1. 投資摘要
- Cerebras 是 wafer-scale AI 計算系統公司，核心產品為 Wafer-Scale Engine（WSE）和 CS 系列系統，定位是用整片晶圓級晶片繞開傳統 GPU 叢集的部分通訊瓶頸；公司 S-1 揭露 2023 年營收 7,870 萬美元、2024 年營收 2.903 億美元，營收高增長但客戶集中度極高。2801
- 截至 2026-05-29，公開市場最新狀態需要以 Nasdaq/SEC 核驗；使用者給定“未上市/IPO 程序”，但若已完成上市，本文仍按 IPO/新股狀態處理，並將行情估值列為 C 級待複核。2807
- 最大投資判斷不是“WSE 是否足夠大”，而是商業模式能否從少數戰略客戶採購擴充套件到可複製的雲端/企業推論和訓練需求。S-1 揭露 G42 相關客戶貢獻了 2023 年和 2024 年大部分營收，客戶集中是核心風險。2801
- AI 業務佔比接近 100%，但這不代表財務質量優於 NVIDIA。Cerebras 仍處高投入階段，2024 年淨虧損約 1.447 億美元，商業驗證核心在毛利率、交付、客戶多元化和軟體生態。2801
- 反證閾值：前兩大客戶營收佔比無法下降、毛利率不能轉正/改善、CS 系統交付延遲、推論雲端營收佔比無法提升，或 GPU/ASIC 叢集在單位成本和生態上繼續壓制 WSE 路線。
2. 公司概況與發展沿革
Cerebras 成立於 2016 年，總部美國加州 Sunnyvale，專注 AI 加速計算。公司產品以 WSE 為核心，將大量計算核心和片上 SRAM 整合到整片晶圓級晶片，並以 CS 系統、叢集、軟體棧和雲端服務交付給客戶。28012805
關鍵里程碑包括：推出第一代 WSE，隨後迭代 WSE-2、WSE-3；釋出 CS-3 系統；與大型 AI 客戶和主權 AI 專案合作；提交 IPO 註冊檔案。與 NVIDIA GPU 路線相比，Cerebras 的路線是“超大單晶片 + 專用系統 + 軟體編譯棧”，試圖降低跨節點通訊和模型並行複雜度。28012805
3. 商業模式拆解
| 維度 | 拆解 | 投研判斷 | 來源 |
|---|---|---|---|
| 產品營收 | CS 系統、WSE 晶片、叢集 | 大額專案制，交付和驗收影響營收確認 | 2801 |
| 服務/雲端 | 推論/訓練雲端、軟體與支援 | 若佔比提升，可降低客戶集中和硬體週期 | 28012805 |
| 客戶 | 主權 AI、雲端/模型公司、科研和企業客戶 | 目前高度集中，需觀察多元化 | 2801 |
| 定價 | 系統級報價、容量/雲端服務 | 不揭露標準 ASP | 2801 |
| 成本 | 晶圓、先進封裝/系統、記憶體、網路、研發 | 規模不足時毛利和現金流量承壓 | 2801 |
單位經濟可寫為：
單系統毛利 = 系統售價 - WSE/晶圓製造 - 封裝/系統 BOM - 交付/支援成本
雲端服務毛利 = 使用量營收 - 折舊/電力/託管/運維 - 軟體支援4. AI 相關業務深度拆解
| 口徑 | 2023A | 2024A | 2025/最新揭露 | 判斷 |
|---|---|---|---|---|
| 營收 | 7,870 萬美元 | 2.903 億美元 | [未充分揭露] | 高增長但基數小2801 |
| 毛利 | [未充分揭露] | [未充分揭露] | [未充分揭露] | 需 S-1 表格逐項複核 |
| 淨虧損 | [未充分揭露] | 約 1.447 億美元 | [未充分揭露] | 仍處投入期2801 |
| AI 營收佔比 | 近 100% | 近 100% | 近 100% | 全業務圍繞 AI compute |
| 客戶集中 | 極高 | 極高 | 待更新 | S-1 風險核心2801 |
增長驅動：
- 大型模型訓練/推論對高頻寬片上記憶體和低通訊開銷的需求。
- 主權 AI 客戶尋求 NVIDIA GPU 之外的供應選擇。
- Cerebras Inference / 雲端服務若能按 token 或使用量收費，可提升營收可重複性。
- WSE-3 / CS-3 如果在單位功耗和吞吐上證明優勢，可能擴大客戶池。2805
天花板：全球 AI 加速器 TAM 巨大，但 Cerebras 可得份額取決於軟體生態、模型適配、交付規模和客戶信任。硬體效能演示不是充分條件，客戶需要完整 TCO、穩定性、軟體支援和供應連續性。
5. 產業鏈位置
Cerebras 座標是 chip -> AI accelerator system -> wafer-scale compute / AI cloud。它同時跨越晶片設計、系統整合和雲端服務，但不擁有晶圓製造。
| 上下游 | 關鍵物件 | 依賴度/佔比 | 投研含義 |
|---|---|---|---|
| 上游晶圓 | TSMC [TSM] 等 foundry | 未揭露 | WSE 製造良率和產能是核心 |
| 上游記憶體/系統 | SRAM/DRAM、網路、電源、散熱 | 未揭露 | 系統 BOM 與交付影響毛利 |
| 上游 EDA/IP | Synopsys/Cadence 等 | 未揭露 | 超大晶片設計依賴工具鏈 |
| 下游客戶 | G42 / Core42 等戰略客戶 | 高集中 | 營收質量最大變數2801 |
| 競爭 | NVIDIA [NVDA]、AMD、Google TPU、雲端廠 ASIC、Groq、SambaNova | 不適用 | 生態和 TCO 決定份額 |
6. 競爭格局與市場份額
| 公司 | 路線 | 最新營收規模 | 毛利率 | 軟體生態 | 客戶分散 | 供給能力 | 估值口徑 | 判斷 |
|---|---|---|---|---|---|---|---|---|
| Cerebras | wafer-scale system | 2024 2.903 億美元 | [未充分揭露] | 專有棧 | 低 | 小規模 | IPO/新股 | 高 beta |
| NVIDIA | GPU + CUDA | FY27Q1 816.15 億美元 [NVDA] | 74.9% [NVDA] | 極強 | 高 | 極強 | 字典 | 標杆 |
| AMD | GPU | [未充分揭露] | [未充分揭露] | ROCm 追趕 | 中 | 強 | C | 替代供應 |
| Google TPU | ASIC/cloud | 不單列 | 不適用 | 內部生態 | 內部/雲端 | 強 | 不適用 | 雲端內閉環 |
| Broadcom | custom ASIC | FY2025 638.87 億美元 [AVGO] | [local] | 客戶定製 | 高 | 強 | 字典 | ASIC 贏家 |
| Groq | LPU inference | 私有 | [未揭露] | 專有 | 低 | 小規模 | 私有 | 推論競爭 |
競爭態勢：NVIDIA 的優勢是生態、供給、開發者和客戶驗證；Cerebras 的差異化是架構。若客戶只把 WSE 用於補充算力，份額有限；若在特定模型/推論場景 TCO 明顯優於 GPU，並實現軟體遷移便利，才有持續擴張可能。
7. 護城河
- 架構差異化：整片晶圓級晶片使片上通訊和記憶體組織不同於 GPU 叢集，形成技術辨識度。2805
- 系統工程：WSE 需要從晶片、封裝、散熱、電源、編譯器到叢集整體設計，複製難度高。
- 客戶專案經驗：主權 AI 和大型模型客戶交付經驗可作為後續銷售背書。2801
- 軟體棧：硬體路線能否商業化取決於編譯器、模型支援和雲端服務 API，而非單晶片引數。
- 供應替代價值：在 NVIDIA 供給緊張或客戶希望多供應商時，Cerebras 具備戰略選項價值。
8. 財務深度分析
| 期間 | 營收 | 年增率 | 淨虧損 | 現金流量 | 質量判斷 |
|---|---|---|---|---|---|
| 2022A | [未充分揭露] | [未充分揭露] | [未充分揭露] | [未充分揭露] | 商業早期 |
| 2023A | 7,870 萬美元 | [未充分揭露] | [未充分揭露] | [未充分揭露] | 大客戶專案起量 |
| 2024A | 2.903 億美元 | +269% | 約 -1.447 億美元 | [未充分揭露] | 高增長但虧損 |
| 2025 最新 | [未充分揭露] | [未充分揭露] | [未充分揭露] | [未充分揭露] | 需 IPO 更新檔案 |
財務異常和拐點：營收增長強但客戶集中極高，營收質量要打折。若 2025/2026 揭露顯示客戶多元化和毛利率改善，估值可從“專案公司”向“AI compute platform”遷移；若仍依賴少數客戶，營收倍數應明顯低於 NVIDIA/Broadcom。
9. 業績傳導路徑
AI 模型訓練/推論需求
-> 客戶尋找 GPU 之外高效能算力
-> CS 系統 / Cerebras cloud 訂單
-> 營收增長 + 客戶多元化
-> 毛利率改善與研發費用率下降
-> 估值從 EV/Sales 向盈利倍數遷移| 情景 | 2026E 營收 | 毛利率 | OPM | EV/Sales | EV |
|---|---|---|---|---|---|
| 看空 | 3.5 億美元 | 25% | -35% | 4x | 14 億美元 |
| 基準 | 6.0 億美元 | 38% | -15% | 8x | 48 億美元 |
| 看多 | 10 億美元 | 50% | 5% | 12x | 120 億美元 |
10. 估值
| 模組 | 基礎假設 | 倍數 | 估值貢獻 | 公式 |
|---|---|---|---|---|
| Hardware systems | 2026E 營收 4 億美元 | 5x sales | 20 億美元 | 4×5 |
| Cloud / inference | 2026E 營收 2 億美元 | 12x sales | 24 億美元 | 2×12 |
| 軟體/架構期權 | 情景 | 10-30 億美元 | 20 億美元基準 | 期權 |
| 淨現金 | IPO 後待揭露 | 1.0x | [未充分揭露] | 現金 - 債務 |
當前估值隱含預期：若 IPO/市場估值超過 80-100 億美元，必須假設 2026-2027 年營收快速接近 10 億美元且客戶集中顯著下降；否則估值主要是架構期權。
11. 催化因素
| 時點 | 催化 | 量級 | 分級 |
|---|---|---|---|
| 2026 | IPO/上市狀態更新 | 提供現金和市場估值錨 | [已發生/待核驗] |
| 2026H2 | 新客戶訂單 | 客戶集中下降 | [展望/供應鏈估算] |
| 2026H2 | Cerebras Inference 營收 | 提高可重複性 | [展望] |
| 2027 | WSE 下一代路線 | 架構優勢延續 | [行業預測] |
12. 核心風險
| 風險 | 情景 | 影響測算 | 追蹤 |
|---|---|---|---|
| 客戶集中 | 最大客戶放緩採購 | 營收下修 30%+ | S-1/10-Q 客戶佔比 |
| 毛利率不足 | 系統成本高 | EV/Sales 下修 3-5 turns | GM |
| 軟體生態 | 模型遷移成本高 | 客戶擴張慢 | developer adoption |
| NVIDIA 競爭 | GPU 供給改善/價格下降 | WSE TCO 優勢收窄 | GPU price/performance |
| 製造良率 | WSE 良率或交付問題 | 延遲營收確認 | backlog/交付 |
13. 歷史復盤
Cerebras 的歷史主線是技術突破先於商業規模：WSE 讓公司獲得高知名度，但資本市場最終會用營收質量、客戶多元化和毛利率驗證。S-1 階段，市場關注點從“世界最大晶片”轉為“是否能成為可複製 AI 算力平台”。28012805
14. 追蹤指標
| 頻率 | 指標 | 閾值 | 來源 |
|---|---|---|---|
| 季度 | 營收 | 連續增長且客戶更多元為正面 | 10-Q/公司揭露 |
| 季度 | 毛利率 | <30% 需複核商業模式 | 10-Q |
| 季度 | 最大客戶佔比 | >50% 需折價 | 10-Q/S-1 |
| 季度 | 雲端/推論營收佔比 | 上升為正面 | 公司揭露 |
| 年度 | 研發費用率 | 隨營收下降為正面 | 10-K |
15. 最新事件
- [已發生] Cerebras S-1 揭露 2023 年營收 7,870 萬美元、2024 年營收 2.903 億美元。2801
- [已發生] S-1 揭露 2024 年淨虧損約 1.447 億美元，說明公司仍處高投入階段。2801
- [已發生] S-1 風險因素顯示客戶集中是商業模式核心風險。2801
- [行業預測] 2026-2027，AI 推論和主權 AI 增長可能擴大 GPU 替代供應需求。
- [展望/待核驗] IPO 程序和上市狀態需持續以 SEC/Nasdaq 最新檔案複核。2807
16. 誤讀糾偏
誤讀 1：晶片最大就一定商業最好
實際情況：AI 加速器商業化由 TCO、軟體生態、供應、客戶遷移成本和可靠性交付共同決定。WSE 是差異化架構，但不是充分條件。2805
誤讀 2：AI 營收 100% 等於低風險
實際情況：Cerebras 幾乎全業務都與 AI 有關，但客戶集中、虧損和規模化製造風險高於成熟龍頭。2801
17. 來源
- 來源：Cerebras Systems Form S-1 / S-1 amendments — SEC — 2024-2026 — www.sec.gov/edgar/browse/?CIK=2021728
- 來源：Cerebras investor relations / IPO materials — Cerebras — accessed 2026-05-29 — www.cerebras.ai/
- 來源：Cerebras product materials, CS-3 / WSE — Cerebras — accessed 2026-05-29 — www.cerebras.ai/product-system/
- 來源：Cerebras inference cloud materials — Cerebras — accessed 2026-05-29 — www.cerebras.ai/
- 來源：Cerebras Wafer-Scale Engine technical overview — Cerebras — accessed 2026-05-29 — www.cerebras.ai/technology/
- 來源：IPO / listing market coverage — Nasdaq / company news — 2026 — www.nasdaq.com/market-activity/ipos
- 來源：CBRS price / listing status snapshot — public market data provider — accessed 2026-05-29 — finance.yahoo.com/quote/CBRS/
- 來源：NVIDIA data dictionary references — local project / existing company page refs — updated 2026-05-28 —
_codex_output/v2/chain-chip-core/company/nvidia.mdx(A, internal ref) - 來源：Broadcom data dictionary references — local project data — updated 2026-05-28 —
_codex_output/v2/data/live/broadcom.yaml(A, internal ref) - 來源：TSMC data dictionary references — local project data — updated 2026-05-28 —
_codex_output/v2/data/live/tsmc.yaml(A, internal ref)