Cerebras這顆晶片不需要HBM

5月14日，這家叫Cerebras的公司在納斯達克上市，首日漲了109%，市值衝到千億美元。市場在押注一件事：AI晶片，不一定非要走輝達那條路。

一片46,225平方毫米的矽晶圓。不切割，不封裝，整片做成一顆晶片。

4兆個電晶體。90萬個計算核心。44GB片上記憶體。

沒有1GB的HBM。一顆都沒有。

真正值得關注的不是股價。是這條路一旦走通，整條儲存產業鏈的蛋糕切法，就要重新算了。

為什麼？先講個比喻。

你開了一家餐館。後廚到食材倉庫有50米，每天廚師有一半時間在走路。你想了個辦法：在灶台旁邊裝了個冰櫃，食材伸手就能夠到。雖然冰櫃不大，只能放當天的料，但廚師不用走路了，出菜速度翻了三倍。

傳統GPU配HBM，等於把倉庫搬到離廚房10米遠，還是得走。Cerebras不走了，直接把食材放灶台上。

但這個冰櫃只有44升。隔壁輝達的冷庫有192升。

這就是晶圓級晶片和GPU之間最根本的差異。不是改良，是換了一條完全不同的路。

三種蓋樓方式，三種材料供應商

AI晶片要解決的核心矛盾叫"儲存牆"：計算核心跑得飛快，但資料從記憶體搬過來太慢了。打個比方，你有一百個工人蓋樓，但磚頭堆在街對面，工人大部分時間在搬磚而不是砌牆。

行業走出了三條路。

輝達的方案養活了SK海力士、三星、美光這一整條HBM產業鏈。SK海力士靠HBM做到了79%的毛利率，比輝達自己還高。因為HBM不是普通記憶體，製造難度極高，全球只有三家能做，是AI晶片供應鏈裡最肥的一塊肉。

Cerebras的方案呢？它根本不需要HBM。一顆都不要。它的44GB記憶體是直接刻在晶片上的SRAM，由台積電在製造晶片的時候一起做進去。錢不是付給海力士，是付給台積電的晶圓廠。整條HBM產業鏈跟它沒關係。

這才是需要認真看的地方。不是說Cerebras現在就能挑戰輝達，它一年營收才51億美元，輝達資料中心業務1300億。但如果晶圓級整合這條技術路線在AI推理市場站穩了腳跟，每多一塊晶圓級晶片，就少一份HBM的需求。

就像電動車不需要變速箱。不是一夜之間取代燃油車，而是每多賣一輛電動車，變速箱供應鏈就少一個客戶。

44GB夠不夠用？再講個比喻

你有一萬本書要查。輝達的方案是：在你辦公室隔壁建了個圖書館，192排書架，走路10秒就到，隨時查閱。

Cerebras的方案是：你桌上只有一個小書架，只能放10本書。但配了一個跑得飛快的圖書管理員，他一看到你需要那本書，就從遠處的大倉庫裡跑著給你送過來，快到你感覺不到等待。

這就是Cerebras的"權重流"技術。模型參數存在晶片外面的MemoryX伺服器裡，需要那一層就流式載入進來。晶片上那44GB不是用來裝整本書的，是用來裝正在翻閱的那幾頁。

但這有個硬傷。你桌上只有10本書的空間，如果你想同時對照翻閱20本書的不同章節（這就是大模型的"長上下文"），就放不下了。所以Cerebras目前最大隻能支援128K的上下文長度。而輝達的B200可以支援百萬token等級。

短上下文場景，比如ChatGPT回答一個問題、寫一段程式碼、翻譯一篇文章，Cerebras的速度確實快得離譜，比GPU方案快15倍。但長上下文場景，比如分析一份幾百頁的招股書、處理一整天的會議記錄，目前還是得靠HBM。

只要大模型需要長上下文，HBM就有護城河。這句話反過來也成立：如果未來的AI應用大部分是短上下文的高頻推理，那Cerebras的優勢就會持續放大。

對儲存產業鏈的三層衝擊

把上面這些技術差異翻譯成產業鏈語言，會產生三層傳導。

1 HBM製造商：增量市場被切走一塊

現在AI晶片的增長主要靠推理，訓練的比例在逐步下降。推理市場又分兩塊：即時互動（短上下文，比如聊天機器人）和深度分析（長上下文，比如研報解讀）。

Cerebras拿手的是第一塊。這塊市場越大，晶圓級晶片滲透率越高，相應的HBM需求量就越少。這不是存量替代的邏輯，是增量分流的邏輯。

推理需求增長→短上下文流向晶圓級→不需要HBM→HBM增速低於AI晶片出貨

對SK海力士來說，短期感受不到，因為它現在的訂單積壓超過三年。但兩三年後，如果推理市場出現明顯的技術路線分化，新增產能的投向就需要重新算了。

2 SRAM設計工具和IP：蛋糕換了一張桌子

HBM的產業鏈分工很清晰：海力士造記憶體，台積電做封裝，輝達做整合。三家分錢，各賺各的。

晶圓級晶片把儲存和計算刻在同一片矽上，這個分工就不存在了。受益方從"獨立儲存器製造商"變成了"晶圓廠+設計工具商"。晶片設計公司需要更先進的SRAM IP（比如每個核心旁邊的48KB分佈式SRAM怎麼設計、怎麼互聯），也需要更強大的EDA工具來模擬整片晶圓的訊號完整性。

受益的變成了ARM、Synopsys、Cadence這些IP和工具廠商。不是同一撥人。

3 新興儲存技術：可能等到第一個規模場景

Cerebras的權重流架構，要求有一個外部儲存器（MemoryX）來存放那些裝不進44GB SRAM的模型參數。這個外部儲存器需要三個條件：頻寬極高、容量極大、功耗低。

目前能選的方案都不理想。DRAM頻寬不夠，SSD延遲太高，HBM太貴。

MRAM和ReRAM正好卡在中間。比DRAM快，比SRAM容量大，非易失（斷電不丟資料）。它們在實驗室裡躺了很多年，一直沒找到大規模商業化場景。晶圓級晶片的MemoryX需求，可能是它們第一個真實的應用落點。

當然，這個傳導要落地，前提是晶圓級晶片本身先放量。這是後話，但方向值得關注。

晶圓級路線在中國意味著什麼

Cerebras的技術路線，理論上給中國AI晶片行業提供了一個思路：如果HBM供應鏈受限，能不能走一條不需要HBM的架構路徑？

但這個思路要落地，目前還隔著一道檻：先進製程。WSE-3用的是台積電N5工藝，整片晶圓的良率挑戰極大。一片12英吋晶圓上只要有幾個缺陷點，整顆晶片就廢了。Cerebras靠的是1.5%核心做冗餘備份、再加上軟體層面的容錯機制，才把良率拉到可用水平。

中國目前還沒有這個製程節點的產能。晶圓級路線對中國來說，是一個值得跟蹤的技術方向，但離落地還有距離。

兩張桌子

HBM這樁生意，全球有三家公司在做，毛利率比輝達還高，因為AI晶片現在離不了它。

Cerebras的出現，等於有人在問一個很根本的問題：能不能做一種AI晶片，完全不用HBM？

技術上說，可以。44GB的片上SRAM加權重流架構，跑短上下文推理確實比GPU方案更快。但從"技術上可以"到"商業上大規模替代"，中間還隔著良率、生態、上下文天花板這幾道檻。

對儲存產業鏈來說，最值得關注的不是Cerebras這家公司本身。而是它打開了一個新的技術方向。這個方向上，蛋糕的切法和原來完全不一樣了。

原來只有一張桌子：HBM + GPU。SK海力士、三星、台積電、輝達，四家分錢。

現在可能要多出一張桌子：晶圓級晶片 + MemoryX。台積電一家吃掉儲存和製造兩塊，再加新興儲存器（MRAM/ReRAM）分MemoryX的蛋糕，HBM供應商暫時安全，但增量空間被切走一塊。

兩張桌子並排擺著。那張將來坐的人多，現在還沒定。但產業鏈上的錢，已經開始往第二張桌子移動了。 (觀瀾Horizon)