AI是否过热？这个问题的讨论似乎从未停歇。
宣布新一轮融资不到一个月，美国AI芯片超级独角兽Cerebras再次被传出IPO计划。据外媒报道，该公司一直在与潜在投资者会面，上市最早可能在今年4月进行。
今年2月初，Cerebras通过一轮私募融资筹集了约10亿美元，投后估值达到230亿美元。按此计算，Cerebras已经超过不久前被英伟达以200亿美元收购的竞争对手Groq。
成立不到三年的AGI投资基金3C AGI Partners（以下简称“3C”），是少数同时押注Cerebras与Groq的机构之一。创始人王康曼认为，从数字上看，市场确实在讨论Cerebras的IPO估值可能高于Groq被收购的大致水平，但两者逻辑不同。Groq更像被并入GPU帝国的“关键模块”，Cerebras则更像一家具备完整系统与商业闭环的“独立基础设施平台”，其估值反映的是长期自由现金流与平台溢价，而非简单的横向对比。
在最新一轮融资消息传出前，OpenAI已同意购买Cerebras到2028年的750兆瓦计算能力，价值约100亿美元。此前，Cerebras的客户订单主要依赖阿布扎比的AI公司G42，还曾因此遭到美国联邦政府审查，导致其之前的IPO计划停滞。至2025年底，Cerebras已剥离G42投资者身份，成功解除监管障碍。
当下，全球AI军备竞赛持续升温，算力之争不断抬高对AI基础设施资产的估值。围绕“是否存在泡沫”的讨论，也一再被推至台前。王康曼将这一问题拆分为两个维度：第一，泡沫集中在哪；第二，谁有能力穿越泡沫。
四个月估值翻三倍
无论国内还是海外，加速布局自主AI基础设施已成为行业共识，芯片及相关算力基础设施企业的估值因此持续走高。
去年，寒武纪、摩尔线程与沐曦股份相继登陆资本市场，带来可观的账面回报。进入2026年，海外AI公司同样加快融资节奏。不久前，OpenAI宣布完成了1100亿美元的新一轮融资。Sam Altman强调，他的大部分精力都放在努力获取更大规模的AI算力基础设施上，以满足天量级别的需求。
Cerebras在2月份完成10亿美元融资之前，最近一轮融资是2025年9月底的G轮，投后估值为81亿美元。短短约四个月时间，该企业的估值翻了将近3倍。
类似的跃迁在之前Groq被英伟达收购的案例中就已出现过。当时，英伟达给出的200亿美元现金价格，较Groq上一轮融资也翻了约3倍。分析认为，英伟达出高价的焦点在于对其GPU竞争护城河的巩固。随着AI大模型重心从训练转向推理和Agentic AI，传统GPU在延迟和能效上的短板日益凸显。
这一逻辑同样体现在王康曼对Cerebras的投资判断中。她表示，投资Cerebras，既不是跟风，也不是简单地押注一家公司，而是押注一条从“AI1.0”到“AI3.0”的算力演进路径：当模型规模和推理负载指数级上升时，传统GPU架构必然会在内存带宽、通信和能效上遇到天花板，这恰好是Cerebras系统级创新的切入点。
王康曼回忆八年前第一次见Cerebras创始人Andrew Feldman时，对方能把从Transformer到基础模型，再到未来原生AI应用的算力需求演进，讲得极其清晰，并且反推回去，解释了为什么需要一块“违背常识”的巨型单片晶圆级引擎（WSE），而不是多卡堆叠的传统路线。
对于Cerebras的投资，王康曼更愿称之为一次基于一线工程实践的“反共识创新”，而非单纯的“反对主流”。原因是Cerebras在每一代WSE上都给出了非常硬的实测指标，这些指标与它的物理架构是一一对应的，而非单纯依赖软件调参。
“我们花了很长时间测试他们的架构，包括在片上放下上百倍于GPU的SRAM、怎样在单芯片上形成近似‘数据中心级’的互联拓扑，这些都是超出常规半导体项目的技术尽调深度。”她说。
挑战英伟达
在IPO前夕，Cerebras与OpenAI达成的750兆瓦算力合作协议，价值超过100亿美元。这被外界视为OpenAI首次如此大规模地在推理层尝试“去英伟达化”。
从王康曼理解的技术逻辑来看，OpenAI选择在如此大规模上引入Cerebras，有几个硬核动机：
第一，端到端推理性能与总拥有成本（TCO）：对于长上下文、长输出的大模型应用，传统多卡GPU集群在通信、内存和能效上的损耗非常可观。Cerebras将计算、存储和互联集中在一块WSE-3芯片上，可以在整体系统TCO上展现出明显优势，这已在多个模型的实测数据中得到验证。
第二，体系多样性与供应安全：OpenAI不可能将自身命运完全押注在单一GPU供应商和架构上。引入Cerebras这样的异构算力，是构建长期算力弹性、降低地缘和供应链风险的重要一环。
第三，为下一代原生应用预留空间：Cerebras的架构尤其擅长实时、高带宽的长输出推理，这恰好对应OpenAI在Agent、复杂工具调用和多模态交互上的中长期方向，需要一个在“实时性”与“规模化”之间找到更好平衡的新平台。
至于英伟达是否掉队，王康曼判断这是AI计算进入多元基础设施时代的自然结果。英伟达仍然会在通用GPU计算、现有CUDA生态和大量训练任务上扮演绝对核心角色；同时，像Cerebras这样的非共识架构，将在特定高价值场景里提供数量级差异的体验和经济性，成为超级平台的第二增长曲线。
过去很长一段时间，Cerebras的客户订单高度依赖G42。如今与OpenAI的合作，在一定程度上可被视为这家初创公司正经历“从单一大客户走向多元客户”的过程，是对早期集中度风险的主动对冲。
不过，Cerebras依然面临挑战。其晶圆级芯片制造工艺复杂，良品率和产能扩展难度大，供应链管理和成本控制压力显著。同时，英伟达作为市场绝对领导者，依靠成熟的CUDA生态系统积累了广泛的客户基础，Cerebras要实现规模化竞争尚需时间和资源。
电子马还是汽车？
为信仰充值？AI时代是否存在泡沫，几乎已成为资本市场的固定议题。尤其是在OpenAI、Anthropic等公司估值持续抬升、一级市场融资屡创新高的背景下，“AI是否过热”不断被反复讨论。
在王康曼看来，真正的泡沫更多聚集在应用层，而且具有很强的结构性。如今，几乎任何团队都可以贴上“AI公司”的标签，但不少项目仍停留在相对有限、甚至偏旧的人类工具思维上——让AI写邮件、做客服、生成图片，更多是在既有流程中做效率叠加，而非重构流程本身。却很少有人严肃思考：当AI能力持续跃迁后，最大的用户是否会变成AI本身？当AI开始为AI生成任务、制定协议、形成新的协作网络，应用形态是否还会沿用今天的人机交互逻辑？
她认为，当前应用侧的泡沫，至少体现在三个方向：
第一类，是那些产品本身所依托的组织结构和工作方式就会被AI时代淘汰的业务，很可能会被更智能、更端到端的系统直接重写。
第二类，是以过程计费而非结果计费的服务型公司。在强大模型和智能体的加持下，真正具有竞争力的模式，必然会越来越向按效果和价值付费迁移。
第三类是将AI标签贴在弱自动化产品上，仅嵌入现有模型优化部分功能的所谓“AI原生应用”。它们仍在模仿人类智能，而非设计面向AI的未来世界，更像加了AI滤镜。
为此，她用了一个比喻：现在很多应用公司做的是在工业革命之初设计“更快更漂亮的电子马”，而真正改变世界的，将是那一代完全不按“马”的逻辑设计的汽车。眼下应用侧的大量产品，本质上还是在给旧世界贴上“AI皮”，而不是为一个“AI–AI交互”的新世界设计原生形态，自然会积累大量泡沫。
相比之下，那些在物理层、架构层、编译器和系统软件层重写算力栈的公司，包括Cerebras、Groq这一类，虽然在账面估值上看起来不便宜，但它们试图解决的是，在一个由AI自主协同、彼此调用的世界里，算力如何在极端吞吐、长上下文和更高能效下运行。这决定的是未来几十年的“数字底座”，而非某一个短期应用热点。
因此，王康曼更倾向于将2026年的AI周期定义为一种“结构性泡沫”。应用端的“电子马公司”数量庞大、估值密度极高；而真正为“汽车时代”铺路、造引擎的基础设施玩家反而稀缺。
“有没有泡沫？”作为投资人，王康曼的答案是“一定有”。但她认为，关键问题不在此，而是要判断你是在给一辆电子马车付钱，还是在提前买一张通往真正汽车时代的船票。在她看来，Cerebras更接近后者。
这场围绕算力基础设施的竞争与估值游戏，或许才刚刚拉开序幕。想了解关于AI芯片、算力架构与产业投资的更多深度剖析，可以关注云栈社区的智能与数据板块，那里汇聚了更多一线从业者的观点与讨论。
发表于 昨天 01:55
|
查看: 4|
回复: 0
