Cerebras Systems近日宣布完成11亿美元的Series G融资,融资后公司估值达到81亿美元。领投方包括富达管理与研究(Fidelity Management & Research)与Atreides Management,Tiger Global、Valor Equity Partners与1789 Capital等也参与了本轮融资,现有投资者如Altimeter、Alpha Wave与Benchmark亦追加投资。花旗与巴克莱担任联合配售代理。公司表示,所得资金将主要投向AI处理器技术的进一步研发、扩大美国本土制造能力以及扩展数据中心基础设施,以应对多行业对其AI系统与服务的不断增长的需求。此次融资与随之的战略部署,标志着Cerebras在AI推理与高性能计算领域的地位进入新的发展阶段。 从技术到市场,Cerebras的路线有所不同于传统GPU厂商。
公司的核心硬件是被称为Wafer Scale Engine 3(WSE-3)的巨型AI处理器,官方称其是目前可用的最大AI处理器,体积上是最大GPU的56倍,并且在每单位计算的功耗上更具优势。Cerebras自称自2024年下半年推出推理服务以来,在过去一年中在多种开源及专有模型上实现了比Nvidia GPU高出超过20倍的推理速度,这一性能差距推动了其在需要实时响应的AI应用场景(如代码生成、推理与agent化工作负载)中的客户采用率提升。公司报告称,通过自身云平台、端到端的本地部署与合作生态系统,每月处理的token量达到万亿级别。值得注意的是,AlphaSense、AWS、Cognition、GSK、IBM、Mayo Clinic、Meta、Mistral、Notion以及美国能源部与国防部等在2025年开始采用Cerebras的硬件,用于各类AI负载。 Cerebras的商业模式兼顾硬件销售、云服务与合作伙伴渠道。硬件方面,WSE-3的"晶圆级"设计理念旨在突破传统芯片封装与模块化的性能限制,将更多的计算核心、内存与互联集成在一块超大规模硅晶圆上,以减少跨芯片通信延迟并提高带宽密度。
相较于通过集群GPU横向扩展的方式,晶圆级方案在某些大规模模型推理与训练任务上能够显著降低延迟并提升单实例吞吐量。云服务方面,Cerebras提供基于自身平台的推理能力,使得企业和开发者能够无需采购专用硬件即可体验超低延迟的AI推理。合作渠道则通过与分销商、系统集成商及云提供商的合作,将Cerebras的解决方案推广到政府机构、科研单位与大型企业客户。9月Cerebras与Carahsoft的合作,意在通过后者的分销网络将AI推理解决方案推广到联邦、州与地方政府机构以及教育用户,这也反映出Cerebras在公共部门市场的拓展策略。 行业竞争层面,Nvidia长期主导GPU市场,形成强大的软硬件生态与开发者社区。Cerebras试图以差异化的硬件设计与面向推理的高性能表现切入市场。
公司宣称在某些推理任务上相较于Nvidia GPU具有超过20倍的速度优势,但具体性能常常取决于模型架构、批处理策略、延迟要求与系统集成方式。企业在评估替代或补充Nvidia方案时,不仅会关注原始运算性能,还会考量软件兼容性、开发工具链、生态成熟度、总拥有成本(TCO)以及长期支持策略。Cerebras在这些维度上持续投入,尤其是在软件栈、模型适配工具与合作伙伴集成方面的努力,将直接影响其能否在多样化的企业工作负载中实现规模化部署。 制造与供应链方面,Cerebras计划将部分资金用于扩大美国本土的制造能力。晶圆级芯片的生产对制造工艺、封装和测试提出更高要求,尤其在良率与成品率控制方面存在特殊挑战。将制造能力本地化可以为公司带来更高的供应链控制力、减少地缘政治与物流风险,并可能在争取政府合同时具备优势。
与此同时,本土制造也意味着高昂的资本支出与运营成本,需要时间来平衡产能利用率与成本曲线。对于企业客户而言,网络安全、数据主权与合规要求常常推动其选择在本土部署硬件,这为Cerebras的制造扩张提供了明确的市场驱动力。 在客户层面,Cerebras已经获得了科研机构、制药公司、云服务提供商与国防科研部门的试点与项目采用,这表明其解决方案在高性能计算与特定推理场景中具有吸引力。像制药与医疗研究领域,低延迟与高吞吐的模型推理可以加速分子模拟、基因组学分析与临床决策支持,从而缩短研发周期与提升研究效率。对金融与企业级应用而言,实时推理可支持更复杂的决策流程与交互式智能系统。Cerebras强调其平台适配多种部署模式,包括本地部署与云端托管,旨在兼顾对延迟、隐私与合规有严格要求的客户需求。
从投资角度看,本轮融资在AI基础设施领域释放了积极信号。领投的机构背景显示,传统资产管理与成长型基金均对AI硬件成长路径持长期看好态度。Cerebras的上一轮融资为2021年11月的Series F,融资250万美元并达到超过40亿美元估值。两轮融资的估值近两年间实现明显增长,反映了市场对AI推理能力的关注度上升以及企业对差异化硬件解决方案需求的增强。对于Cerebras而言,资金不仅提供短期扩张动力,还能在竞争激烈的AI硬件赛道中支撑研发投入与生态构建。 然而,未来发展仍面临一些不确定性与挑战。
首先,技术可扩展性与软件兼容性是长期竞争力的关键。硬件虽然是基础,但是否有完善的模型编译器、调度器、监控工具与开发者支持,决定了客户迁移成本与运维复杂度。其次,市场教育成本较高,企业决策者在替换或补充现有GPU集群时,需要评估迁移风险与长期可维护性。第三,晶圆级芯片的制造良率、供应链稳定性与成本结构也将直接影响产品定价与市场渗透速度。 在生态建设方面,Cerebras需要继续拓展合作伙伴与开发者社区。开放与兼容主流框架(如PyTorch、TensorFlow)以及与开源模型社区的联动,会大幅降低采用门槛。
公司已经通过与Hugging Face等平台的接入,让个人开发者有机会体验其平台,这有利于在研究与开发社区中培育口碑。对企业客户而言,丰富的案例库、性能基准与行业解决方案将有助于推动采购决策。 政策与监管环境也是不可忽视的因素。随着AI在政府与军工领域的应用增多,相关采购通常伴随合规、审查与长期维护的严格要求。Cerebras与Carahsoft的合作显示公司在争取公共部门项目方面有明确动作,但政府合同往往需要长期投入与多方审批,硬件供应商需具备持续交付与本地化支持能力。 展望未来,Cerebras所走的路径兼具技术创新与商业挑战。
若其WSE-3与相关软件栈如期实现声明中的效能与可用性优势,并在制造与生态层面稳步推进,公司有望在AI推理与高性能计算市场中占据一席之地。与此同时,市场格局仍由多方参与者共同塑造,Nvidia、AMD、各种定制加速器与云原生推理服务均在持续迭代。最终能否实现广泛商业化,不仅取决于单一技术指标,更依赖于整体解决方案的成熟度、成本效益与生态支撑。 Cerebras CEO安德鲁·费尔德曼(Andrew Feldman)曾表示,公司自成立以来一直得到业内最有见识的投资者支持,他们看到了AI的历史性机会并选择投资Cerebras。如今,随着11亿美元的注资与81亿美元的估值,公司进入了一个新的扩张期。对于关注AI基础设施的企业、研究机构与投资者而言,Cerebras的下一步动作值得持续观察:它能否将"晶圆级"优势转化为真正的行业标准,能否通过本土制造与数据中心扩展降低部署门槛并提高市场占有率,都是未来数年内行业格局演变的关键变量。
无论结果如何,这轮融资代表了对多样化AI硬件路线的市场认可,也进一步推动了AI底层基础设施的竞争与创新。 。
