2026年8月12日，AI芯片公司Cerebras Systems发布2026财年第二季度财报。核心营收达到2.099亿美元，同比增长103%，创下历史新高。这一数据的含义已超出单家公司的业绩波动范围——它标志着晶圆级芯片（Wafer-Scale Engine）这一曾被视为"实验室概念"的技术路线，正式获得了产业客户的规模化采购验证。
在英伟达GPU长期主导AI算力市场的格局下，Cerebras的高速成长释放出明确信号：AI硬件赛道正在摆脱单一路线依赖，晶圆级芯片、存算一体、专用推理芯片等多元化方案正在迎来规模化商用窗口期。
整片晶圆即一颗芯片：WSE-3的架构逻辑
理解Cerebras的商业数据，需要先理解其技术路线与主流GPU的根本差异。常规芯片制造流程会将整片300mm硅晶圆切割为数百颗独立裸片，每颗裸片封装为一颗GPU或其他处理器。Cerebras选择了相反的路径：保留整片晶圆的完整形态，通过跨曝光区域互连，将其组织为一个连续的逻辑系统。
第三代产品WSE-3采用台积电5nm工艺制造，芯片面积达46,225平方毫米，约为英伟达H100（826平方毫米）的57倍。这颗"餐盘大小"的芯片集成了4万亿个晶体管、90万个AI计算核心，以及44GB片上SRAM缓存。片内互连带宽达到21PB/s，峰值算力为125 PFLOPS。
这一架构设计的核心目标，是解决长期困扰AI计算的"内存墙"问题。在传统GPU集群中，模型权重存储在HBM显存中，计算单元需要频繁跨芯片、跨节点搬运数据。当万亿参数大模型进行推理时，数据传输延迟成为制约吞吐率的主要瓶颈。WSE-3将44GB片上SRAM直接嵌入计算核心阵列旁侧，模型权重可以常驻片上，token在流水线化的各层之间连续流动，从根本上绕开了显存带宽瓶颈。
Q2财报数据：云服务成为增长引擎
Cerebras本季度的财务结构呈现出显著的分化特征。核心云及服务收入达到1.277亿美元，同比增长287%，受益于OpenAI的大规模上量部署，已成为公司增长的主引擎。硬件收入为0.821亿美元，同比增长17%，增速受大单交付节奏扰动。核心毛利率改善至40.6%，同比提升940个基点。
截至6月30日，公司剩余履约义务（RPO）超过254亿美元，尚未包含AWS等超大规模厂商的潜在订单。期内签署6笔超过3000万美元的企业级交易，客户包括Figma、Cognition、Block、葛兰素史克（GSK）和CrowdStrike等。
这一订单结构的扩展尤为关键。早期Cerebras的客户高度集中于超算云厂商，如今客户群体已向编码工具、安全分析、制药等应用层企业扩散，表明晶圆级芯片的适用场景正在从基准测试走向生产环境部署。
解耦推理：与AMD和AWS的异构协作
Cerebras在Q2财报中披露的另一个重要进展，是与AMD和AWS推进的"解耦推理"合作方案。这一方案将大模型推理过程拆分为两个阶段：预填充（prefill）和解码（decode）。
预填充阶段处理用户输入的提示词，需要高并行度和密集算力，由AMD的Helios机架级AI基础设施承担。解码阶段逐token生成输出，对内存带宽高度敏感，由Cerebras的WSE-3负责。由于WSE-3的片上SRAM使模型权重无需跨芯片搬运，解码阶段的token生成速度得以大幅提升。
Cerebras公布的数据显示，其系统支持OpenAI GPT-5.6 Sol模型以每秒750个token的速度运行。在Humanity's Last Exam测试中，基于Ultrafast模式的GPT-5.6 Sol完成全部2500道题耗时11小时11分钟，对比Fable 5方案的78小时27分钟，两者准确率相当，速度差距显著。
AWS Bedrock平台预计于2027年第一季度上线Cerebras推理服务。这意味着任何AWS现有客户都可以像调用其他AWS服务一样，通过Bedrock直接使用Cerebras驱动的高速推理能力，无需自行采购和运维硬件系统。
产能与交付：下一个瓶颈
尽管订单储备充裕，Cerebras管理层明确指出数据中心可用性是当前增长的首要瓶颈。为此，公司已锁定2027年前超过600兆瓦的数据中心容量，并计划在2026年将制造产出提升至2025年的10倍以上。
产品路线图方面，第四代CS-4系统即将发布，CS-5预计2027年下半年推出。公司同时与台积电保持密切合作，以确保晶圆级芯片的制造产能能够匹配订单履约需求。CEO Andrew Feldman将2026年定义为"奠基之年"，核心任务是为254亿美元订单的履约做好准备。
产业影响：算力多元化格局加速形成
Cerebras的商业验证对AI硬件产业格局具有多重启示。
其一，GPU不再是AI算力的唯一解。当推理市场规模超过训练市场，专用推理芯片的架构优势开始转化为商业价值。Cerebras的云服务收入同比增长287%，说明客户愿意为低延迟推理支付溢价。
其二，异构协作正在成为新范式。Cerebras与AMD的解耦推理方案表明，未来AI数据中心可能不再是同质化GPU集群的简单堆叠，而是根据工作负载特征，由不同架构芯片协同完成推理流水线。
其三，晶圆级芯片路线的验证为半导体设计打开了新的思路空间。当先进制程微缩的成本和难度持续攀升，通过增大芯片面积、提升片上集成度来突破性能瓶颈，提供了有别于制程追赶的另一条路径。
WSTS预测2026年全球半导体市场规模将达到1.51万亿美元，其中AI相关需求是最大增量来源。在这一背景下，Cerebras的营收翻倍不仅是一家公司的业绩里程碑，更是AI算力基础设施走向多元化的标志性事件。
