今天看到一份报告，讲到2030年，未来75%的AI计算需求将会来自推理，这里面将会催生出AI投资下半场的巨大机会，下面👇我们来简单聊一聊。🧐 过去两年，大家都在疯狂囤 GPU 训练模型，烧钱堆算力。但最近大家有没有发现，情况开始变了？尤其是小龙虾🦞出来以后，各类Agent可谓大爆发，Token需求指数级增长。一个崭新的推理时代正在到来，未来AI最大的叙事点是让AI应用走进全球几十亿用户手中，并真正使用起来！ 这个转折点，我把它叫做从「训练时代」到「推理时代」的切换。而在这个新阶段，CPU 和定制芯片将是未来真正的主角。 👇咱们掰开揉碎了讲讲，为啥我开始盯上这些以前不起眼的家伙： 🎯 AI 现在有「脑子」了 以前的 AI 就是个工具，我问它答，无法去执行具体的工作。现在不一样了，Agentic AI来了，它能帮我订机票、改文档、写代码，甚至帮我规划整个工作流程。 这种活儿需要大量的逻辑判断和顺序编排。以前GPU是肌肉男，干体力活厉害；但现在这种执行活，CPU 才是指挥官，它擅长处理复杂的逻辑。AI 越聪明，越需要 CPU 来调度指挥。 🎯 大厂也得省钱啊 看财报，各大厂在AI领域的资本开支都十分庞大，其中七巨头除苹果之外，26年全年资本开支总额超过了6000亿美金。不要以为谷歌、Meta 这些巨头就不差钱。恰恰相反，他们也是把钱花在刀刃上。假如一直用英伟达的通用 GPU 来搞推理，电费和硬件成本会把他们吃掉。 所以大厂开始自己设计专用芯片ASIC，就像咱们切菜用菜刀、砍柴用斧头，专芯专用，效率高成本低。这是实打实的降本增效。 基于上述逻辑，我们筛了五个核心标的： • #AMD：推理界的全能选手，GPU# MI300/325 系列拥有业内领先的内存带宽(256GB HBM3E内存，带宽达6TB/s，参数上优于英伟达H200)，能轻松处理超大规模LLM的实时推理，而且速度快。关键是它还是服务器 CPU 的老二，代理式 AI 需要强 CPU 时，AMD 两头吃。 • #ARM：底层架构之王，谷歌、亚马逊自研芯片基本都跑# ARM 架构，ARM Neoverse 平台已经成为 90% 以上自研 AI 服务器 CPU 的首选。所以大厂搞自研，ARM 相当于在家坐着收过路费。 • 博通（#AVGO）：定制芯片的总工程师，它作为# Google TPU、Meta MTIA 和字节跳动的重要合作伙伴，博通在高速互联和封装技术上拥有绝对统治力，是云巨头降低推理成本的首选合作伙伴。大厂想省钱搞自研，离不开博通的技术。 • 迈威尔（#MRVL）：深度参与亚马逊# AWS 和微软 Azure 的芯片研发，这俩巨头想摆脱英伟达依赖，必须依靠迈威尔。目前迈威尔的定制硅片业务正从“研发期”进入“爆发收获期”，未来的生意只会越做越大。 • 英特尔（#INTC）：虽然最近比较难，但它是唯一有自家晶圆厂的设计商，还拥有全球稀缺的# IDM 2.0 代工能力。当推理导致全球 CPU 需求激增、供应链紧张时，Intel 内部的这种协同效应和本土制造优势将会逐渐凸显，而且它还是服务器 CPU 老大。 看完整份报告，我个人认为有几个大趋势将会成为必然： 首先是从以前的「暴力算力」到未来的「精细化运营」。现在来看，整个AI 投资逻辑正在转变，不再是谁芯片最强，而是谁的方案最省钱、最能落地。说明AI真正商业化全面落地场景下，能效比率才是关键。 其次是供应链博弈。各大云巨头都在搞自研芯片，未来 AI 硬件市场会从「英伟达一家独大」变成「群雄割据」。我认为这对整个产业链将是好事。 最后就是电力依然会成为长期瓶颈。虽然 CPU 和 ASIC 在优化效率，但整体算力规模爆炸，对电力的需求还是无限大。看芯片的同时，能源赛道也值得留意。 总结一句话，#AI# 下半场，别光盯着那块最贵的 GPU，那些负责指挥的CPU和帮大厂省钱的ASIC，可能藏着下一波机会。 目前上述提及的公司在 #MSX# 上面基本都有，炒美股，我选择用 #RWA# 美股代币化平台 #MSX，一同投资参与美股市场：# 早期美股投资粉丝和伙伴，可以私信我，填写表单后，可免费进入美股交流和探讨社群(目前每周仅限定10人，助理审核，可能需要一点时间，感恩🙏)！

🔥 前AMD高管深度拆解：ASIC战局与芯片巨头的隐秘关系 ⠀ $NVDA 之外的世界，正在悄悄重组 👇 ⠀ 1️⃣ 为什么 $GOOGL TPU 需求暴增？ ⠀ 市场迫切需要 $NVDA 以外的选择 ⠀ 推理端需求爆发，TCO成为新战场 ⠀ 前几代TPU主打训练，现在全面转向推理 ⠀ 2️⃣ 推理时代的新指标 ⠀ 不再只追求原始算力和最大功耗 ⠀ 转向每瓦性能和每美元性能 ⠀ 效率才是下一轮竞争的核心 ⠀ 3️⃣ $GOOGL TPU 背后谁在撑场？ ⠀ 核心架构：$GOOGL 自研 ⠀ SerDes IP 等关键知识产权：来自 $AVGO ⠀ 两家深度绑定，不是简单的甲乙方关系 ⠀ 4️⃣ $MRVL 的下一张牌 ⠀ $GOOGL 将与 $MRVL 合作开发下一代内存处理单元 MPU ⠀ 最大瓶颈：ASIC与内存之间的数据传输速度 ⠀ 解法：把部分计算直接卸载到内存，减少吞吐瓶颈 ⠀ 5️⃣ $INTC 的逆袭机会 ⠀ $GOOGL TPU 第九版将采用 $INTC 的 EMIB 封装技术 ⠀ $META 计划2027年用 $INTC 开发自研ASIC ⠀ 这些都是代工订单，不直接影响 $AVGO 和 $MRVL 的设计业务 ⠀ 但 $INTC 代工端将显著受益 ⠀ 💡 一句话总结 ⠀ AI芯片格局正在从 $NVDA 一家独大 ⠀ 演变成 $GOOGL · $AVGO · $MRVL · $INTC 多方分食 ⠀ 每一层都有赢家，关键是你蹲在哪一层 ⠀ ❓ 你最看好哪家从这轮ASIC浪潮中获益最多？ ⠀ 评论区告诉我 👇

今天看AMD财报及电话会议能确认的几个关键点： 1、明确提到了服务器CPU的TAM（潜在市场总量）到2030年超过1200亿美元，苏妈原话是这么说的:“基于我们目前观察到的需求信号，以及智能体AI(AgenticAI)驱动的CPU计算需求的结构性增长，我们现在预计服务器CPU的潜在市场总量(TAM)将以每年超过 35% 的速度增长，到 2030年将超过1200亿美元。” 而25年11月分析师大会上当时预估时为约600亿美元（18%CAGR），现在是1200亿美金，35%CAGR 2、数据中心收入58亿美元首次超越英特尔：同比增长57%至58亿美元，其中服务器CPU收入同比增长超50%创历史新高。同期英特尔DCAI收入51亿美元、增速22%——AMD在数据中心领域的收入规模首次实现反超。 。从2017年Zen架构首次进入服务器市场到今天，AMD用了近10年时间完成了这个历史性的反超。 3、服务器CPU业务是最大亮点——连续第4个季度创收入记录，同比增长超50%。云和企业客户各增长超50%，EPYC驱动的云实例数同比增长近50%至超过1600个。5代EPYC Turin的爬坡和4代Genoa的持续出货共同推动了增长。苏妈特别指出，增长主要由出货量驱动而非提价，ASP的提升更多来自产品组合和核心数的增加。 4、服务器CPU的故事正变得越来越有说服力。TAM从600亿翻倍至1200亿本身就是一个值得停下来消化的数字。管理层的逻辑链很清晰：Agentic AI的普及→推理量爆发→每个agent需要CPU来编排和处理数据→CPU与GPU的配比从1:4提升到1:1甚至更高→CPU TAM倍增。Q2服务器CPU收入指引同比增长超70%，全年增长轨迹还在加速。 4月中的这篇推文，也有详细聊到CPU在Agent时代关键位置提振的底层逻辑，也给到个人认为利好的标的，今天都在爆发，连A股的海光信息都涨停了20%一根大阳线。 现在看CPU这个趋势还在加强

英伟达老板黄仁勋亲口承认，未来推理需求将会增长10亿倍！ 兄弟们，是10亿倍，不是100倍，不是1000倍，拿好您的CPU，还有电力能源！我准备把内存芯片股票逐步止盈，押注更多的CPU和能源板块！🧐 我们仅仅才刚刚开始，CPU需求将会指数级增长，未来可能CPU体量会超过GPU，苏妈说的1:1配比，可能依旧偏向保守了！ $AMD $INTC $ARM $NVDA

上次推文重点提到CPU的爆发需求，不辱使命，如期迎来大暴涨，上次AMD价格还在280美金，今天已经409美金，半个月涨幅高达46%！从最新苏妈的电话会议来看，未来GPU与CPU需求将是1：1的比例，更加证实了当时我们的预判：「到2030年，未来75%的AI计算需求将会来自推理，CPU市场将会迎来大爆发」 今天看完 #AMD# 交出的这份 2026 Q1 成绩单，我最直观的感受是，风向变了。 如果说过去两年是“大模型训练”的肌肉秀，那么现在，我们正式进入了「AI Agent与推理」的爆发期。在这个阶段，原本被视为“配角”的 CPU，正在拿回它的主场。 1️⃣逻辑重构：CPU 配比逻辑变了！ 以前数据中心都是1颗CPU带8颗GPU，CPU就是个配角，负责发指令递数据。 但苏妈这次财报会提到，推理和智能体场景下，CPU的压力远超预期。 Agent不是简单的问答，它要做任务编排、拆解步骤、调用插件，这些都是CPU干的活。 所以现在高密度AI场景下，CPU和GPU的配比正在从1:8往1:1演进，甚至更高。 AMD把服务器CPU的市场预期直接从18%年复合增长拉到35%，到2030年是1200亿美金的盘子。这个调整很有意思。 2️⃣财报十分亮眼：不只是增长，是质变 这次 AMD 的数据确实硬气，创纪录的 103 亿美元营收（同比增长 38%）只是表象，真正让我这个投资者兴奋的是底层的财务质量： 利润率实现“戴维斯双击”， 毛利率拉升到 55%，自由现金流翻了三倍多。这说明 AMD 卖出的产品越来越高端，话语权越来越强。 数据中心成了绝对核心，营收占比和增长几乎全靠数据中心（同比涨 57%）。以前大家觉得 AMD 是靠 PC 起家的，现在它已经彻底进化成了一家高性能 AI 基础设施公司。 另外Meta给了个6GW级别的大单，还是多代定制的MI450，说明在顶级客户眼里，AMD已经不是备胎，是正选了。 3️⃣护城河：从“单兵作战”到“机架级全家桶” 我注意到苏妈提到了一个关键词：「Helios 架构」。 这是AMD的杀手锏，把自家最强的EPYC CPU（Verano系列）和Instinct GPU（MI450）做成机架级方案，直接送货上门。 相比之下，英特尔虽然也在追赶，但制程和生态整合上还有坑；而 ARM 方案虽然省电，但在处理复杂、高吞吐的 AI 编排任务时，还是打不过 AMD 的 x86 性能怪兽。 4️⃣有个小风险⚠️ 内存价格暴涨，HBM4和高端内存太贵，成本压力很大，游戏业务下半年预期下滑20%以上。虽然苏妈说供应链他们能处理，但这块肉确实被割了。 总结来说，我个人目前长期看好CPU发展的逻辑和方向，AMD已经从便宜替代品变成高性能定义者。苏妈提的EPS超20美金目标，按现在增长势头（Q2预期涨46%），不像画饼。 关注7月份推进AI活动，会有2纳米Zen 6架构CPU和MI450的更多细节。 如果您跟我一样，坚定的相信，AI会从聊天框演变成全自动AI Agent时代，那么AMD的CPU+GPU双轮驱动，可能是目前市场上比较稳的爆发点。 以前买AMD是买潜力，现在买AMD是买确定性。🧐 持续关注CPU赛道，另外还有其他相关利好公司，比如 #ARM# #INTC# 等，DYOR🙏 目前上述提及的公司在 #MSX# 上面基本都有，炒美股，我选择用 #RWA# 美股代币化平台 #MSX，一同投资参与美股市场：# 早期美股投资粉丝和伙伴，可以私信我，填写表单后，可免费进入美股交流和探讨社群(目前每周仅限定10人，助理审核，可能需要一点时间，感恩🙏)！

英伟达的护城河，正在被三方夹击 2025 年我还说"英伟达是这一轮 AI 浪潮的最大赢家"，现在我修正一下——护城河还在，但水位在下降。 三个方向同时在凿它的墙： 1. 大客户在自研芯片 Google 的 TPU、Amazon 的 Trainium、Meta 的 MTIA、Microsoft 的 Maia——四大云厂商加起来贡献了英伟达 40% 收入，他们全部在去英伟达化。不是替代，是减少依赖。 2. AMD 在追上来 MI400 系列在推理性能上和 H200 接近，价格便宜 30%。OpenAI、xAI 已经下了大单分散供应链。 3. 中国市场被切走 出口管制 + 国产替代（华为昇腾、寒武纪），中国那块蛋糕英伟达基本吃不到了，但中国 AI 产业反而被逼出了完整的国产链。 那英伟达还能投吗？ 短期（6-12 个月）：还能涨，因为 AI 推理需求还在爆炸式增长，产能依然紧张。 中期（1-3 年）：增长会放缓，毛利率被压缩。从"卖铲子的垄断者"变成"卖铲子的领跑者"。 长期（3 年+）：成为英特尔式的成熟巨头，估值倍数会从 30 倍 PE 回归到 15-20 倍。 给投资者的提醒：把 NVDA 当成"周期股 + 成长股"的混合体来看，而不是永动机。它会有大回撤，每次都是机会，但别再期望年年翻倍。

生成式AI往代理式AI迁移中，新的卡脖子环节又出现了，这次是CPU。之前市场关于算力紧缺的讨论都在GPU、HBM、光模块、电力等环节，其实对于CPU的关注比较少。其实Cpu的紧缺传了一段时间了，看最近英特尔、AMD走势最核心驱动力就是来自cpu开始出现紧缺了，甚至连过往不怎么受待见的港股联想集团，最近两周走的也很强。 1、为什agentic ai时代CPU占比会扩大？ 传统AI（主要是大模型训练/推理）高度依赖GPU，因为Transformer的核心是并行矩阵运算，GPU擅长高吞吐的并行计算。这时CPU主要只负责“辅助”：数据路由、内存压缩、GPU调度等，导致数据中心CPU:GPU比例很低（典型1:4~1:8，甚至1颗CPU管8颗GPU）。CPU利用率低，基本是配角。 Agentic AI完全不同，它不是单次“问答”，而是自主多步循环（Planning → Tool Use → Act → Observe → Reflect → Iterate），涉及： 1）编排：调度子任务、多智能体协作、分支逻辑、重试机制。 2）工具调用：网页搜索、API调用、代码执行、数据库查询、向量检索（RAG）、文件处理等。 3）其他CPU密集任务：上下文管理、KV Cache处理、强化学习（RL）仿真评估、数据预/后处理。 这些任务高度串行、I/O密集、逻辑分支多，GPU并不擅长（甚至会闲置）。研究显示：工具处理阶段在CPU上可占总延迟的50%~90.6%（GPU在等待CPU）。Agentic工作流中CPU动态能耗占比可达44%，比传统AI高3~4倍。 简单说，Agentic AI把“思考”交给GPU，但把“做事/协调”交给CPU。CPU从“管家”变成了“总指挥”，必须大幅增加才能让整个系统高效运转。这就是CPU占比扩大的核心驱动（Intel、AMD、Arm、TrendForce等一致观点）。 2、CPU成为新紧缺环节的现实证据 今年Q1 Intel/AMD服务器CPU交期已经拉到6-12周，部分型号基本售罄，价格也提了10%以上。厂商自己都说“demand far exceeded expectations”。不是产能不够，而是Agentic AI把CPU从“可有可无”直接干成了“必须配足”的总指挥。 数据中心项目现在除了电力，就是CPU卡脖子最严重。传统x86（Intel/AMD）高功耗+产能紧张，供应链直接打爆。 3、CPU缺口会有多大？ 行业共识是CPU:GPU比例将显著拉近，CPU需求大幅提升：从传统1:4~1:8（CPU:GPU）转向1:1~1:2（部分场景甚至1.4:1，即CPU比GPU还多）。看之前Arm估算，每GW算力需要的CPU核心从3000万激增到1.2亿（4倍增长） CPU算力份额：在Agentic工作流中，CPU承担的算力比未来机架/集群可能从“GPU主导”转向更平衡，甚至出现专用CPU rack来支撑Agentic编排；AMD/NVIDIA新一代平台已开始按1:2~1:4设计 这就带来了CPU需求的真实拐点，是实打实的硬件重构。 4、特别要说下ARM服务器CPU会更受益一些？ Agentic AI最需要的就是“高核心数+低功耗+稳定串行处理”。ARM天生多核可扩展、perf/watt领先：Arm AGI CPU（136核，TDP仅300W）对比x86同规格功耗低40%+，每机架性能直接翻倍。风冷机架就能塞8000+核，液冷更能到4万+核，完美解决数据中心的“功耗墙”。 更狠的是生态大转向：AWS Graviton、Google Axion、Microsoft Cobalt早就自研ARM，云巨头集体“去x86化”。Arm 3月直接下场自研AGI CPU（首款量产芯片），Meta、OpenAI、Cerebras都是首发伙伴，OEM有联想、Supermicro。 Counterpoint预测：AI ASIC服务器CPU里，ARM份额从2025年25%干到2029年90%。Arm自己说，这波能把数据中心CPU TAM从30亿版税干到1000亿+，未来几年服务器CPU营收很可能超手机，成为最大增长极。 看下周和5月初英特尔、amd的财报电话会上，cpu实际出货量的变化、以及cpu的真实价格变化。这能说明真的有多紧缺。 5、CPU紧缺哪些公司会受益？ 梳理了下哪些公司会受益，后续关注起来： 美股最核心： Intel (INTC)ntel 依然是服务器 CPU 市场的霸主。短缺潮会提升其过往型号的利润率，且其 Gaudi 与 Xeon 的组合在代理推理端有强劲需求。 AMD (AMD)：理由：在 Agentic AI 服务器市场，AMD 的 EPYC 处理器因多核心优势和高性价比，目前在云厂商中的市占率持续提升，是 GPU+CPU 均衡配置趋势下的首选。 Arm Holdings (ARM)：越来越多的云厂商（亚马逊、微软、谷歌）开始自研基于 ARM 架构的 CPU。无论谁赢，只要 Agent 需求推高 CPU 核心数，Arm 的授权费就会大涨。 港股（制造与分销关键点） 中芯国际 (0981)：虽然其在最先进制程受限，但大量非核心逻辑控制芯片（支持 CPU 运作的辅助芯片）和中端 CPU 的需求外溢，会显著提升其产能利用率。 联想集团 (0992)：全球第一大服务器与 PC 厂商。在短缺潮初期，拥有强大供应链管理能力和库存的大厂能通过提价和保证供应，抢占更多政企市场份额。 A股（国产替代与配套产业链） 海光信息 (688041)：国产 x86 服务器 CPU 的龙头。在 Agentic AI 时代，由于其架构与全球生态兼容性最好，国内算力中心在补齐 CPU 短缺时，海光是第一顺位替代品。 龙芯中科 (688047)：自主架构 CPU 的代表。随着国产自主可控需求增强，在党政和关键基础设施的 Agent 应用中受益。 深南电路 (002916) / 沪电股份 (002463)：理由：配套受益。CPU 核心数增加和 GPU+CPU 配比调整，要求更复杂的 PCB（印制电路板）和封装基板，这些公司是全球高端服务器 PCB 的主力供应商。 澜起科技 (688008)：内存接口芯片龙头。只要 CPU 多，内存条就多。Agent 时代对内存带宽要求极高，其 MRDIMM 和内存接口芯片是 CPU 性能爆发的必需品。 投资逻辑核心其实两点： 1）量价齐升：CPU 厂商（AMD, Intel, arm、海光）最直接。 2）卖铲子的人：由于 Agent 需要高带宽，内存配套（澜起）和先进封装/基板（深南）的需求甚至比 CPU 本身更稳。

SpaceX之前最重磅的IPO估计就是下周这个超大晶圆制造商Cerebras Systems的上市了，Cerebras是一家专注于AI加速器的美国公司，总部位于加州Sunnyvale，成立于2016年。公司以“晶圆级集成”（Wafer-Scale Engine，简称WSE）技术闻名，核心产品是将整个300mm硅晶圆直接做成一颗超级大的AI处理器，而不是像传统GPU那样切成小芯片再封装。这解决了AI训练/推理中常见的内存带宽和芯片间通信瓶颈问题，被誉为“世界上最大的AI芯片”。树立了下关于Cerebras几部分关键信息。 1、核心技术和产品 1）晶圆级引擎（WSE） 传统AI芯片（如NVIDIA H100/B200）采用多芯片模块（MCM）或小型die，通过NVLink/HBM等外部互联扩展。但Cerebras的WSE把整个晶圆做成单一die，避免了芯片间通信延迟和带宽损失，实现了“片上”海量并行计算。 WSE-3采用“Weight Streaming”架构，将计算和内存解耦，支持外部MemoryX扩展（1.5TB、12TB、120TB甚至1.2 PB），单系统即可训练高达24万亿参数的超大模型。 2）CS-3系统 单台15U机柜，内置1颗WSE-3，支持水冷。通过SwarmX互联可扩展至2048台集群，峰值达256 exaFLOPS。单台CS-3就能在不到1天内从零训练Llama 2 70B模型（Meta GPU集群需约1个月）。 3）性能优势 Cerebras强调“消除数据移动瓶颈”： 比上一代CS-2（WSE-2）：性能翻倍，功耗和成本不变（CS-2用7nm，2.6万亿晶体管，40 GB SRAM）。 比NVIDIA H100/B200：在内存密集型大模型任务中优势显著。CS-3单系统内存容量远超10,000节点GPU集群；推理速度可达GPU云的数倍（尤其是长上下文/大模型）。公司声称在Llama/Falcon等模型上tokens/second提升2倍。 实际基准：Condor Galaxy 3（64台CS-3集群，8 exaFLOPS）已于2024年Q2上线，与G42合作。集群编程像“单芯片”一样简单，无需复杂分布式框架。 优势： 极致内存带宽 → 适合万亿/十万亿参数模型训练与推理。 扩展性强 → 集群像单机一样编程，开发效率高。 能效/成本在特定 workloads 上优于GPU（同功耗下性能翻倍）。 挑战： 单系统功耗高（25kW），部署门槛高（需专用数据中心基础设施）。 晶圆级制造良率和缺陷容忍技术虽成熟，但整体成本高（单系统硬件估算数百万美元）。 生态不如CUDA成熟，主要针对AI训练/推理大模型，不如GPU通用。 总体上Cerebras是“垂直优化”的AI超级计算机方案，适合追求极致规模和速度的 hyperscaler、主权AI项目、国家实验室，而非通用GPU替代品。 2、发展历程 Cerebras从“卖硬件”转向“AI超级计算平台”，已从早期科研验证走向商用落地（Condor Galaxy等主权AI项目）。 从SeaMicro老兵到AI晶圆级先锋 Cerebras成立于2015-2016年（官方多以2016年计），总部位于加州Sunnyvale。创始人团队全部来自SeaMicro（2012年被AMD以3.34亿美元收购），早期处于stealth模式四年，专注解决“晶圆级集成良率难题”。 1）2019年：发布首代WSE-1，开启晶圆级AI芯片时代。 2）2020-2022年：推出CS-1/CS-2系统，完成从“芯片”到“系统+软件栈”的闭环，与TSMC深度绑定实现量产。 3）2024年：WSE-3及CS-3系统落地，性能翻倍；同期首次递交S-1（后因业务优化于2025年10月撤回）。 4）2025-2026年：转向云推理服务+混合模式，与OpenAI签署巨额合作； 5）2026年2月完成Series H，4月重启S-1，5月启动路演，计划Nasdaq上市（代码CBRS）。 3、核心团队及融资 1）核心团队 Andrew Feldman（CEO、联合创始人）：连续创业者，曾任SeaMicro CEO、Force10 Networks产品VP（后被Dell收购）、Riverstone Networks营销VP。斯坦福MBA背景，擅长产品化与资本运作。 Gary Lauterbach（联合创始人、前CTO）：Sun Microsystems UltraSPARC首席架构师，58项专利，曾主导AMD数据中心业务。 Sean Lie（联合创始人、现CTO）：MIT本科+硕士，AMD高级架构师，29项专利。 Michael James（首席架构师）：SeaMicro软件架构师，后任AMD对应岗位。 Jean-Philippe Fricker（首席系统架构师）：DSSD/SeaMicro资深硬件架构师，30项专利。 团队优势在于“系统思维”而非单纯芯片设计：他们深谙数据中心功耗、互联与软件优化，曾用fabric架构重塑服务器。这正是Cerebras能解决晶圆级缺陷容忍与Weight Streaming架构的关键。 2）融资历程 累计融资约29-37亿美元（含多轮），估值从早期数百M美元飙升至IPO前230-266亿美元： 早期：Series B/C/D（2016-2018）累计约1.7亿美元，投资者包括Foundation Capital、Eclipse、Sequoia、Benchmark。 中后期：2019 Series E（2.72亿美元，估值24亿美元）；2021 Series F（2.54亿美元，估值41亿美元）。 2025-2026：Series G（11亿美元，估值81亿美元）；Series H（10亿美元，估值230亿美元，Tiger Global领投，Benchmark、Fidelity、AMD等跟投）。 4、业务模式与财务表现 Cerebras早期卖硬件（CS-2/CS-3系统），后来转向云服务（Cerebras Inference，云端提供超快AI推理）和混合模式。客户包括CSP、 hyperscaler、企业、主权AI项目（如G42）、研究机构。 2025财年财务：收入5.1亿美元（同比+76%，2024年2.9亿美元，2023年0.787亿美元，2022年0.246亿美元，20倍增长）。硬件收入约3.58亿美元，云及其他服务1.52亿美元。 GAAP净利润：约0.879亿美元（2024年净亏损4.85亿美元），首次实现盈利（不过非GAAP仍有亏损）。 剩余履约义务（backlog）：246亿美元（OpenAI等多年前期大单贡献），2026-2027年预计确认15%。 客户集中度：2025年G42占24%（此前曾高达87%），另一UAE客户占62%，但已显著多元化；OpenAI签署超100-200亿美元多年前期合作（含1亿美元贷款+认股权证）。 公司定位从“卖芯片”转向“AI基础设施平台+云”，并与Qualcomm等合作加速边缘部署。 5、IPO相关信息： IPO 基础发行2800万A类普通股，超额配售420万A类普通股，核心管理层和投资人不卖股。纯公司发行新股用于募资，无大量旧股套现。 IPO定价$115–$125/股，因需求超20倍，已计划上调至$125–$135/股（可能进一步调整）。高区间（$125）募资约35亿美元（基础28M股），含超额配售最高约40.25亿美元。 高估值下（$125/股）对应市值约266亿美元IPO后总流通股本约 2.13亿百万股（包括Class A、B、N等）。其中： Class A（上市交易股）为IPO发行的28M股 + 超额部分； 其余Class B（高投票权，创始团队/早期投资者/优先股转换后）和Class N（非投票权，如OpenAI认股权证相关）。 ipo后解禁期前的流通比例 标准锁定期： 180天或提前至Q3 2026财报发布后两个交易日（取较早者）。 解禁前初始流通股（Initial Float）： 仅IPO发行的 28百万股（基础）或最高 32.2百万股（含超额）。 锁定期内真实流通比例： 约 13.1%–15.1%（28M / 213M ≈ 13.1%；32.2M / 213M ≈ 15.1%） 预期定价日：下周三5月13日，预期上市交易日：5月14日（周四），代码CBRS。 整体而言估值虽高，但增长潜力和技术壁垒值得关注 本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」

大家都在押 GPU，但 AI agent 的真实瓶颈根本不在 GPU 上。 Georgia Tech × Intel 去年 11 月发了一篇论文 （arXiv:2511.00739），在 5 个真实 agent 系统上实测—— 工具调用（搜一下、查数据库、跑代码、读文件）占掉了整个响应时间的大头： 检索型 agent：90.6% Devin 同类代码 agent：78.7% LangChain：>50% 模型推理从来不是瓶颈。 道理其实很朴素： 一次对话里，agent 要调工具十几轮（搜一下、看结果、再搜、跑代码、看报错、再跑…）。 每一次工具调用都在 CPU 上，GPU 大部分时间其实在闲置。 更反直觉的数字： 并发请求一堆上去，CPU 电费暴涨 87 倍，GPU 只涨 27 倍。 也就是说 agent 规模一大，电费账单的主力是 CPU，不是大家盯着的 GPU。 这对 AI 基础设施的估值模型来说，是三个没被 price in 的信号： CPU 侧的"老钱"会被重新定价。 Intel / AMD 的服务器 CPU、内存带宽、互联芯片，在 agent 时代不再是"便宜的配件"。 只买更多 H100 救不了 agent 产品的延迟。很多 AI 创业公司做 agent，还在继续往 GPU 堆钱 —— 这条路走不通。 Datacenter 电费模型要重写。CPU 吃掉 44% 的动态能耗，散热和电力预算全要重估，直接影响 Neocloud 和 hyperscaler 的毛利。 AI infra 的下半场，战场从 GPU 搬到 CPU + 内存 + 互联。 大部分人还在讨论模型参数的时候，已经有人在重画 datacenter 的账本。

【过去24小时A股舆情热点话题】 1. **国产芯片全面爆发** — 5月6日盘前热度最高，英伟达确认受美国对华芯片出口管制影响，在中国AI加速器市场份额已降至零。国产替代加速，昇腾、寒武纪、海光等国产芯片需求井喷。4月底字节跳动抛出56亿美元采购单，锁定约35万颗国产芯片，创国内历史纪录。韩国4月半导体出口同比飙升173.5%，连续13个月刷新月度纪录。 2. **算力租赁迎政策拐点** — 5月2日中卫云基地数据中心绿电直供50万千瓦光伏电站正式投运，我国首个大规模"算电协同"绿电供应项目落地，东数西算工程实现从沙漠风光电到数字算力的直连直通，里程碑意义。 3. **商业航天持续发酵** — 上海商业航天海上发射技术有限公司成立，注册资本11亿。长征十号乙、朱雀三号可回收火箭年内发射。SpaceX上市倒计时，全球进入新一轮"太空圈地运动"。 4. **光模块CPO技术路线升级** — 1.6T高速光模块进入大规模放量之年，DPC陶瓷基板成为最紧缺材料。富乐德等厂商产能爆发。OCS全光交换成为新热点，芯动联科等低位标的受挖掘。 5. **Agent时代CPU价值回归** — 英特尔Q1业绩超预期，Q1营收136亿美元。Agent系统多步工作流、工具调用与任务调度直接落在CPU上，CPU从数据中心"配角"回归核心调度地位。 6. **通州特区立法落地** — 5月1日《北京城市副中心条例》正式生效，首次以立法形式确立副中心为北京第二个核心区，赋予通州近似"经济特区+行政特区"功能。城建发展等标的受益。 7. **AI算力芯片产能爆发** — 三安光电光通讯DFB/EML/FP芯片月产能达12KK，PD/APD芯片月产能40KK，外延片月产能从2750片提升至6000片，6英寸外延全球前三。 8. **CPU涨价潮持续** — Intel和AMD服务器CPU涨幅达10-20%，Q3或再迎新一轮涨价。国产CPU龙芯、海光等迎来替代机遇。 9. **先进封装国产化加速** — 国产高性能AI推理芯片约300万张需要2.5D先进封装，昇腾、寒武纪、海光等一线厂商份额160-170万张。通富微电、长电科技等封装厂受益。 10. **存储芯片周期反转** — 美股存储概念股逆市走强，美光科技涨超6%，闪迪涨近6%，均创历史新高。韩国KOSPI指数涨5.12%创新高，SK海力士涨12.5%。