曝GPT-5.5用上“全球最快芯片”，Claude慌了

120B模型飙到2000 token/秒CFO更放话已在跑GPT-5.5Cerebras 560亿美元IPO首日暴涨68%但SemiAnalysis万字拆解直指死穴。SemiAnalysis硅谷最硬核的芯片分析机构4月份光是AI工具的订阅费就烧到了年化1000万美元。其中80%花在同一个地方Anthropic的Opus 4.6 fast模式。它比标准模式贵6倍但token输出速度快2.5倍然后Opus 4.7来了。更聪明跑分全面碾压上一代但工程师集体拒绝升级。理由只有一个4.7没有fast模式。他们宁可用更笨的模型也要更快的token而这个趋势的最大受益者是一家刚刚以560亿美元估值登陆纳斯达克的芯片公司Cerebras。2000 token/秒怎么来的OpenAI今年2月甩出了GPT-5.3-Codex-Spark。名字挂着GPT-5.3的招牌但底层是一个从完整版GPT-5.3 Codex蒸馏出来的小模型参数量只有原版的十分之一120B。虽然是用智能换来的但速度确实夸张到离谱——2000 token/秒。作为对比Anthropic最快的Opus 4.6 fast大约70-100 token/秒GPT-5系列在英伟达GPU上是大约130 token/秒。而Codex-Spark一脚油门踩到了一个数量级开外。让它跑这么快的正是Cerebras的WSE-3一块餐盘大小的晶圆级芯片。这件事直接引爆了一笔246亿美元的合同也把Cerebras一路推进了纳斯达克。5月14日首日暴涨68%2026年至今最大科技IPO。但Cerebras CFO Bob Komin说这还只是开胃菜。IPO前夜他在采访中亮了一张没人预料到的牌——我们服务所有模型对模型大小没有限制。今天我们正在跑万亿参数的模型。我们正在跑OpenAI内部的GPT-5.4和GPT-5.5。如果这是真的Cerebras就不只是一个「小模型快跑」的玩家了IPO当天的疯狂涨幅立刻站得住脚。但SemiAnalysis偏偏在同一周甩出了一篇两万字的技术拆解报告直接把这个故事撕开了一道口子。Cerebras公开云上最大的生产模型是GPT-OSS总参数120B预览模型最大355B。曾经上过的Llama 70B和405B后来也被悄悄下了架。2025年最火但体量也更大的开源模型比如DeepSeek从头到尾就没出现在Cerebras Cloud上。CFO口中的那个数字目前只存在于「OpenAI内部」外界无法验证。要搞清楚这中间的裂缝有多大得先看看这块晶圆到底是怎么回事。一整块硅的赌注半导体行业干了50年的事情就是切硅片。一整块晶圆刻出几十颗芯片切割封装各干各的。英伟达的B300已经把单颗芯片撑到了858平方毫米基本上是光刻的极限了。相比之下Cerebras却反其道而行——它不切。整块晶圆就是一颗芯片。46,225平方毫米比英伟达的GPU大58倍大约一个餐盘的尺寸。上面集成了4万亿个晶体管、90万个计算核心和44GB的SRAM内存。重点来了SRAM。GPU用的是HBM高带宽内存容量大但速度相对慢。一块B300配了288GB的HBM带宽在TB/秒级别。WSE-3只有44GB的SRAM但内存带宽高达21PB/秒。Cerebras速度碾压的秘密就在这里。SRAM带宽大到解码时几乎可以把全部计算核心喂饱。GPU的计算核心只能饿着等内存。而推理的瓶颈正是解码。模型一个token一个token往外吐的时候每吐一个就要把全部权重从内存里读一遍。带宽越高读得越快token出得越快。SemiAnalysis做了一个很直观的对比。同样只给一个用户生成token的场景下GPU能实际利用的算力只有理论峰值的零头。WSE-3理论上可以把全部15.6 PFLOPS的FP16算力吃满。差距不是百分之几十而是数量级的。用他们的原话形容这就像是公交车和F1的区别。GPU是公交车一次拉很多人但每个人都慢。WSE-3是F1赛车一次只拉一个人但飞快。想用赛车的客户甚至愿意付6倍价格来买速度。Opus 4.6 fast已经证明了这一点。但这辆「车」有一个致命问题——它的「油箱」只有44升。对于小模型来说WSE-3的44GB SRAM绰绰有余但放到今天的大模型面前根本不够看。DeepSeek V4有1.6万亿参数即使用最激进的压缩方式FP8量化光权重就要490GB。一块WSE-3装不下要切成至少12块塞进12块晶圆。分布就要通信而这也是Cerebras最致命的短板。每块WSE-3对外带宽只有150GB/秒。英伟达一块Blackwell GPU通过NVLink5能跑到900GB/秒是Cerebras的6倍。被英伟达收购的Groq更夸张单颗LPU3就有9.6Tb/秒8倍。带宽加不了。这是物理层面的死结。WSE-3的制造方式决定了一切。整块晶圆用同一套模板反复曝光12列7行84个完全相同的die拼成一颗芯片。想加高速通信端口SerDes就得在每个die里都加。但84个die里只有边缘的能接到外面中间的全是摆设纯粹浪费硅面积。更要命的是SerDes是模拟电路面积大还会干扰旁边的数字逻辑。在die中间放SerDes等于在自家的高速公路上挖坑。所以Cerebras被困在了一个岛屿上。岛上的高速公路四通八达但通往外界的桥只有一座单车道。如此一来Cerebras跑大模型只剩一条路把模型按层切开每块晶圆放几层晶圆之间只传中间计算结果比完整的模型权重小得多。但流水线越长延迟越高。SemiAnalysis算了一笔账12块晶圆跑DeepSeek V4光是层间传输的固定延迟就要叠加12次缓存数据的搬运时间高达数毫秒。所以CFO在CNBC上说的那番话至少目前更像是路线图上的故事。但在120B以下这个区间Cerebras交出的成绩单没什么好挑的。代价是什么呢知名评测机构Artificial Analysis用Llama 4 Maverick做过实测Cerebras 2400 token/秒英伟达Blackwell 1040 token/秒直接碾了一倍多。AI编程工具Devin背后的Cognition已经把Cerebras接进了产品快速模式下1000 token/秒。Notion、LiveKit、GSK等也已经在用。但代价是公开云跑得动的上限就是GPT-OSS级别最大上下文只有128K。根据SemiAnalysis从Claude Code、Cursor等工具中采集的43.2万条真实请求其中有将近50%都超过了128K。而Agent时代的上下文只会越来越长128K很快就是瓶颈。速度快但模型小、上下文短、选择少。这就是开发者今天拿到手的Cerebras。但这里藏着一个很多人还没注意到的细节足以改变整个竞争格局。Cerebras与OpenAI的协议里写着一条排他条款合同期内不得向「特定OpenAI竞争对手」出售产品。CEO Feldman没有点名但所有人都知道指的是谁Anthropic。12%股权、10亿美元贷款、246亿美元订单锁定。Cerebras已经被牢牢绑在了OpenAI的战车上。推理战争OpenAI刚刚换了一把枪如今AI军备竞赛的主战场已经变了。训练只做一次推理每天做数十亿次。2026年三分之二的AI算力消耗在推理上到2027年预计达到80%。根据OpenAI的计划AWS的Trainium负责理解用户输入Cerebras负责生成输出tokenGPU负责训练和长上下文三套硬件各管一段。这套组合拳只为一件事成本打下来速度拉上去。对比之下Opus 4.6 fast的速度已经从100 token/秒退化到了70 token/秒Cerebras也在合同里把它锁在了门外。那么问题来了Anthropic的极速推理方案在哪里原文链接曝GPT-5.5用上“全球最快芯片”Claude慌了-36氪