Andrew Feldman：AI 算力秩序中的架構異議者

人物編號：PZ-US-01-001
英文名：Andrew D. Feldman
國家／地區：美國
城市：Sunnyvale, California
公司／機構：Cerebras Systems
身份／職位：Co-founder & CEO
人物場域：AI 基礎設施、半導體架構、AI 訓練與推理、算力替代路徑
斷層類型：AI 生產力斷層、技術治理斷層、資本結構斷層

（圖片說明）Andrew Feldman 站在 AI 算力巨影之下，試圖以晶圓級架構提出另一條基礎設施路徑。

那場從一開始就不對稱的仗
Goliath 從不擔心 David。
這才是這個故事真正殘酷的地方。不是因為巨人邪惡，而是因為巨人根本不需要在意——他的盔甲太厚，他的陣線太穩，他的身後站著整個以色列軍隊的習慣性服從。David 的問題，不只是身材，而是他要打的，根本不是一場對等的戰爭。
Andrew Feldman 知道這一點。
他自稱是與巨人作戰的「professional David」，說的時候帶著那種矽谷創業者慣有的冷靜，但這句話背後藏著一個清醒到令人不安的判斷：有時候最好的技術不一定會贏，所以必須努力確保它能贏。
他面對的巨人是 Nvidia。不只是一家公司，而是一套已經嵌入全球 AI 行業血肉的基礎設施帝國：GPU、CUDA、開發者工具、雲平台合作、客戶習慣、資本市場信任，二十年累積，層層疊加，構成一道幾乎不可見的護城河。
在 AI 時代，真正掌握底層權力的，從來不只是模型公司。OpenAI、Anthropic、Google、Meta 站在公眾視野的中央；但在更深處，決定 AI 成本、速度、規模與國家能力的，是晶片、算力、數據中心、能源與供應鏈所構成的基礎設施體系。這套體系，今天高度集中在 Nvidia 主導的 GPU 生態之上。
Feldman 想問的問題，簡單、根本，也讓所有人不舒服：
AI 算力，是否只能沿著一條路前進？
這個問題，是他整個人物故事的起點，也是 GFM 書寫他的理由。

（圖片說明）Feldman 自稱「professional David」，面對的不是單一公司，而是一整套 AI 算力帝國。

不是熱潮的產物，而是長期押注者
要理解 Feldman，必須先理解他不是誰。
他不是被生成式 AI 浪潮推到台前的機會主義者，不是在 ChatGPT 爆紅後臨時轉向「AI 算力創業」的人，也不是靠一份白皮書和幾張幻燈片在矽谷融到錢的敘事型創業者。
他是一個反覆在計算基礎設施的結構性瓶頸上押注的連續創業者，而且每一次押注，都早於市場的普遍認知。
在 Cerebras 之前，他共同創辦並擔任 SeaMicro 的 CEO。那是 2009 年，雲計算剛剛起步，數據中心的能耗與密度問題還沒有成為公眾議題。SeaMicro 做的是高能效、高頻寬的微型伺服器，2012 年被 AMD 以 3.57 億美元收購。更早，他在 Force10 Networks 擔任產品管理與商務拓展副總裁，後者被 Dell 以 8 億美元收購；再往前，他在 RiverStone Networks 參與 2001 年 IPO 前的發展工作。他擁有 Stanford 的 BA 與 MBA 學歷，芝加哥大學 Data Science Institute 的人物資料印證了這一履歷線索。
這條路的規律很清楚：找到下一個計算基礎設施的結構性矛盾，在市場還沒認識到它之前押注進去。
SeaMicro 回答的是數據中心的能耗與密度問題。Cerebras 回答的是 AI 訓練與推理時代的算力組織問題：模型越做越大，GPU 集群越建越複雜，記憶體牆、通信瓶頸、功耗與系統工程壓力也越來越高。這個矛盾，在 Cerebras 創立早期還不是公眾議題；今天，它已經是 AI 基礎設施最核心的產業爭議之一。
這是 Feldman 的第一重價值：他比市場更早看見問題。

（圖片說明）從 SeaMicro 到 Cerebras，Feldman 長期押注的始終是計算基礎設施的下一個瓶頸。

一片晶圓的邏輯，與良率的戰爭
Cerebras 的核心技術，需要從一個反常識的問題說起。
晶片製造業有一條根深蒂固的生產邏輯：把一片大晶圓切割成許多較小的 die，再封裝、測試、出售。這條邏輯的存在理由，是良率的現實。晶圓上的缺陷是隨機分布的，die 越小，單個 die 包含缺陷的概率越低，良率越高，報廢率越低，成本越可控。這不是保守，這是幾十年半導體製造積累下來的最優解。
Cerebras 的選擇，是把這條邏輯直接顛倒。
它把整片晶圓做成一顆處理器，稱為 Wafer-Scale Engine，WSE。這意味著，良率問題從一開始就是最大的工程挑戰：一顆 WSE 上任何一個缺陷都無法像傳統 die 那樣被切掉丟棄，必須在設計層面就解決。Cerebras 的工程師花了大量精力在冗餘設計上——讓晶圓的某些計算單元在出現缺陷時可以被旁路繞過，保證整片晶圓仍然可用。這是 wafer-scale computing 最核心的工程難題，也是 Cerebras 之前幾乎沒有人能解決它的原因。
解決了良率問題之後，WSE 換來的是什麼？
第三代 WSE-3 採用台積電 5 奈米製程，擁有 4 兆個電晶體、90 萬個 AI 優化計算核心、125 petaflops 峰值 AI 性能，以及 44GB 片上 SRAM；CS-3 系統可支援最高 24 兆參數模型訓練，並可擴展至最多 2048 台。
但數字是結果，不是邏輯。邏輯是：AI 訓練最核心的瓶頸之一，是數據在不同計算單元之間的移動速度。GPU 集群的做法是把許多顆 GPU 通過高速網路連接，讓數據在晶片之間持續傳輸。這帶來了巨大的通信開銷、延遲、功耗，以及難以線性擴展的系統複雜性。
Cerebras 的回答是：讓計算本身變得足夠大，讓大量數據根本不需要離開晶片。片上計算夠大，片上記憶體帶寬夠寬，數據就不必在大量分散晶片之間頻繁移動。Cerebras 官方稱，CS-3 在 LLM 訓練中比 GPU 集群所需代碼少 97%，可用純 data-parallel 模式訓練從 1B 到 24T 參數的模型。這是公司的官方性能敘事，具體場景的驗證仍需時間，但它指向的問題是真實的：Cerebras 試圖解決的，不是單點速度，而是分布式 AI 工程的複雜性代價。
這不是細節優化，而是架構哲學的根本差異：不要用更多更小的東西堆出算力，而要用更大更整合的系統重寫算力的組織方式。
這種哲學，在 Nvidia 主導的時代是異端。
但異端不等於錯誤。

（圖片說明）Cerebras 的 Wafer-Scale Engine，不是把晶圓切碎，而是將整片晶圓變成一顆超大處理器。

真正的護城河在哪裡
要理解 Cerebras 的市場位置，必須先理解 Nvidia 真正的護城河不是什麼。
不是 GPU 性能。性能可以被追趕，AMD 在追，Intel 在追，Google 有 TPU，Amazon 有 Trainium，Cerebras 也在追。性能差距可以靠製程、架構、研發資本縮短。
Nvidia 真正的護城河，是 CUDA 建立起來的世界。
2006 年，Nvidia 推出 CUDA，一套並行計算平台和程式設計模型。近二十年來，全球 AI 研究者、工程師與模型訓練者大量在 CUDA 生態裡工作。他們的框架、工具鏈、工程習慣與組織流程，都與這套生態深度綁定。從 CUDA 遷移到另一個平台，不只是換硬體，而是重寫工作流、重新訓練工程師、重新測試模型行為，成本極高，風險極高，沒有緊迫理由的話幾乎沒有人會主動選擇。
這就是為什麼 Feldman 所說的「professional David」不只是自嘲，而是對問題深度的清醒判斷。他對抗的不是一顆晶片，而是一個已經滲透 AI 行業肌理的基礎設施慣性。
Cerebras 的突破路徑，因此不能只靠「比 GPU 更快」，雖然它在特定場景下宣稱具備速度優勢。它真正需要做的，是找到 GPU 集群不夠合適、客戶有強烈動機改變算力採購方式的場景，在那裡建立灘頭陣地，然後逐漸擴張。
這些場景可能包括：對推理延遲極度敏感的應用；需要本地部署而非依賴雲端的政府與主權 AI 客戶；對能耗與物理空間有特殊約束的環境；特定科學計算、醫療與模型訓練工作負載。
不是所有市場，但可能是足夠大的市場。
這是 Feldman 的賭注。他押的不是「我比 Nvidia 更好」，而是「Nvidia 一個人根本沒有辦法服務所有人」。

G42：最豐厚的訂單，最沉的政治重量
在 Cerebras 的商業歷史裡，G42 是一個無法迴避、也無法輕描淡寫的節點。
它帶來了公司最重要的早期收入，也帶來了公司幾乎無法單靠工程能力解決的制度性風險。
G42 是阿布扎比的科技控股集團，在中東 AI 基礎設施投資版圖中扮演重要角色。Cerebras 2024 年 S-1 招股文件披露，G42 在 2023 年為 Cerebras 貢獻 6510 萬美元收入，占當年總收入的 83%；2024 年上半年，G42 貢獻 1.191 億美元收入，占比 87%。
想像一下那個處境。
一家公司，八成以上的收入來自同一個客戶，而那個客戶是一家阿聯酋政府背景的 AI 投資集團，正處在美國國家安全審查的敏感視野之中。Feldman 需要拿這份收入向投資人證明公司在快速成長，但同一份收入，也在向監管機構發出一個令人不安的信號：這家公司的命運，高度綁定在一個美國政府並不放心的主權資本身上。
這不是財務集中度問題。這是地緣政治問題。
Cerebras 在 S-1 中明確披露，G42 需求變化、適用法律法規或雙方戰略關係出現負面變化，都可能損害公司業務；同一段落也提醒，向不同司法轄區銷售產品時可能需要出口許可。這些都是法律語言，但法律語言背後是真實的政治壓力。
結果，Cerebras 此前 IPO 進程因 G42 相關投資的美國國家安全審查受阻，2025 年被迫撤回 IPO 申請。
這不是商業失敗。這是制度衝突的外顯。
Feldman 撤回申請後仍表示公司未來會進行公開發行。這句話需要被放在它的語境裡讀：它是一位創業者在壓力下說出的決心，也是他對自己最重要的一次公開承諾。
G42 事件揭示的，是一個 AI 算力公司必然面對的時代命題：誰的算力，服務於誰的國家目標。當這個問題的答案讓美國政府不滿意時，再好的技術、再強的收入，也可能被一份監管審查書擋在公開市場門外。

（圖片說明）Nvidia 真正的護城河，不只在 GPU 性能，而在 CUDA、開發者與雲平台共同構成的生態。

公開市場的兩次嘗試
Cerebras 的 IPO 歷程，是理解當前 AI 算力敘事如何被資本市場定價的最好樣本。
第一次嘗試是 2024 年。公司向 SEC 提交 S-1，Feldman 以 CEO 與共同創辦人身份簽署。招股書顯示收入快速增長，但 G42 集中、國家安全審查與地緣政治風險，讓 IPO 在監管與市場的雙重壓力下陷入停頓。2025 年，公司完成大額私人融資後撤回申請。
這不是失敗，是一次代價不低的時機判斷。
第二次嘗試是 2026 年。市場環境已經不同，AI 相關 IPO 重新獲得資本市場注意力。這一次，公司拿出了新的財務底氣：2025 年收入升至 5.10 億美元，高於上一年的 2.903 億美元，並由每股虧損 9.90 美元轉為每股盈利 1.38 美元；更關鍵的是，公司與 OpenAI 達成一項多年協議，OpenAI 同意部署 750 megawatts 的 Cerebras 高速 AI 算力，協議價值超過 200 億美元。
定價方面，公司計劃出售 2800 萬股，定價區間每股 115 至 125 美元，最高募資約 35 億美元，目標估值最高約 266.2 億美元；Morgan Stanley、Citigroup、Barclays 和 UBS 擔任主要承銷商。
這組數字，不只是融資規模。
它意味著，公開市場正在第一次嚴肅地為 Nvidia 之外的 AI 算力路徑定價。如果成功，這個估值將成為整個替代算力行業的一個基準座標，影響後來者的融資邏輯、競爭敘事與市場預期。
但 IPO 不是句號。它是更嚴苛考驗的開始。
上市之後，敘事的容錯空間會急劇收窄。私人公司可以用願景換取耐心，公開公司必須用季度數字換取信任。任何訂單延遲、客戶流失或毛利壓縮，都會在市場即時定價中被放大。Feldman 過去可以把 G42 集中度解釋為「戰略夥伴關係」，上市後它會被機構投資人用更冷峻的語言重新審視。

OpenAI 合約：制度性再定位，不只是商業勝利
在 Cerebras 2026 年的 IPO 敘事裡，OpenAI 是最重要的新變量，但它需要被仔細解讀。
750 megawatts 的算力規模、超過 200 億美元的協議價值，這些數字足夠震撼。但更重要的問題是：這筆合約在 OpenAI 整體算力版圖裡處於什麼位置？OpenAI 同時與 Microsoft Azure 及其他供應商維持複雜的算力關係，Cerebras 是補充性角色、分散性配置，還是真正的核心供應商？收入確認的節奏與交付的時間表，將決定這個合約的真實財務含義。
但這些技術性問題，不能掩蓋一個更重要的制度性意義。
從 G42 主導的中東主權 AI 客戶，到 OpenAI 代表的美國頂尖模型公司，Cerebras 的客戶組合正在發生結構性的地緣政治遷移。這個遷移，不只影響財務，更影響監管機構、機構投資人與行業夥伴對 Cerebras 整體風險畫像的評估。
G42 問題的本質，是算力服務於誰的國家目標。OpenAI 的出現，給了這個問題一個更容易被美國監管機構接受的答案。
Feldman 很清楚這一點。OpenAI 合約不只是商業勝利，它是 Cerebras IPO 敘事的制度性錨點重置。

（圖片說明）G42、OpenAI、出口管制與主權 AI，讓 Cerebras 的算力敘事進入地緣政治場域。

地圖，不只是晶片
要完整理解 Feldman 的處境，必須看地圖，不只是晶片。
AI 算力已經不只是商業問題，它正在成為國家能力問題。
美國的出口管制清單，決定哪些晶片可以賣給哪些國家。中東的主權財富基金，在全球 AI 基礎設施上大規模布局。歐洲在討論算力主權，不想完全依賴美國雲服務商。東南亞、印度、日本、韓國，都在以不同方式試圖建立本地算力能力。
這個版圖，對 Cerebras 既是機會，也是風險。機會在於，主權 AI 客戶不想只依賴 Nvidia，依賴單一供應商意味著談判籌碼的喪失，本地部署也是 Cerebras 相對 GPU 雲服務的潛在優勢場景。風險在於，美國出口管制的不確定性限制了 Cerebras 可以自由進入的市場，G42 事件已經說明，算力客戶的政治屬性，會直接影響公司的美國監管處境。
Feldman 需要同時管理技術路線圖、產品交付、軟體生態、財務結構，還要回答一個更複雜的問題：
在這張地圖上，哪些客戶的錢可以拿，哪些市場的生意可以做，哪些合作會把公司推入監管的敏感地帶？
這不是工程問題，這是制度設計問題。而這個問題，沒有辦法只靠更好的晶片來解答。

他的五重制度價值
GFM 書寫 Andrew Feldman，不是因為 Cerebras 已經證明成功，而是因為他代表了一組值得長期追蹤的制度命題。
他把 AI 算力瓶頸人格化。AI 的競爭首先是算力、能源、晶片架構、供應鏈與數據中心資本開支的制度競爭，不只是模型競爭。Feldman 的存在，讓這個抽象命題有了一個具體的面孔與可追蹤的進展。
他提供了一條替代性技術想像。Wafer-scale computing 不是主流，但正因為不主流，它具有制度觀察的獨立價值：它說明 GPU 集群不是唯一可能，技術選擇背後有更深的架構哲學分歧，而這種分歧不會自動消失。
他站在技術、資本與地緣政治的真實交叉點。Cerebras 的客戶結構、主權 AI 場景與 CFIUS 審查，使它成為出口管制、中東 AI 布局與國家安全語境的觀察樣本，這種案例在公開市場極為罕見。
他是公開市場檢驗 AI 基礎設施替代敘事的罕見機會。如果 Cerebras 成功上市，它對 GPU 之外算力路徑的公開定價，將影響整個替代算力行業的融資邏輯與估值想像。
Cerebras 的產品，與數據中心電力、冷卻工程、雲服務、主權 AI 政策、模型推理成本與國家算力能力密切交織，是理解 AI 底層制度競爭的一個完整橫截面。

風險：未完成的證明
Feldman 的故事必須寫出野心，也必須寫出邊界。
技術敘事很強，但市場採用仍待驗證。性能優勢不能自動轉化為規模採用，AI 晶片的勝負還取決於軟體生態成熟度、客戶遷移成本、雲端集成深度、供應鏈可靠性與長期成本結構。這些變量，招股書敘事解決不了。
Nvidia 的護城河仍然極深。硬體、軟體、開發者生態、雲平台關係和資本市場信任的複合體，不會因為一篇技術論文或一份漂亮財報而鬆動。侵蝕它需要時間、客戶積累和生態建設，缺少任何一個都不夠。
客戶結構仍是持續追問。OpenAI 協議若能順利落地，可能改寫市場理解，但交付節奏、收入確認與合約細節的真實執行，仍將是機構投資人逐季追問的核心。
地緣政治不會消失。AI 晶片、主權算力、出口管制與中東資本的複雜關係，將長期塑造 Cerebras 可以進入的市場邊界，這不是工程能力可以解決的結構性約束。
IPO 是新審判的起點，不是終點。上市帶來資本與曝光，也帶來季度業績壓力、競爭比較的公開化，以及遠比私人融資嚴苛的市場容忍度。

（圖片說明）Feldman 的價值不在於已經勝利，而在於他用一片晶圓向既有 AI 算力秩序提出反問。

一片晶圓，一個反問
Andrew Feldman 不是站在 AI 時代舞台中央的人。
他不像 Sam Altman 那樣掌握模型敘事，不像 Jensen Huang 那樣站在算力帝國的象徵巔峰。他所在的位置更冷峻，更底層，更少被人理解，也更少有人願意長期守在那裡。
他在 AI 生產力的基礎設施層，試圖重新組織算力的組織方式。
這件事，既不性感，也沒有捷徑。
Cerebras 可能成功，也可能只在 Nvidia 的巨影下留下一條被市場部分吸收的替代路徑。Wafer-scale computing 可能成為 AI 基礎設施的重要分支，也可能在生態慣性、成本結構與客戶採用速度的合力下，始終停在「有意思的技術」而無法成為「主流基礎設施」。
但無論結果如何，Feldman 提出的問題已經不能被忽略。
當 AI 的未來越來越依賴算力，算力是否只能沿著一條路前進？
這個問題的價值，不取決於 Cerebras 的股價，也不取決於 IPO 是否在預期估值上完成。它的價值，在於它讓一個原本被默認接受的壟斷性結構，第一次在資本市場的公開燈光下接受系統性的質疑。
GFM 書寫 Andrew Feldman，不是因為他已經贏了，而是因為他代表了 AI 基礎設施世界中最值得長期追蹤的一種人物：在主流秩序已然形成、大多數人選擇服從的時刻，仍然試圖為未來開出另一條路的人。
他不是在做一顆晶片。
他是在把一片完整的晶圓，變成對 AI 算力秩序的一次沉默反問。
而反問本身，就已經是一種力量。

免責聲明
本文為 GFM《人物志》研究專稿，依據公開資料、SEC 文件及核驗新聞稿撰寫。不構成投資建議，版權歸 GFM 所有。