Cerebras 揭露 250 億美元積壓訂單，宣稱每 18 個月效能提升超越摩爾定律兩倍
本週發布的《All-In Podcast》專訪，對談嘉賓為 Cerebras 執行長 Andrew Feldman 與 Black Forest Labs 執行長 Robin Rombach
Cerebras Systems 創辦人兼執行長 Andrew Feldman 透露，這家推論晶片製造商目前手握 250 億美元的訂單積壓，超大規模雲端供應商（hyperscalers）與前沿實驗室在 Cerebras 完成晶片製造前，就已預訂了多年產能。Feldman 表示：「市場需求遠遠超過我們建設資料中心並配置硬體的速度。」他指出，OpenAI、Anthropic、Google、Microsoft 和 AWS 並非在進行投機性的基礎設施建設，而是在追趕已經簽約的既有需求。此番言論將當前的 AI 基礎設施週期重新定義：這不僅是對未來使用量的押注，更是為了滿足現有客戶承諾的搶購潮；對於評估超大規模雲端與新興雲端（neocloud）資本支出（capex）持久性的投資人而言，這項區別至關重要。
打破摩爾定律：Cerebras 宣稱擁有獨特的效能曲線
在對談中，最具體的技術披露是 Feldman 宣稱 Cerebras 已超越摩爾定律（Moore's Law）每 18 個月效能翻倍的傳統節奏。Feldman 表示：「我們透過這款晶片徹底突破了限制，開闢了一條全新的發展軌跡。」他補充說，公司內部預期未來在同樣的 18 個月週期內，效能提升將「遠超 2 倍」。他將此差距歸因於架構的成熟度：基於 20 年前設計的 GPU，越來越依賴縮小製程節點來獲取效能提升；而 Cerebras 的晶圓級架構（wafer-scale architecture）尚處於發展初期，即便不依賴製程節點的改進，仍有巨大的優化空間。投資人應將此視為公司的自我宣稱而非經審計的基準測試，但這是一個具體且可驗證的聲明，市場可透過未來的產品發布進行追蹤。
為何推論速度成為瓶頸，而不僅僅是訓練？
Feldman 將 Cerebras 的速度優勢直接與推理模型（reasoning models）的經濟效益連結，因為這些模型在產生答案前，內部會消耗大量 tokens。他說：「正是因為這種推理過程在內部消耗了海量的 tokens，才使得像我們這樣超高速的機器顯得至關重要。」他的論點是，隨著推理鏈條拉長——Feldman 提到有些運算甚至長達 24 至 48 小時——15 倍的速度優勢將產生複利效應，將數週或數月的有效「思考」時間壓縮至單日完成。這是目前最清晰的論述，解釋了為何 Cerebras 認為隨著產業從單次推論轉向多步驟代理推理（agentic reasoning），其硬體優勢將會擴大而非縮小。
Token 最大化、企業紀律與 AI 支出的真實訊號
Feldman 反駁了當前 AI 使用是缺乏紀律的投機行為這一觀點，並將其與企業早期採用 AWS 的情境相提並論。他說：「實驗確實存在，但這並不代表其淨價值不高，只是意味著其中部分嘗試可能會失敗。」他將當前階段比作消費者在剛開幕的 Costco 逛遍每個貨架，隨後才學會策略性購物。他主張，企業正從無限制的「token 最大化」轉向有紀律的配置——將較便宜的開源模型用於低風險任務，並將前沿模型保留給困難問題——他認為這是市場趨於成熟而非過熱的證據。
開源與主權 AI 成為 Cerebras 的結構性業務線
Feldman 直言不諱地指出，受資料外洩疑慮及金融與醫療等產業的監管風險影響，客戶對開源與主權部署選項的需求正出現轉變。他說：「在美國，我們需要更多本土的開源模型。我們必須給世界一個選擇。如果他們現在想運行開源模型，選擇只有 OSS 120B 或中國的模型。」他提到 OpenAI 發布開源權重模型是正確的方向，但仍不足夠。Cerebras 的定位正從此趨勢中受益：該公司表示，目前除了運行 OpenAI 的閉源模型以及 GSK、阿聯酋 G42 與 MBZUAI 等客戶的客製化模型外，也支援 GLM、Kimi 及 Qwen 模型系列。Feldman 指出，Nvidia 大致避免積極推廣自家的開源模型，因為這會使其與購買其晶片的實驗室（如 OpenAI、Anthropic、xAI）形成直接競爭，這種動態為像 Cerebras 這樣的中立基礎設施供應商留下了服務需求的空間。
談及 Anthropic 的政府揭露事件，Feldman 採取謹慎態度
當被問及 Anthropic 與政府協調模型發布所引發的爭議時，Feldman 的態度客觀且支持這種預防性做法，且不涉及政治立場。他說：「當一個模型在思考上具備足夠的創造力，以至於構成實質性威脅時，政府要求分階段發布——這對我來說並非不合理。」他將其比作製藥業採用的階段性安全審查流程。他提到與 Palo Alto Networks 執行長 Nikesh Arora 的對談，後者據稱告訴他，該模型「擊敗」了現有的安全軟體防禦，迫使公司進行為期六週的修補。Feldman 更廣泛的觀點是，政治兩極化正在削弱產業對合法安全權衡進行理性思考的能力，這對試圖在下一代前沿模型發布前評估監管風險的投資人而言，是一個值得注意的數據點。
Feldman 宣稱 AGI 已實現，將辯論轉向部署層面
在最值得引用的時刻之一，Feldman 直言人工通用智慧（AGI）已經實現，至少以十、二十年前定義它的任何標準來看皆是如此。他說：「我們已經達到了。只是我們還沒有完全部署它。」他認為像圖靈測試（Turing test）這樣的舊基準已被「徹底超越」。這對晶片公司高層而言，是比實驗室執行長更顯著的升級，這表明基礎設施供應商——透過客戶的工作負載能洞察模型的實際能力——現在已能公開宣稱 AGI 的到來，將辯論從「我們是否已抵達」轉向「我們能以多快的速度進行分配與組織」。
Black Forest Labs：Robin Rombach 談影像、影片與機器人模型的融合
對談後半段轉向 Black Forest Labs 共同創辦人兼執行長 Robin Rombach，該公司目前員工數已逾百人，在開發開源模型 Flux 後完成了新一輪融資。Rombach 曾協助建構 Stable Diffusion，並發明了現代生成式影像與影片系統背後的潛在擴散模型（latent diffusion）演算法。他規劃的路線圖遠不止於內容生成，還延伸至機器人領域。他說：「我們正進入一個新範式，將其與所謂的『行動預測』（action prediction）相結合。這樣你就可以使用同一個模型來製作影像、影片、音訊，並預測動作——這意味著你最終可以將其部署在現實世界的機器人上。」這是 Black Forest Labs 在專訪中披露的最具影響力的訊息：該公司明確將其多模態架構定位為通往實體 AI 與機器人的橋樑，而不僅僅是媒體生成工具，這一戰略方向將其可觸及市場（TAM）擴大至創意工具之外。
與 Scorsese 的合作：實際內容為何？
Rombach 確認並詳述了與導演 Martin Scorsese 的合作，描述了 Scorsese 使用 Black Forest Labs 的模型來視覺化場景（據傳為東歐某個村莊）以用於未來潛在項目的過程。Rombach 轉述 Scorsese 的說法：「將腦海中的畫面透過製作影像或一系列影像以視覺方式傳達出來，這讓人們更容易溝通並表達心中的想法。」重要的是，Rombach 小心翼翼地降低了生成式影片即將能產出導演級長片的期待。他對全 AI 生成電影表示：「我不確定這是否是最終目標。」他認為近期的價值集中在前期製作的創意發想、分鏡腳本以及人類參與的迭代工作流程，而非完全取代製作。這比市場上流傳的某些宣傳性敘事更為謹慎，對於試圖衡量短期商業機會與長期潛力的投資人來說，這是一個有用的檢驗。
IP 授權策略：Black Forest Labs 定位為中立基礎設施
關於 Disney 等大型智慧財產權（IP）持有者應如何看待生成式工具，Rombach 表示 Black Forest Labs 已在其公開工具中封鎖了特定受版權保護角色的生成，並根據客戶需求，利用開源或專有架構與 IP 持有者直接開發客製化模型。除了確認與 Scorsese 的合作外，他未透露具體的製片廠合作夥伴，但此框架暗示該公司正試圖在其開源消費級工具之外，建立授權與客製化模型業務，這與 Cerebras 在主權與企業部署方面的雙軌策略相似。Rombach 還指出，AI 輔助的粉絲電影（如未經授權但獲得數百萬 YouTube 觀看次數的《星際大戰》內容）的興起，預示了製片廠最終可能透過授權而非全面禁止的方式，將粉絲創意變現。
技術仍有不足之處
Rombach 對目前的局限性直言不諱，指出高端電影製作仍是最具挑戰性的使用案例之一，且完全自主、由提示詞驅動的機器人控制尚未實現。他說：「你希望達到可以像對語言模型那樣，在情境中對機器人下達提示詞的程度——我們還沒做到那一步。」他解釋說，目前的部署每個機器人與任務仍需數小時的微調數據，而非產業所追求的「零樣本」（zero-shot）泛化能力。這種野心與當前能力之間的差距，是市場上其他更激進的機器人敘事的有效制衡，這也表明將這些多模態世界模型實際商業部署至實體機器人領域，仍處於比影像與影片生成業務更早期的階段；後者已透過授權與企業客製化工作產生了營收。