不切晶圆的芯片怪兽Cerebras：用44GB片上SRAM拆掉英伟达的内存墙

英伟达GPU跑70B模型时，99.5%时间在等权重从HBM搬运。芯片公司通常把晶圆切成小裸片，Cerebras却把整片12寸晶圆做成一个芯片。这家2015年成立于美国、台积电代工的AI芯片公司，核心产品WSE晶圆级引擎，面积21.5cm×21.5cm，塞入4万亿晶体管、90万核心、44GB片上SRAM。它瞄准AI推理赛道，试图拆掉“内存墙”。

希鸥网观察到，GPU的困境在于HBM带宽。Llama 70B FP8模型，HBM搬运需8.8ms，GPU计算仅0.028ms，搬运时间占比99.5%。英伟达用拼团让上百任务共享一次搬运，但KV Cache私有。B300单卡288GB显存，装完70B参数剩217GB，每个8K上下文占1.3GB，仅服务167个用户。拼团上限被卡死。

Cerebras的解法是取消HBM。WSE把权重和KV Cache都放进片上SRAM，计算单元紧挨存储。单核0.05平方毫米，含48KB SRAM、计算引擎、路由器。片上带宽21PB/s，读取延迟不到1ns。GPU方案延迟0.1-1微秒。这为低延迟、高交互推理场景提供新选项。英伟达解耦推理把Prefill、Attention、FFN拆开，但KV Cache仍在HBM。

制造WSE是半导体工程冒险。光刻机单次曝光面积仅858mm²，WSE需曝光84次。传统切割划片槽，Cerebras用特殊掩膜版跨槽绘制微米级铜走线，把84个Die缝合成二维网格。台积电代工SRAM bit cell，自研ISA和容错绕行。任何缺陷可能毁掉整片，容错设计提前埋入冗余核心。

商业逻辑上，Cerebras不跟英伟达抢通用训练市场。它切推理，切长上下文、高交互、大MoE场景。VR200+LPU用SRAM存FFN权重，但KV Cache仍占HBM带宽22TB/s。WSE把KV Cache也放进SRAM，牺牲容量换速度。这适合愿意为低延迟付费的客户，比如实时Agent、高频交易、交互式AI。但44GB SRAM限制模型规模。

希鸥网认为，英伟达的护城河在CUDA生态和机架级方案，Cerebras的护城河在台积电之外的设计、容错、封装。两者博弈不是零和。英伟达解耦推理会吃掉一部分SRAM方案的市场，但Cerebras在极端低延迟场景仍有生存空间。云厂商乐见第二供应商，创业者可关注推理优化层。HBM供应商可能面临部分需求分流。

Cerebras从零挑战巨头，像创业公司跳进河里学游泳。不要等“准备好”再开始，六成把握就该出发。创业者常纠结证书、资金、时机，但首个付费客户比商业计划书重要。Cerebras也不是第一天就造出WSE，它在真实流片中迭代。小订单、老客户、每一分钱花在刀刃上，就是早期战略。

财务底线是创业生命线。Cerebras烧钱做晶圆级芯片，靠融资续命。普通创业者不能学它赌上全部。启动资金必须是亏光不影响生活的钱。兼职创业、MVP验证、快速获取付费反馈，比完美首发更务实。早期拒绝是筛选客户，销售核心是精准匹配。别让形式绑架实质。

小而美也能活得好。Cerebras不正面刚英伟达，而是切低延迟细分。一个小团队在咖啡馆一年赚一百万，比五十人租CBD亏两百万成功。商业本质是利润，不是规模。创业者要找到自己的生态位，用差异化钩子建立记忆点。晶圆级芯片是极端案例，但逻辑相通：聚焦、窄化、做深。

金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：sheisceo