十年追随Cerebras：如何实现「晶圆级AI芯片」的纳斯达克之旅

正文：

原文标题：Reflections on a decade with Cerebras

原文编译：Peggy，BlockBeats

编者按： 2023年5月14日，Cerebras正式在纳斯达克上市，股票代码为CBRS，首日收盘较发行价上涨约68%，成为自2026年以来备受瞩目的AI硬件IPO之一。

本文由Cerebras的早期投资者Steve Vassallo撰写，回顾了他与Andrew Feldman从SeaMicro到Cerebras长达十九年的合作历程。文章表面上讲述的是一段从投资条款到IPO的风险投资故事，实则展现了一家前沿硬件企业如何在行业共识缺乏的情况下，勇敢押注于AI计算架构的重塑：从晶圆级芯片、内存带宽瓶颈，到供电、散热和电气连续性等众多工程挑战，Cerebras所面对的并不仅是单一的技术难题，而是对整个现代计算系统的重新构想。

最值得关注的并非Cerebras成功制造出比传统芯片大58倍的晶圆级芯片，而是该公司从一开始就选择了与行业主流相悖的路径：当GPU成为AI训练的默认选择时，它努力重新定义“为AI而生的计算机”的概念。这一过程不仅需要技术上的判断，还需要资本的耐心，同时也依赖于投资者和创始团队之间长期而非交易性的信任关系。

在当前的AI硬件竞争中，Cerebras的重要性在于提醒市场，计算能力的革命不仅仅是增加更多的GPU，也可能来自对计算架构本身的全新构思。

2016年4月1日，星期五，我给Andrew Feldman发了一封邮件，告知他我会翻过他家后院的围栏，亲自将我们对Cerebras的投资条款送到他手中。

严格来说，这并不是一家风险投资机构的常规做法。但到那时，我已经认识Andrew九年，并与他讨论下一步的创业计划近两年。我不可能因为一个周六下午反复修改的条款而错过这笔交易。

我第一次见到Andrew是在2007年10月。当时，他和Gary Lauterbach刚刚创办SeaMicro。虽然那一轮我没有投资，但我与他们之间产生了很好的共鸣，尤其是欣赏他们从第一性原理出发的思考方式。从那时起，我一直关注着他们的动向。

真正有价值的关系需要时间来积累，而真正有价值的公司也是如此。如今，从外部看来，Cerebras是一家成立十年、即将上市的公司。但在我看来，这是一段长达十九年的关系，终于迎来了敲钟的时刻。

2019年8月，我和Andrew在斯坦福校园的Hot Chips大会上。那一次，Cerebras推出了第一代Wafer-Scale Engine。

2012年，AMD收购SeaMicro时，我就意识到Andrew不会在一家大公司待太久。他身上有强烈的不屈精神，也有反叛的心态。到2014年初，他已经开始寻找离开的机会，我们也开始频繁会面，讨论未来的可能性。

在当时，有两件事并未形成共识：第一，AI确实会变得实用；第二，GPU并不是最适合AI的计算架构。

关于第一个问题，我认识的许多聪明人也各有看法。2012年，AlexNet的出现使得研究社区的一些领域已经开始利用卷积神经网络取得近乎神奇的成果。但在更广泛的软件行业中，AI仍然处于营销热词与科研项目之间。

第二个问题，即硬件方面，几乎没有受到认真讨论。GPU已经成为神经网络训练的默认选择，主要是因为研究人员偶然发现相对于CPU，它们“并不那么糟糕”。为AI工作负载专门设计一套新的计算系统，意味着要挑战当时全世界研究者所使用的主流架构。

然而，Andrew、Gary以及他们的联合创始人Sean、Michael和JP看到了不同的可能性。他们在芯片和系统领域积累了数十年的经验：Gary的背景源于20世纪80年代在数据流和乱序执行方面的开创性工作；Sean专注于先进的服务器架构；Michael负责软件和编译器；JP则在硬件工程领域深耕。他们是一组极为罕见的人才：单独来看，每个人都非常出色；组合在一起时，他们的能力呈现出乘数效应。他们能够想象出一种全新的计算机。

他们相信，如果AI能够真正释放其潜力，由此带来的市场规模将远远超过现有所有计算形式的总和。

他们也清楚GPU的本质：它原本是一颗为图形处理设计的芯片，只是在新的战场上被临时提拔为AI训练工具。虽然其在并行处理上确实优于CPU，但如果从零开始为AI工作负载设计，没有人会选择GPU这样的架构。真正限制神经网络能力的并不是原始算力，而是内存带宽。这意味着，他们要创造的芯片，优化的重点并不是孤立的核心中的矩阵乘法，而是数据在整个计算结构中的高效流动。

在公司内部，投资Cerebras绝不是一个共识决定。我的几位合伙人曾亲眼目睹上一轮半导体投资几乎全数亏损，并对此表示了担忧。但最终，我们作为一个团队达成一致。2016年4月的那个周末，我们明确告诉Andrew：我们希望成为第一个向他提供投资条款的人。

几周后，Andrew、Gary、Sean、Michael和JP搬进了我们位于250 Middlefield二楼的EIR办公空间。我至今仍保留着当时办公室经理绘制的平面图。在那张图上，Cerebras坐落在Foundation一位创始人的旁边，距离后来创办Moveworks的Bhavin Shah也只有几扇门之隔。那是一个非常适合创业公司成长的楼层。

Cerebras的第一个总部，就在我们位于250 Middlefield的旧办公室二楼。

在Cerebras之前，计算史上最大的芯片面积约为840平方毫米，差不多是一枚邮票大小的硅片。而Cerebras制造的芯片面积达到46,000平方毫米，是前者的58倍。

选择晶圆级芯片，意味着选择了随之而来的所有下游设计难题。在近80年的计算历史上，从未有人真正将这件事做成过。这也意味着，没人曾系统性地解决过这些问题：如何为如此巨大的芯片供电？如何为它散热？如何在数万个连接点之间保持电气连续性？

为了实现晶圆级计算，Cerebras几乎必须同时重新发明现代计算的每一个环节：半导体、系统、数据结构、软件和算法。每一个方向都足以成为一家创业公司的挑战。Andrew和他的团队选择从最棘手的技术问题入手。在他们高强度且近乎不知疲倦的努力下，这些问题逐一得到解决。

每六到八周，我们会召开一次董事会会议。他们会向我们介绍自上次会议以来的尝试：一种新的系统设计变体，一种新的供电方案，或一次热管理的调整。由于不断从各个角度与系统性难题正面交锋，他们形成了一种难得的清晰表达能力。他们会阐述自己认为的问题出在哪里，以及下一步准备尝试的方向。

我们会提出问题，并与团队深入探讨，调动所需的人力、资源和关系，帮助他们找到新的突破口。六到八周后，当我们再次会议时，故事又会在另一个技术问题上重演：又一个需要探索的前沿领域。每一个解决方案都会暴露出下一个必须解决的问题。

他们的第一片原型晶圆在首次通电时冒烟了。团队称之为一次“热事件”——当你不想吓到董事会或房东时，通常会用这个词来代指一场火灾。