Cerebras Systems 深度研究报告

投资摘要

**一句话定义：**Cerebras 不是单纯的“AI 芯片公司”，也还不是成熟意义上的“AI 云公司”；更准确的定义是：以 wafer-scale 芯片为核心、向上延伸系统与云交付的垂直整合 AI 基础设施公司。这一定位决定了它不能简单套用 Nvidia 式高毛利芯片估值，也不能在云业务尚未成熟前直接享受高质量经常性软件/云平台估值。

我的核心结论是：**技术真实、产品有差异、客户背书强，但当前股价已经把大量“OpenAI/AWS 顺利放量 + 云收入高毛利化 + 客户集中度快速下降 + 成为非 GPU 推理标准之一”的乐观预期提前计入。**在 2026 年 5 月 14 日上市首日，Cerebras IPO 定价为每股 185 美元，完全摊薄估值约 564 亿美元；首日开盘一度对应约 1,067 亿美元完全摊薄估值，收盘市值约 669.5 亿美元。相对于 2025 年 5.10 亿美元收入，这意味着市场在 IPO 价上已经给予约 111 倍市销率，在首日收盘价上约 131 倍市销率；若以 2025 年 39% 毛利率估算，市场给予的 EV/毛利倍数更处于极端区间。

从投资框架看，Cerebras 的多头逻辑很清楚：第一，WSE-3/CS-3 确实在超低时延、高 token throughput、减少跨芯片通信复杂度方面形成了区别于 GPU 的架构路径；第二，OpenAI、AWS、G42/MBZUAI 等关系把公司从“技术样机”推进到了“真实大客户容量采购”的阶段；第三，行业需求正在从训练主导转向推理主导，而推理对时延、功耗、单位 token 成本和部署复杂度更敏感，这正是 Cerebras 的强项。官方资料显示，WSE-3 采用 5nm 制程，拥有 4 万亿晶体管、90 万个 AI optimized cores、44GB 片上 SRAM 与 21PB/s 内存带宽；CS-3 可扩展至 24 万亿参数单逻辑设备训练，Cerebras 在公开材料中还宣称其推理速度可达到行业领先水平。AWS 也已宣布将在其数据中心部署 Cerebras，并通过 Amazon Bedrock 提供相关能力；OpenAI 则宣布将把 750MW 的低时延 AI 算力接入其平台。

但空头逻辑同样强：第一，历史收入质量并不高，2023 年 G42 占收入 83%，2024 年上半年 G42 占收入 87%；到 2025 年，G42 与 MBZUAI 两家客户合计仍占收入 86%，而截至 2025 年末，MBZUAI 占应收账款 77.9%，2024 年末 G42 占应收账款 91.0%。这说明公司过去的增长高度依赖少数战略客户，而非广泛、重复验证后的横向市场渗透。第二，OpenAI 合同虽然显著提高了收入可见性，但 SEC 披露也显示该合作伴随锁箱账户、营运资金贷款、交付进度约束、终止与延迟条款，这意味着它不是“轻资产软件订单”，而是带有强执行与资金约束的基础设施承诺。第三，软件生态仍远弱于 CUDA；Cerebras 的平台更像在特定工作负载上“绕开 GPU 分布式复杂性”的专用加速路线，而不是对通用 GPU 生态的全面替代。第四，若公司为了兑现 OpenAI/AWS 等合同不得不自建更多云容量，其商业模式会从“卖系统”进一步偏向“重资本数据中心运营”，这会压低可比估值中枢。

基于以上，我的初步评级倾向是：谨慎。这不是因为公司没有技术，而是因为当前估值隐含的基本面兑现门槛已经很高。若把 Cerebras 当作早期硬件/系统公司看，它明显过贵；若把它当作未来高增长 AI infrastructure platform 看，市场则要求其在未来三到五年把 OpenAI/AWS/G42 订单顺利转化为数十亿美元收入、把云/服务收入占比提升到 50% 左右、把客户集中度显著降到 40% 以下，同时把毛利率逐步抬升到 50% 以上。这不是不可能，但它要求执行、融资、供应链和产品路线几乎同时成功。

一页核心观点

上表基于 Cerebras SEC/官方资料、OpenAI/AWS/G42/MBZUAI 官方公告以及 Reuters/FT/Barron’s 等报道整理。

公司与商业模式

Cerebras 由 Andrew Feldman、Gary Lauterbach 等人在 2015 年创立，核心团队来自 SeaMicro；SeaMicro 在 2012 年被 AMD 收购，这段背景为公司带来了服务器、系统设计与资本市场叙事上的初始可信度。公司 2024 年曾首次递交 IPO 文件，但随后因 G42 相关持股与国家安全审查而延后，2025 年 10 月撤回旧申请，2026 年 4 月重新公开披露，并于 2026 年 5 月完成上市。Reuters 报道指出，这一过程与 CFIUS 对阿布扎比科技集团 G42 投资的审查直接相关。

从产品矩阵看，Cerebras 的核心并不是单一芯片，而是**“芯片 + 系统 + 集群 + 云 + 软件”**。官方与招股资料显示，公司的核心硬件是 WSE-3；系统侧产品是 CS-3；集群侧可扩展为 Wafer-Scale Cluster；云侧提供 Cerebras Cloud / Cerebras Inference；软件侧则围绕 PyTorch 兼容、weight streaming、cluster execution、SDK 与 API 形成一整套开发与部署工具。公司在 SEC 文件中明确写道，客户既可以购买本地部署的 AI 超算系统，也可以通过 Cerebras Cloud 或合作伙伴云以 consumption-based 模式购买算力。

这意味着公司有四层可能的收入来源。第一层是硬件系统销售，在会计上通常按时点确认收入；第二层是云推理/训练服务，更接近容量交付或按用量收费；第三层是软件、支持、专业服务，部分按时点、部分按期间确认；第四层是战略客户长期容量合同，其实质更接近“算力可用性 + 服务履约”的混合模式。Cerebras 2024 年 S-1 披露，公司硬件收入按时点确认，而服务及其他收入既可能按时点也可能按期间确认；2024 年上半年总收入 1.364 亿美元中，硬件收入 1.043 亿美元、服务及其他收入 3,213 万美元。

商业模式演变也很关键。历史上，Cerebras 的收入主要来自系统销售，这解释了为什么 2022-2024 年收入确认更像硬件公司；但 2026 年之后，随着 OpenAI/AWS 关系推进，公司叙事明显走向“云容量 + AI 基础设施服务”。SEC 摘要与媒体都指出，公司历史收入主要来自硬件系统销售，而云业务仍处在非常早期，且需要显著的数据中心容量与资本开支。换言之，公司正在尝试从“卖设备”升级到“卖可用算力”，这是潜在估值上修的来源，也是未来资产负债表风险的来源。

产品与收入模式拆解

表中“收入确认特征”主要依据 Cerebras 2024 年 S-1 披露，“毛利率潜力/现金流特征/扩展性”为分析师判断。

我对这种模式的判断是：**Cerebras 的长期上限取决于云/容量化，而不是一次性系统销售；但它的当前财务基础仍主要来自系统与战略客户大单。**因此，估值上不能把“未来可能成为高毛利云平台”的远景，直接全部贴现到今天的营收质量上。

技术护城河

Cerebras 的技术护城河不是“全面优于 GPU”，而是在特定维度极端优化：把大量原本分散在多 GPU、多层交换、多级内存之间的通信与调度复杂度，前移到单 wafer 巨芯片和配套系统设计中。因此，它在“低时延、大上下文、减少分布式工程复杂度”的工作负载上可能非常强，但在“生态通用性、开发者迁移、主流训练 pipeline 兼容性”上仍弱于 Nvidia。

架构优势与边界

官方资料显示，WSE-3 是迄今规模最大的商用 AI 芯片，面积 46,225 平方毫米，拥有 4 万亿晶体管、90 万个 AI 优化核心、44GB 片上 SRAM 和 21PB/s 内存带宽；公司称其为“市场上唯一的 wafer-scale chip”。与传统 GPU 依赖多颗芯片 + HBM + NVLink/NVSwitch 的扩展路径不同，Cerebras 试图用超大单芯片降低跨芯片通信惩罚，把更多数据留在片上或以 weight streaming 方式按层加载。Hot Chips 2024 的演讲材料也强调，Cerebras 集群能够用 data parallelism only 模式扩展，避免复杂的 hybrid model parallelism。

这种架构的优势最容易体现在低延迟推理、实时 agent、语音交互、代码助手、reasoning loop 等对 time-to-first-token 与 token generation latency 尤其敏感的场景。OpenAI 官方在宣布合作时明确强调，接入 Cerebras 的目标是“让 AI 响应更快”；Cerebras 自身也把 Codex-Spark、实时 coding、voice AI、agentic workflows 作为典型场景。Cerebras 2024 年 10 月公布的推理口径中，Llama 70B 已达到 2,100 tokens/s；OpenAI 2026 年 2 月发布 Codex-Spark 时则称，在 Cerebras 优化硬件上可实现每秒超过 1,000 tokens。

但它的边界也非常清晰。第一，44GB 片上 SRAM 很大，但并不意味着“大模型权重天然全部在片上”；weight streaming 文档说明，神经网络模型可以一层一层加载，这本质上说明系统级仍需依赖外部权重流和集群级存储/互连来支撑更大模型。第二，单芯片简化了部分分布式复杂度，但对成熟 CUDA 工具链、各类 kernel 优化、广泛社区支持的替代仍不充分。第三，对于需要高度通用计算、成熟工具链、现成框架插件、跨供应商可移植性的大规模训练场景，GPU 依然是默认架构。

制造、系统与软件

Wafer-scale 架构的真正门槛不只在芯片设计，而在良率容错、封装、散热、供电、测试、系统工程。Cerebras 在 SEC 文件中反复强调，其差异化不仅来自处理器本身，还来自围绕其开发的专有供电与冷却技术。WSE-3 采用 5nm 制程；公司 2024 年 S-1 还披露，上游采购高度集中，2024 年上半年有两家供应商分别占采购额 26% 和 15%，2023 年上半年有单一供应商占采购额 47%，表明供应链弹性并不宽。

与 Nvidia GB200/GB200 NVL72 或 Rubin 路线相比，Cerebras 的优势是减少了对超复杂 scale-up NVLink 域和大规模多 GPU 通信编排的依赖；与 AMD MI350/MI400 相比，它在“单逻辑设备”的叙事上更强，但 AMD 的开放软件栈和传统 GPU 兼容路径更容易被客户接受；与 Google TPU、AWS Trainium/Inferentia 相比，Cerebras 在外部云市场仍是后入者，而后两者首先服务自有云生态，天然拥有内生需求。

在软件上，Cerebras 的长处是：相对完整地做出了 PyTorch 集成、weight streaming、cluster execution、SDK 与 API，降低了部分模型迁移门槛。它的短板是：生态的“广度、深度、默认地位”都不及 CUDA/ROCm/Neuron/TPU XLA 体系。我认为这决定了 Cerebras 更像一条“高性能专用路线”，而不是“下一代通用默认平台”。只要客户目标是某一类业务 KPI——如更低交互时延、更高单位机柜吞吐——Cerebras 就有竞争力；但一旦客户目标是“最容易招人、最多第三方工具、最少迁移风险”，CUDA 仍是压倒性默认选项。

技术护城河评分表

综合评分约 3.3/5。评分依据来自官方产品/技术资料、Hot Chips 演讲、OpenAI/AWS 合作公告与可比厂商公开路线图；分数为分析师判断。

我的结论是：**Cerebras 有“窄而深”的技术护城河，而不是“宽而全”的平台护城河。**这已经足以支撑一家具备大市值潜力的公司，但还不足以直接支持“Nvidia killer”的叙事。

行业空间与竞争格局

AI 基础设施的需求结构正在发生变化。IDC 预计，到 2029 年全球 AI Infrastructure 支出将达到 7,580 亿美元，其中加速服务器占比 94.3%；Gartner 预计 AI processing semiconductors 收入到 2029 年达到 4,385 亿美元，五年 CAGR 25.9%，并且 AI accelerators/GPU 将从 2024 年约 800 亿美元扩大到 2029 年超过 2,800 亿美元。与此同时，TrendForce 预计 AI inference servers 的占比将逐步接近 50%；McKinsey 则判断，到 2030 年，推理将在 AI 数据中心中超过训练，成为主要工作负载。

这对 Cerebras 是行业顺风。原因很简单：当行业从“少数超大训练集群”转向“海量、持续、对响应时间更敏感的推理服务”，速度优势、功耗优势、网络简化优势的边际价值会上升。Google 也在 2025 年把 Ironwood 直接定义为“the first Google TPU for the age of inference”；AWS、Meta、Microsoft 也都在 2025-2026 年加快自研推理优先芯片迭代。这说明整个行业对“推理专用优化”的重视，本身就是 Cerebras 的外部验证。

但行业大空间不等于 Cerebras 的真实可服务市场。公司自身引用 Bloomberg Intelligence 口径称，AI TAM 将从 2024 年 1,310 亿美元增长到 2027 年 4,530 亿美元；然而，把全部 AI 芯片/基础设施市场都视为 Cerebras 的 TAM 明显高估。更合理的做法，是将其 SAM 定义为：适合 wafer-scale / ultra-low-latency inference / simplified large-model training / sovereign AI deployment 的子市场。结合 IDC、Gartner、TrendForce 和 McKinsey 对 AI infra、AI accelerator、inference 占比的预测，我的中性估计是：到 2029-2030 年，Cerebras 的真实 SAM 大致在 600-900 亿美元之间，显著低于泛 AI 芯片 TAM，但仍足够大。这个假设相当于把总 AI infra/accelerator 市场中约 15%-20% 视为适配其架构的细分市场。

行业的另一面是供给约束。McKinsey 预计全球数据中心需求到 2030 年将达到 200-220GW；JLL 预计 2025-2030 年全球数据中心容量增加 97GW，AI inference 在 2027 年左右超过训练；IEA 则预计全球数据中心用电到 2030 年接近翻倍至约 945TWh，AI-focused 数据中心用电将增长三倍。Uptime Institute 的 2025 调查则指出，电力约束、冷却、供应链延迟和技术不确定性是行业共性难题。对 Cerebras 来说，这意味着其未来增长不仅取决于芯片卖得出去，还取决于电力、机房、冷却、网络与资本能否同步到位。

竞争矩阵

这张表的核心答案是：**Cerebras 目前更像 Nvidia 的“补充品 + 特定推理场景替代品”，而不是广谱直接替代。**如果它成功，成功方式更可能是：在实时推理、agentic workflow、voice/coding、主权 AI 与某些大模型训练细分场景中，成为“第二条被验证的基础设施路线”；而不是在所有训练/推理场景中全面取代 CUDA GPU。

客户订单、收入质量与财务基本面

在收入质量上，Cerebras 的历史短板几乎全部集中在客户集中度。SEC 资料显示，2023 年 G42 占总收入 83%；2024 年上半年 G42 占总收入 87%，其中占硬件收入 97%、服务及其他收入 56%。2025 年，多方市场解读与媒体引述招股书称，MBZUAI 与 G42 两家 UAE 相关客户合计仍占收入 86%，其中 MBZUAI 是最大客户；截至 2025 年末，MBZUAI 占公司应收账款 77.9%，而 2024 年末 G42 占应收账款 91.0%。这组数字意味着：公司过去几年收入增长，更多反映少数战略客户的集中采购，而非多客户、多行业、多区域的自然扩散。

OpenAI 与 AWS 的进入，正在改变这个结构，但改变的方式并不简单。OpenAI 2026 年 1 月宣布与 Cerebras 合作，引入 750MW 低时延 AI 算力；Reuters 与 FT 报道称，该多年度协议价值超过 100 亿美元，相关能力将分阶段于 2028 年前上线。更重要的是，SEC 展示的 OpenAI 协议文本说明，OpenAI 对初始容量作出购买承诺，首批 250MW 需在 2026 年底前可用，且支付义务在条款约束下为 non-cancelable、fees 非 refundable；同时，协议还设置了 lockbox 账户、工作资本贷款、交付延迟惩罚与终止安排。换言之，这不是一个“松散的战略合作 PR”，而是有真实履约约束、也有真实资金与交付约束的基础设施合同。

AWS 关系的意义则不同。AWS 在 2026 年 3 月宣布与 Cerebras 合作，计划在 AWS 数据中心部署 Cerebras，并通过 Amazon Bedrock 提供更高速度的推理能力。对 Cerebras 而言，这一合作的核心价值并不只在短期收入，而在于：如果 AWS 把 Cerebras 作为 Bedrock 某类低时延推理能力的交付选项，Cerebras 的产品就从“独立硬件方案”提升到了“云平台菜单中的一种标准化服务”。这一层级跃迁，对未来定价能力和估值方法影响极大。

不过，投资人不能把 backlog/RPO 当作现金等价物。多家媒体基于招股材料指出，Cerebras 截至 2025 年底拥有约 246 亿美元 remaining performance obligations/backlog，其中约 200 亿美元来自 OpenAI 协议。这里的关键不是 headline 数字，而是：这些合同的转收入节奏、可取消性、客户融资依赖、对应资本开支与毛利结构。OpenAI 协议文本显示，初始容量承诺具有刚性，但更远期的额外容量属于 option；同时交付延误会缩短服务期，严重延迟时双方还可终止未交付部分。这意味着 backlog 的“名义可见度”高于过去，但其“现金流可见度”仍要经过机房、电力、供应链、客户使用量与履约能力的二次验证。

历史财务概览

需要特别强调两点。第一，**2025 年 GAAP 转盈并不代表核心经营已经盈利。**多家市场解读和媒体根据招股材料一致指出，2025 年 2.378 亿美元净利润主要来自约 3.633 亿美元的一次性、非现金会计收益；若剔除该项影响，公司仍处经营亏损状态，GAAP operating loss 约 1.459 亿美元，非 GAAP 亏损约 7,570 万美元。第二，**2025 年毛利率从 2024 年的 42.3% 降到 39.0%，说明公司当下并未呈现“收入增长同时经营杠杆显著释放”的典型软件/平台公司特征。**这更像一家正在从系统销售迈向容量服务、同时增加云基础设施投入的混合型公司。

这也回答了一个关键问题：**Cerebras 是否存在“硬件公司收入 + 云公司估值”的错配？答案是，当前阶段大概率存在。**因为它的财务报表仍显示出硬件/系统业务的波动性、折扣、集中度和项目属性，但资本市场已经在按“潜在 AI infra platform”来定价。这样的定价并非一定错误，但它要求云/容量收入尽快提升、毛利率重新抬升、客户结构明显改善，否则估值压缩会非常剧烈。

IPO 结构与治理质量

这一治理/交易层面判断主要依据 Barron’s、MarketWatch、Reuters 对 IPO 结构和首日交易的报道，属于 B 级证据；最终仍需公司首份 10-Q/10-K 与锁定期安排正式文件进一步验证。

预测、单位经济与估值

单位经济模型

由于公司未公开披露 CS-3 单机 ASP、单系统 BOM、云单位 token 成本等关键指标，严格的 unit economics 只能做区间估算。外部行业媒体根据 G42 Condor Galaxy 部署曾估算 576 台 CS-3 对应约 9 亿美元，总计约 156 万美元/台；这一数据并非公司官方披露，因此只能作为 C 级参考。我据此结合公司历史毛利率与同行高端 AI 系统定价，给出如下区间：CS-3/节点 ASP 约 140 万–190 万美元；早期系统级毛利率 30%–40%，成熟后若云业务与服务占比提升，可向 45%–55% 靠拢。

更重要的是云容量模型。若把 Cerebras 的未来增长建基于 OpenAI/AWS 等容量合同，那么决定盈利的不是单机 ASP，而是利用率、每 token 售价、功耗、电价、折旧周期与机房占用效率。在缺少公司官方单价的情况下，我只给出方向性判断：若利用率低于 50%，且公司必须持续前置建设容量，云业务很容易把财务模型从“高毛利芯片叙事”拖向“重资产数据中心叙事”；若利用率稳定超过 70%，且低延迟推理可维持显著溢价，则单位经济会迅速改善。换言之，速度优势只有在商业定价和高利用率同时成立时，才会转化为利润优势。

三种情景预测

以下预测是分析师模型，基于已披露历史收入、客户结构、OpenAI/AWS 已公告合作、行业推理需求趋势以及重资本扩容特征；并非公司指引。

该表为分析师估算，关键外部假设基础为行业收入池和推理占比上行趋势。

在这三个情景里，**当前市场定价最接近 Bull 与“超 Bull”之间。**这是本报告最关键的估值判断。因为仅在 Base 情景下，公司到 2030 年收入约 43 亿美元、经营利润率约 13%，即使给予 12-15 倍远期 EV/Sales 或 25-30 倍 EV/Gross Profit，也很难自然支撑今天 560 亿-670 亿美元以上的估值；只有在 Bull 情景里，当市场相信 Cerebras 不再是“卖系统公司”，而是可持续的 AI infra platform 时，当前市值才有被中长期消化的可能。

估值框架

以当前估值反推市场在押注什么

按 IPO 价 185 美元完全摊薄估值约 564 亿美元计，Cerebras 对应 2025A 市销率约 111 倍；按首日收盘约 669.5 亿美元市值计，对应 2025A 市销率约 131 倍。若使用 2025 年 39% 毛利率折算，市场给予的 EV/毛利倍数处于 280-330 倍量级。作为参照，Nvidia FY2026 收入 2,159 亿美元，当前市值约 5.77 万亿美元，对应约 26.7 倍市值/收入；AMD 约 21.4 倍；Marvell 约 19.2 倍；Arm 与 Astera Labs 这类高增长 AI 资产约在 49 倍附近。即便使用对成长股更友好的“市值近似 EV”方法，Cerebras 的估值也显著高于现有可比公司。

相对估值近似表

上表使用实时市值与最近年度收入做近似比较，不是严格 EV/Sales，因为未逐一调整净债务，仅用于量级判断；但即便如此，Cerebras 的估值溢价仍然极其明显。

DCF 估值

我的 Base DCF 假设为：2025-2030 年收入 CAGR 约 53%，2030 年毛利率 50%，2035 年经营利润率 18%，WACC 12%，永续增长率 4%，CapEx 强度在 2026 年高位后逐步回落。基于此，Base 情景估值大致在 180 亿-250 亿美元。Bull 情景在更高收入、更快毛利改善和更低资本强度假设下，可上探 450 亿-600 亿美元；Bear 情景则可能低于 100 亿美元。这说明：**当前交易价格已经接近甚至超过我的 Bull 区间上沿。**分析师模型，无公司指引支持。

DCF 敏感性矩阵

该表为分析师敏感性测算，单位为美元企业价值。

SOTP 估值

按 Base 假设，我更倾向把 Cerebras 拆成三块：
其一，Hardware Systems，给予 2027E 收入 6-8 倍；
其二，Cloud / Inference Capacity，给予 2027E 收入 12-18 倍，但前提是利用率和续约可见性提升；
其三，Software / Services，给予 6-10 倍。
另对战略 backlog 只给有限期权价值，而不是全额资本化。按此，Base SOTP 大致在 220 亿-300 亿美元，显著低于当前交易水平。分析师模型。

因此，若一定要回答“市场当前在押注什么”，答案是：
**市场并不是在押注 Cerebras 成为另一家中等规模芯片公司；市场在押注它成为 OpenAI/AWS 体系中的关键推理基础设施供应商，并在三到五年内从高集中度系统销售商跃迁为高质量容量服务平台。**这是一个高门槛、但路径清晰的赌注。

Red Team 与跟踪框架

反共识判断

如果 Cerebras 最终失败，我认为最可能不是因为“技术根本不可用”，而是因为技术优势无法转化为可持续且高质量的经济价值。更具体地说，失败路径可能有五条。

第一，**它不是 Nvidia killer，而只是 ultra-low-latency inference appliance。**这条路径下，公司仍能活下来，也可能做成十亿级收入企业，但估值逻辑会从“基础设施平台”回落到“高性能硬件设备商”。届时应给予的估值中枢更接近高增长硬件公司，而不是云平台。

第二，**OpenAI/AWS 订单如果只是早期战略采购，而不是长期标准化采用，估值需要显著下修。**因为现在市场给的不是“一个大合同”估值，而是“一个大合同将开启一套可复制标准化模式”的估值。一旦 OpenAI 只是把 Cerebras 用于某个特定服务层，或 AWS 只把它作为 Bedrock 的高端选项，而没有形成跨模型、跨客户的常态化采购，那么今天的估值应更接近 Base SOTP 而非 Bull DCF。

第三，**如果公司必须大规模自建云基础设施，它会从“芯片 + 系统”公司变成“重资本数据中心公司”。**这将显著压低自由现金流回正时间，并把投资逻辑从产品领先转移到融资能力、机房建设、电力获取和资产周转效率。行业研究已经反复强调，电力、土地、冷却和资本是 AI infra 的约束瓶颈。

第四，**如果推理价格持续通缩，速度优势未必等于利润优势。**Gartner 预计到 2030 年，对 1 万亿参数 LLM 的推理成本将比 2025 年下降超过 90%。这意味着：客户会越来越把“速度优势”视为应有之义，而不是可长期收取高溢价的稀缺属性。只有当 Cerebras 把更高速度转化成更高利用率、更低 infra 成本、更高客户留存时，才有利润护城河。

第五，**软件生态若长期不能突破，它就会被锁在“只适合特定 expert workload”的小市场里。**这恰恰是很多非 GPU AI 芯片公司的前车之鉴；Graphcore 被 SoftBank 收购，本质上也是难以在 Nvidia 生态之外形成足够广阔的商业化系统。

上市后八个季度 KPI 跟踪表

以下表格以 2026Q2–2028Q1 为跟踪窗口，给出我认为最关键的指标和警戒线。数值阈值为分析师跟踪框架，不是公司指引。

需要继续尽调的问题清单

最值得继续深挖的问题，我认为有以下十项：

投资委员会摘要

如果投资委员会要一句话结论，我的建议是：值得持续深挖，但当前价格不适合把“技术看多”直接等同于“股票看多”。
更准确地说：

• 值得深挖的原因：Cerebras 的技术不是 PPT；WSE-3/CS-3 是真实差异化路线，OpenAI/AWS 的进入使其从“另类芯片故事”走向“主流 AI infra 供应商候选”。
• 不宜贸然追高建仓的原因：现价已经把大量 Bull 情景提前计入，而历史收入质量、客户集中度、资金需求和软件生态问题都还没有在公开财务里被真正解决。
• 最合理的投资姿势：把 Cerebras 当作“高确定性技术、低确定性估值”的标的跟踪。只有当未来 2-4 个季度证明 OpenAI/AWS 交付可兑现、云收入占比上升、毛利率不崩、客户集中度下降，市场才有理由继续给予它平台型溢价。否则，估值回归风险很大。

最终判断：谨慎。
更细的判断：看多技术，不追逐当前估值；看多中长期战略位置，但要求以季度验证换取估值容忍度。

Methodology · Data Freshness