鐵。
Cerebras vs NVIDIA 到底差在哪？
NVIDIA 優勢
1. 生態系超巨大
CUDA 幾乎已經變 AI 世界的 Windows。
工程師超熟。
軟體超完整。
這是 NVIDIA 最大護城河。
不是晶片。
而是：
「全世界工程師的大腦習慣。」
這超難改。
2. 客戶超穩
包括：
- Microsoft
- Amazon
- Meta
幾乎全部都深度綁定。
這不是一天能搶走的。
3. 軟硬整合成熟
從：
- GPU
- 網路
- CUDA
- DGX
- AI 工具鏈
NVIDIA 幾乎全包。
現在已經有點像：
「AI 世界的 iPhone 生態。」
Cerebras 的優勢
1. 超大型模型效率可能更強
尤其是：
- LLM
- 超大參數模型
- 推理加速
有些場景真的很猛。
2. 資料搬運成本低
未來 AI 最大瓶頸之一。
它可能剛好打中痛點。
3. 不走 GPU 傳統架構
這讓它有機會：
「在下一世代 AI 架構換軌時超車。」
Cerebras 的缺點也很明顯
1. 生態系遠輸 NVIDIA
這是最大問題。
很多企業不是不想換。
而是：
「不敢換。」
因為一改架構：
工程團隊可能直接爆炸。
2. 成本與良率壓力超大
整片晶圓當晶片。
聽起來很帥。
但：
製造難度超恐怖。
只要良率不好。
成本可能直接飛天。
3. 市場教育成本高
它不是「更好的 GPU」。
它是：
「完全不同邏輯。」
這需要企業重新理解。
它會改變未來嗎？
我覺得：
很有可能。
但未必是「全面取代 NVIDIA」。
比較像：
「逼整個 AI 產業重新思考架構。」
這很重要。
因為現在 AI 發展開始遇到：
- 電力牆
- 傳輸牆
- 散熱牆
- 成本牆
未來可能不是：
「誰 GPU 最強。」
而是：
「誰能讓 AI 系統整體效率最高。」
這也是為什麼：
現在越來越多公司開始研究：
- ASIC
- CPO
- 光互連
- Inference chip
- Wafer-scale AI
因為大家都知道：
單純堆 GPU 不可能永遠有效。
Cerebras 最大的價值，可能不是打敗 NVIDIA
而是：
「讓 AI 世界開始出現第二種可能性。」
這其實超重要。
因為科技史常常如此：
第一代霸主通常定義市場。
但真正改變世界的。
有時候是：
那個完全不照規則玩的瘋子。
最後總結：Cerebras 像不像 AI 世界的「巨型鋼彈實驗機」？
非常像。
它現在給人的感覺就是：
「超巨大、超前衛、超燒錢、但也超有未來感。」
你不一定會立刻看到它打爆 NVIDIA。
但它很可能：
逼得整個 AI 晶片產業開始變形。
因為當 AI 模型越來越大。
世界終究會開始問：
「我們真的還要一直瘋狂堆 GPU 嗎？」
而 Cerebras 的答案是：
沒有留言:
張貼留言