{"id":"mb-20261012-b97b50","kind":"deep","title":"奥特曼辟谣弃用Cerebras：大模型极速推理背后的晶圆级芯片赌局","summary":"针对市场传闻OpenAI转向英伟达并放弃Cerebras，山姆·奥特曼发文确认深度合作。本文解析Cerebras晶圆级引擎如何以44GB板上缓存打破大模型内存带宽墙实现20倍吐字提速，以及为什么面向智能体推理时代，极致延迟值得承受高昂的工程代价。","body":"把整张晶圆做成一块芯片，AI生成速度直接提速二十倍。\n\n前两天市场上都在传，OpenAI 要把芯片合作商 Cerebras 踢出局，全面换回英伟达。\n传得有鼻子有眼，连华尔街分析师的报告都发出来了。\n结果奥特曼直接在 X 上发文辟谣：\n我们跟 Cerebras 是极深度的伙伴，正在一起死磕速度的极限。\n\n奥特曼为什么对这家公司这么上心？\n甚至不惜亲自发文澄清。\n\n因为在整个半导体行业里，Cerebras 选的这条路，听起来简直像天方夜谭。\n正常造芯片是怎么造的？\n一张十二英寸的硅晶圆，切成几百上千颗指甲盖大小的芯片。\n英伟达的 H100、B200，全都是这么一片片切出来的。\n为什么要切碎？\n因为一块硅片上只要落进一粒微尘，或者出现一处晶格缺陷，那一小块芯片就废了。\n切成小块，坏了哪个就扔掉哪个，好的留下来封装，良率和成本才保得住。\n\nCerebras 偏不切。\n它直接把一整张大晶圆做成了一颗完整的芯片。\n长宽二十多厘米，跟一个大号餐盘差不多。\n上面集成了九十万个计算核心，四十四吉字节的板上超高速缓存。\n\n费这么大劲造出这么个怪物，到底图什么？\n图速度。\n看中的根本不是单卡能吞多少任务，就是纯粹的吐字速度。\n\n我们平时用大模型，最直观的体验就是等它一个字一个字往外蹦。\n英伟达的显卡算力不可谓不强。\n但大模型生成文本的时候，瓶颈根本不在算力，纯粹是被内存带宽卡死了。\n每生成一个词，芯片都得把几百亿个模型参数，从旁边的显存里搬到计算核心里跑一遍。\n数据在芯片和显存之间来回倒腾，中间的物理通道就成了严重拥堵的收费站。\n单看单个用户的体验，英伟达的显卡一秒钟通常也就吐出几十个到上百个字。\n\nCerebras 是怎么打破这个局面的？\n它干脆不要外部显存。\n它把 44GB 的高速缓存，密密麻麻直接铺满整张晶圆。\n计算核心跟缓存贴在一起，数据根本不需要离开芯片表面。\n这一改，数据搬运的通道直接被拉宽了几十倍。\n跑模型的时候，一秒钟能吐出两千多个字。\n几千字的文章，眼睛一眨就全刷在屏幕上了。\n哪怕是实时语音对话，中间也感觉不到任何迟缓。\n\n既然跑得这么快，那为什么市场上还会猜测 OpenAI 想放弃它？\n\n天下没有免费的午餐，这颗盘子大的芯片，工程代价极其沉重。\n首先是良率。\n整张晶圆只要有一处坏点，就必须靠极其复杂的冗余电路去绕道补救，制造成本高得吓人。\n其次是散热和供电。\n二十千瓦的电量瞬间灌进一张餐盘大小的硅片，风扇根本不管用，必须用高压水冷贴身压制。\n更关键的是容量。\n整张晶圆再大，板上能塞下的缓存也就几十个 G。\n真要跑几千亿参数的超大模型，一张晶圆塞不下，就得靠外力疯狂喂数据。\n对常规数据中心来说，英伟达一张卡能同时应付几十个人，按单次请求的综合成本算，英伟达更加经济。\n所以很多人觉得，OpenAI 算完了账，迟早得退回成熟方案的怀抱。\n\n奥特曼亲自出面否定传闻，说明 OpenAI 算的根本不是省钱的账。\n\n现在的 AI 正在从简单的问答对话，走向需要自主规划、多步推理的 Agent 智能体。\n智能体在幕后推导一步，可能要在暗中调用几十次模型、生成上万个中间 token。\n如果用传统硬件，用户端等一个结果可能要花上几分钟。\n换成这种极速硬件，几秒钟就能把背后的复杂推导全部走完。\n这根本不只是快慢的问题，直接决定了功能能不能真正用起来。\n\n在速度的极限面前，只要能打破那堵物理上的延迟之墙，再夸张的工程代价，也都有人愿意买单。","topic":"奥特曼辟谣弃用Cerebras：大模型极速推理背后的晶圆级芯片赌局","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-12 16:12:17","legal_anchor_count":0,"transcript_citation_count":0}