📰 📝 OpenAI 跟 Cerebras 那笔 750MW 的合同今年 1 月签的，1 月份报道的合同价值超过 100 亿美元，后来招股书披露的主协议总价值超
- 序号：154
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
📰
📝 OpenAI 跟 Cerebras 那笔 750MW 的合同今年 1 月签的，1 月份报道的合同价值超过 100 亿美元，后来招股书披露的主协议总价值超过 200 亿美元，包含到 2030 年的扩展选项。 🚀 第一个产品 2 月 12 日就上线了，叫 GPT-5.3-Codex-Spark。 📊 这个产品本身就是 Cerebras 推理引擎实战表现的一份成绩单，可以从几个方面做具体判断。 📈 吞吐方面，Codex-Spark 在 WSE-3 上跑出 1000 tokens / 秒以上，标准 GPT-5.3-Codex 跑在 GPU 集群上约 65 tokens / 秒，速度差距 15 倍。 ⚡ Cerebras 自己在开源模型上能跑到 3000 tokens / 秒，是当前所有商用推理服务里最高的吞吐。 🔍 第三方基准横向对比，同样的模型在 Cerebras 跟在普通 GPU 推理后端的吞吐差大约 10 倍。 💡 这个 10 到 15 倍的实测差距，跟物理层面 Cerebras 带宽对比 GPU 的巨大鸿沟之间，还有几百倍的差距，被软件栈、工作负载、批处理这些系统级因素吃掉了。 ⏱️ 延迟方面，1000 tokens / 秒对应每个 token 1 毫秒生成间隔，这个速度的硬件能力反过来暴露了 OpenAI 自己推理栈的瓶颈。 🔧 OpenAI 在 Codex-Spark 上同时引入了持久连接和接口重写，每次客户端服务端往返开销减少 80%，单 token 开销减少 30%，首包响应时间减少 50%。 ⚠️ 原来 OpenAI 的整套推理服务架构是按 GPU 推理 “几十毫秒一个 token” 那个延迟尺度设计的，跟 Cerebras 1 毫秒每 token 的硬件能力对不上，软件栈的开销反而成了瓶颈。 🔄 Cerebras 的速度让 OpenAI 必须重做整个 web 层，硬件能力升级倒逼软件栈重构。 💰 成本方面，Cerebras 的硬件成本优势目前还没有被公开定价验证。 🔒 Codex-Spark 只对 ChatGPT 高订阅用户开放，API 定价至今未敲定。 📌 OpenAI 选择高客单价订阅档而不是开放 API 定价，意味着单位推理成本仍然显著高于普通 GPU 推理服务，需要靠订阅的高客单价摊薄 Cerebras 的硬件固定成本。 🤔 如果 Cerebras 真的便宜过 GPU，OpenAI 应该敢把 Cerebras 后端的 API 价格直接公开。 📉 延迟披露 API 价格这件事，可以理解为单 token 成本还没真正击穿 GPU 推理的成本曲线。 📊 作为参考，Cerebras 自己的推理云上开源模型定价与 GPT-4o 的 API 售价差距很大，但两者模型规模和能力差距也很大，不能直接对比。 ⚠️ 但 Cerebras 的这套东西有几个关键的约束条件，框定了它现在能做什么、做不了什么。 🔒 第一是模型大小限制。Codex-Spark 是蒸馏后的小模型，被显著压缩才能跑进 WSE-3 的片上内存。 📏 WSE-3 的片上内存只有 44GB，前沿模型的参数量远超这个容量，必须做剪枝或蒸馏才能装得下。 📉 换速度的代价是损失约 19 个百分点的模型能力，在相关测试上 Spark 约 58%，标准 Codex 为 77.3%。 🔍 这是权重流式传输在工程上仍然不够好的旁证，OpenAI 选择用蒸馏小模型而不用权重流式传输跑大模型，说明前者目前在工程上更可行。 📦 第二是容量限制。Codex-Spark 目前是研究预览版，OpenAI 明确说明 “由于运行在专用低延迟硬件上，使用受独立速率限制约束”。 🔌 这个表述基本等同于承认 Cerebras 容量稀缺。 🏭 750MW 全部部署完需要数千台设备，对应 Cerebras 的整机产线是巨大的扩产挑战。 📈 这也是招股书里相关收入有 85% 要到 2028 年之后才能确认收入的根本原因，硬件交付的物理速度限制了营收节奏。 📝 总结来说，OpenAI 这笔交易对 Cerebras 是阶段性胜利，但远没到终局。 ✅ 技术验证层面，Codex-Spark 证明 WSE-3 在中小模型推理上确实能做到 GPU 做不到的速度，这一点产业内已经形成共识。 🔧 但商业兑现层面，Cerebras 还要解两个核心问题： 大模型推理的内存容量限制，OpenAI 用蒸馏小模型而不用权重流式传输跑大模型，说明权重流式传输当前还撑不起完整的前沿模型。 规模化部署的速度，每台设备都要一片完整的晶圆和一套非标准化的整机集成流程，年产几千台是相当具体的工程瓶颈。 💡 对国产推理芯片的同行来说，这件事还有几个很具体的工程信号。 🔄 端到端延迟优化的价值正在被产业重估，OpenAI 重写整个接口说明硬件再快，软件栈跟不上的话推理体验仍然受限，专用推理芯片的价值要靠端到端的延迟优化才能完全释放。 🧪 蒸馏在产业部署里的实际重要性远超学术讨论的程度，OpenAI 这种规模都要为了跑 Cerebras 专门蒸馏模型，说明专用推理硬件 + 专用蒸馏模型这个组合是接下来一段时间的主流形态，单纯的 “通用推理芯片” 在竞争中会比较吃亏。 🚀 1000 tokens / 秒正在成为智能体 AI 工作流的新基准，慢于这个速度的推理硬件在交互式智能体场景下会被边缘化，这个速度天花板对国产推理芯片是一个相当严峻的目标。 🔍 Cerebras 当前展示的能力是真实的，但商业化释放节奏被产能和工程瓶颈卡住了。 ⏳ 研究 Cerebras 的真正关键，一是看它在 2027-2028 年能不能把 750MW 真的部署完，把收入预期真的转成营收；二是看它能不能在 OpenAI 之外签下新的推理大客户。 ☁️ 相关设备在云厂商上架是一个信号，但目前还没有第二个 OpenAI 量级的合同出现。 📊 从依赖早期客户到依赖 OpenAI，客户质量在提升，但集中度的风险结构没有改变，只有客户组合真正分散了，估值里的风险溢价才能消化。
总体总结
主题正文
- 📝 OpenAI 跟 Cerebras 那笔 750MW 的合同今年 1 月签的，1 月份报道的合同价值超过 100 亿美元，后来招股书披露的主协议总价值超过 200 亿美元，包含到 2030 年的扩展选项。
- 📈 吞吐方面，Codex-Spark 在 WSE-3 上跑出 1000 tokens / 秒以上，标准 GPT-5.3-Codex 跑在 GPU 集群上约 65 tokens / 秒，速度差距 15 倍。
- 💡 这个 10 到 15 倍的实测差距，跟物理层面 Cerebras 带宽对比 GPU 的巨大鸿沟之间，还有几百倍的差距，被软件栈、工作负载、批处理这些系统级因素吃掉了。
- 🔧 OpenAI 在 Codex-Spark 上同时引入了持久连接和接口重写，每次客户端服务端往返开销减少 80%，单 token 开销减少 30%，首包响应时间减少 50%。
- ⚠️ 原来 OpenAI 的整套推理服务架构是按 GPU 推理 “几十毫秒一个 token” 那个延迟尺度设计的，跟 Cerebras 1 毫秒每 token 的硬件能力对不上，软件栈的开销反而成了瓶颈。
- 📈 这也是招股书里相关收入有 85% 要到 2028 年之后才能确认收入的根本原因，硬件交付的物理速度限制了营收节奏。
- 🧪 蒸馏在产业部署里的实际重要性远超学术讨论的程度，OpenAI 这种规模都要为了跑 Cerebras 专门蒸馏模型，说明专用推理硬件 + 专用蒸馏模型这个组合是接下来一段时间的主流形态，单纯的 “通用推理芯片” 在竞争中会比较吃亏。
- 🚀 1000 tokens / 秒正在成为智能体 AI 工作流的新基准，慢于这个速度的推理硬件在交互式智能体场景下会被边缘化，这个速度天花板对国产推理芯片是一个相当严峻的目标。