人物编号：PZ-US-01-001
英文名：Andrew D. Feldman
国家／地区：美国城市：Sunnyvale, California
公司／机构：Cerebras Systems
身份／职位：Co-founder & CEO
人物场域：AI 基础设施、半导体架构、AI 训练与推理、算力替代路径断层类型：AI 生产力断层、技术治理断层、资本结构断层
（图片说明）Andrew Feldman 站在AI 算力巨影之下，试图以晶圆级架构提出另一条基础设施路径。
那场从一开始就不对称的仗
Goliath 从不担心David。
这才是这个故事真正残酷的地方。不是因为巨人邪恶，而是因为巨人根本不需要在意——他的盔甲太厚，他的阵线太稳，他的身后站着整个以色列军队的习惯性服从。 David 的问题，不只是身材，而是他要打的，根本不是一场对等的战争。
Andrew Feldman 知道这一点。
他自称是与巨人作战的「professional David」，说的时候带着那种矽谷创业者惯有的冷静，但这句话背后藏着一个清醒到令人不安的判断：有时候最好的技术不一定会赢，所以必须努力确保它能赢。
他面对的巨人是Nvidia。不只是一家公司，而是一套已经嵌入全球AI 行业血肉的基础设施帝国：GPU、CUDA、开发者工具、云平台合作、客户习惯、资本市场信任，二十年累积，层层叠加，构成一道几乎不可见的护城河。
在AI 时代，真正掌握底层权力的，从来不只是模型公司。 OpenAI、Anthropic、Google、Meta 站在公众视野的中央；但在更深处，决定AI 成本、速度、规模与国家能力的，是晶片、算力、数据中心、能源与供应链所构成的基础设施体系。这套体系，今天高度集中在Nvidia 主导的GPU 生态之上。
Feldman 想问的问题，简单、根本，也让所有人不舒服：
AI 算力，是否只能沿着一条路前进？
这个问题，是他整个人物故事的起点，也是GFM 书写他的理由。 
（图片说明）Feldman 自称「professional David」，面对的不是单一公司，而是一整套AI 算力帝国。
不是热潮的产物，而是长期押注者要理解Feldman，必须先理解他不是谁。
他不是被生成式AI 浪潮推到台前的机会主义者，不是在ChatGPT 爆红后临时转向「AI 算力创业」的人，也不是靠一份白皮书和几张幻灯片在矽谷融到钱的叙事型创业者。
他是一个反覆在计算基础设施的结构性瓶颈上押注的连续创业者，而且每一次押注，都早于市场的普遍认知。
在Cerebras 之前，他共同创办并担任SeaMicro 的CEO。那是2009 年，云计算刚刚起步，数据中心的能耗与密度问题还没有成为公众议题。 SeaMicro 做的是高能效、高频宽的微型伺服器，2012 年被AMD 以3.57 亿美元收购。更早，他在Force10 Networks 担任产品管理与商务拓展副总裁，后者被Dell 以8 亿美元收购；再往前，他在RiverStone Networks 参与2001 年IPO 前的发展工作。他拥有Stanford 的BA 与MBA 学历，芝加哥大学Data Science Institute 的人物资料印证了这一履历线索。
这条路的规律很清楚：找到下一个计算基础设施的结构性矛盾，在市场还没认识到它之前押注进去。
SeaMicro 回答的是数据中心的能耗与密度问题。 Cerebras 回答的是AI 训练与推理时代的算力组织问题：模型越做越大，GPU 集群越建越复杂，记忆体墙、通信瓶颈、功耗与系统工程压力也越来越高。这个矛盾，在Cerebras 创立早期还不是公众议题；今天，它已经是AI 基础设施最核心的产业争议之一。
这是Feldman 的第一重价值：他比市场更早看见问题。 
（图片说明）从SeaMicro 到Cerebras，Feldman 长期押注的始终是计算基础设施的下一个瓶颈。
一片晶圆的逻辑，与良率的战争
Cerebras 的核心技术，需要从一个反常识的问题说起。
晶片制造业有一条根深蒂固的生产逻辑：把一片大晶圆切割成许多较小的die，再封装、测试、出售。这条逻辑的存在理由，是良率的现实。晶圆上的缺陷是随机分布的，die 越小，单个die 包含缺陷的概率越低，良率越高，报废率越低，成本越可控。这不是保守，这是几十年半导体制造积累下来的最优解。
Cerebras 的选择，是把这条逻辑直接颠倒。
它把整片晶圆做成一颗处理器，称为Wafer-Scale Engine，WSE。这意味着，良率问题从一开始就是最大的工程挑战：一颗WSE 上任何一个缺陷都无法像传统die 那样被切掉丢弃，必须在设计层面就解决。 Cerebras 的工程师花了大量精力在冗余设计上——让晶圆的某些计算单元在出现缺陷时可以被旁路绕过，保证整片晶圆仍然可用。这是wafer-scale computing 最核心的工程难题，也是Cerebras 之前几乎没有人能解决它的原因。
解决了良率问题之后，WSE 换来的是什么？
第三代WSE-3 采用台积电5 奈米制程，拥有4 兆个电晶体、90 万个AI 优化计算核心、125 petaflops 峰值AI 性能，以及44GB 片上SRAM；CS-3 系统可支援最高24 兆参数模型训练，并可扩展至最多2048 台。
但数字是结果，不是逻辑。逻辑是：AI 训练最核心的瓶颈之一，是数据在不同计算单元之间的移动速度。 GPU 集群的做法是把许多颗GPU 通过高速网路连接，让数据在晶片之间持续传输。这带来了巨大的通信开销、延迟、功耗，以及难以线性扩展的系统复杂性。
Cerebras 的回答是：让计算本身变得足够大，让大量数据根本不需要离开晶片。片上计算够大，片上记忆体带宽够宽，数据就不必在大量分散晶片之间频繁移动。 Cerebras 官方称，CS-3 在LLM 训练中比GPU 集群所需代码少97%，可用纯data-parallel 模式训练从1B 到24T 参数的模型。这是公司的官方性能叙事，具体场景的验证仍需时间，但它指向的问题是真实的：Cerebras 试图解决的，不是单点速度，而是分布式AI 工程的复杂性代价。
这不是细节优化，而是架构哲学的根本差异：不要用更多更小的东西堆出算力，而要用更大更整合的系统重写算力的组织方式。
这种哲学，在Nvidia 主导的时代是异端。
但异端不等于错误。 
（图片说明）Cerebras 的Wafer-Scale Engine，不是把晶圆切碎，而是将整片晶圆变成一颗超大处理器。
真正的护城河在哪里要理解Cerebras 的市场位置，必须先理解Nvidia 真正的护城河不是什么。
不是GPU 性能。性能可以被追赶，AMD 在追，Intel 在追，Google 有TPU，Amazon 有Trainium，Cerebras 也在追。性能差距可以靠制程、架构、研发资本缩短。
Nvidia 真正的护城河，是CUDA 建立起来的世界。
2006 年，Nvidia 推出CUDA，一套并行计算平台和程式设计模型。近二十年来，全球AI 研究者、工程师与模型训练者大量在CUDA 生态里工作。他们的框架、工具链、工程习惯与组织流程，都与这套生态深度绑定。从CUDA 迁移到另一个平台，不只是换硬体，而是重写工作流、重新训练工程师、重新测试模型行为，成本极高，风险极高，没有紧迫理由的话几乎没有人会主动选择。
这就是为什么Feldman 所说的「professional David」不只是自嘲，而是对问题深度的清醒判断。他对抗的不是一颗晶片，而是一个已经渗透AI 行业肌理的基础设施惯性。
Cerebras 的突破路径，因此不能只靠「比GPU 更快」，虽然它在特定场景下宣称具备速度优势。它真正需要做的，是找到GPU 集群不够合适、客户有强烈动机改变算力采购方式的场景，在那里建立滩头阵地，然后逐渐扩张。
这些场景可能包括：对推理延迟极度敏感的应用；需要本地部署而非依赖云端的政府与主权AI 客户；对能耗与物理空间有特殊约束的环境；特定科学计算、医疗与模型训练工作负载。
不是所有市场，但可能是足够大的市场。
这是Feldman 的赌注。他押的不是「我比Nvidia 更好」，而是「Nvidia 一个人根本没有办法服务所有人」。
G42：最丰厚的订单，最沉的政治重量在Cerebras 的商业历史里，G42 是一个无法回避、也无法轻描淡写的节点。
它带来了公司最重要的早期收入，也带来了公司几乎无法单靠工程能力解决的制度性风险。
G42 是阿布扎比的科技控股集团，在中东AI 基础设施投资版图中扮演重要角色。 Cerebras 2024 年S-1 招股文件披露，G42 在2023 年为Cerebras 贡献6510 万美元收入，占当年总收入的83%；2024 年上半年，G42 贡献1.191 亿美元收入，占比87%。
想像一下那个处境。
一家公司，八成以上的收入来自同一个客户，而那个客户是一家阿联酋政府背景的AI 投资集团，正处在美国国家安全审查的敏感视野之中。 Feldman 需要拿这份收入向投资人证明公司在快速成长，但同一份收入，也在向监管机构发出一个令人不安的信号：这家公司的命运，高度绑定在一个美国政府并不放心的主权资本身上。
这不是财务集中度问题。这是地缘政治问题。
Cerebras 在S-1 中明确披露，G42 需求变化、适用法律法规或双方战略关系出现负面变化，都可能损害公司业务；同一段落也提醒，向不同司法辖区销售产品时可能需要出口许可。这些都是法律语言，但法律语言背后是真实的政治压力。
结果，Cerebras 此前IPO 进程因G42 相关投资的美国国家安全审查受阻，2025 年被迫撤回IPO 申请。
这不是商业失败。这是制度冲突的外显。
Feldman 撤回申请后仍表示公司未来会进行公开发行。这句话需要被放在它的语境里读：它是一位创业者在压力下说出的决心，也是他对自己最重要的一次公开承诺。
G42 事件揭示的，是一个AI 算力公司必然面对的时代命题：谁的算力，服务于谁的国家目标。当这个问题的答案让美国政府不满意时，再好的技术、再强的收入，也可能被一份监管审查书挡在公开市场门外。 
（图片说明）Nvidia 真正的护城河，不只在GPU 性能，而在CUDA、开发者与云平台共同构成的生态。
公开市场的两次尝试
Cerebras 的IPO 历程，是理解当前AI 算力叙事如何被资本市场定价的最好样本。
第一次尝试是2024 年。公司向SEC 提交S-1，Feldman 以CEO 与共同创办人身份签署。招股书显示收入快速增长，但G42 集中、国家安全审查与地缘政治风险，让IPO 在监管与市场的双重压力下陷入停顿。 2025 年，公司完成大额私人融资后撤回申请。
这不是失败，是一次代价不低的时机判断。
第二次尝试是2026 年。市场环境已经不同，AI 相关IPO 重新获得资本市场注意力。这一次，公司拿出了新的财务底气：2025 年收入升至5.10 亿美元，高于上一年的2.903 亿美元，并由每股亏损9.90 美元转为每股盈利1.38 美元；更关键的是，公司与OpenAI 达成一项多年协议，OpenAI 同意部署750 megawatts 的Cerebras 高速AI 算力，协议价值超过200 亿美元。
定价方面，公司计划出售2800 万股，定价区间每股115 至125 美元，最高募资约35 亿美元，目标估值最高约266.2 亿美元；Morgan Stanley、Citigroup、Barclays 和UBS 担任主要承销商。
这组数字，不只是融资规模。
它意味着，公开市场正在第一次严肃地为Nvidia 之外的AI 算力路径定价。如果成功，这个估值将成为整个替代算力行业的一个基准座标，影响后来者的融资逻辑、竞争叙事与市场预期。
但IPO 不是句号。它是更严苛考验的开始。
上市之后，叙事的容错空间会急剧收窄。私人公司可以用愿景换取耐心，公开公司必须用季度数字换取信任。任何订单延迟、客户流失或毛利压缩，都会在市场即时定价中被放大。 Feldman 过去可以把G42 集中度解释为「战略伙伴关系」，上市后它会被机构投资人用更冷峻的语言重新审视。
OpenAI 合约：制度性再定位，不只是商业胜利在Cerebras 2026 年的IPO 叙事里，OpenAI 是最重要的新变量，但它需要被仔细解读。
750 megawatts 的算力规模、超过200 亿美元的协议价值，这些数字足够震撼。但更重要的问题是：这笔合约在OpenAI 整体算力版图里处于什么位置？ OpenAI 同时与Microsoft Azure 及其他供应商维持复杂的算力关系，Cerebras 是补充性角色、分散性配置，还是真正的核心供应商？收入确认的节奏与交付的时间表，将决定这个合约的真实财务含义。
但这些技术性问题，不能掩盖一个更重要的制度性意义。
从G42 主导的中东主权AI 客户，到OpenAI 代表的美国顶尖模型公司，Cerebras 的客户组合正在发生结构性的地缘政治迁移。这个迁移，不只影响财务，更影响监管机构、机构投资人与行业伙伴对Cerebras 整体风险画像的评估。
G42 问题的本质，是算力服务于谁的国家目标。 OpenAI 的出现，给了这个问题一个更容易被美国监管机构接受的答案。
Feldman 很清楚这一点。 OpenAI 合约不只是商业胜利，它是Cerebras IPO 叙事的制度性锚点重置。 
（图片说明）G42、OpenAI、出口管制与主权AI，让Cerebras 的算力叙事进入地缘政治场域。
地图，不只是晶片要完整理解Feldman 的处境，必须看地图，不只是晶片。
AI 算力已经不只是商业问题，它正在成为国家能力问题。
美国的出口管制清单，决定哪些晶片可以卖给哪些国家。中东的主权财富基金，在全球AI 基础设施上大规模布局。欧洲在讨论算力主权，不想完全依赖美国云服务商。东南亚、印度、日本、韩国，都在以不同方式试图建立本地算力能力。
这个版图，对Cerebras 既是机会，也是风险。机会在于，主权AI 客户不想只依赖Nvidia，依赖单一供应商意味着谈判筹码的丧失，本地部署也是Cerebras 相对GPU 云服务的潜在优势场景。风险在于，美国出口管制的不确定性限制了Cerebras 可以自由进入的市场，G42 事件已经说明，算力客户的政治属性，会直接影响公司的美国监管处境。
Feldman 需要同时管理技术路线图、产品交付、软体生态、财务结构，还要回答一个更复杂的问题：
在这张地图上，哪些客户的钱可以拿，哪些市场的生意可以做，哪些合作会把公司推入监管的敏感地带？
这不是工程问题，这是制度设计问题。而这个问题，没有办法只靠更好的晶片来解答。
他的五重制度价值
GFM 书写Andrew Feldman，不是因为Cerebras 已经证明成功，而是因为他代表了一组值得长期追踪的制度命题。
他把AI 算力瓶颈人格化。 AI 的竞争首先是算力、能源、晶片架构、供应链与数据中心资本开支的制度竞争，不只是模型竞争。 Feldman 的存在，让这个抽象命题有了一个具体的面孔与可追踪的进展。
他提供了一条替代性技术想像。 Wafer-scale computing 不是主流，但正因为不主流，它具有制度观察的独立价值：它说明GPU 集群不是唯一可能，技术选择背后有更深的架构哲学分歧，而这种分歧不会自动消失。
他站在技术、资本与地缘政治的真实交叉点。 Cerebras 的客户结构、主权AI 场景与CFIUS 审查，使它成为出口管制、中东AI 布局与国家安全语境的观察样本，这种案例在公开市场极为罕见。
他是公开市场检验AI 基础设施替代叙事的罕见机会。如果Cerebras 成功上市，它对GPU 之外算力路径的公开定价，将影响整个替代算力行业的融资逻辑与估值想像。
Cerebras 的产品，与数据中心电力、冷却工程、云服务、主权AI 政策、模型推理成本与国家算力能力密切交织，是理解AI 底层制度竞争的一个完整横截面。
风险：未完成的证明
Feldman 的故事必须写出野心，也必须写出边界。
技术叙事很强，但市场采用仍待验证。性能优势不能自动转化为规模采用，AI 晶片的胜负还取决于软体生态成熟度、客户迁移成本、云端集成深度、供应链可靠性与长期成本结构。这些变量，招股书叙事解决不了。
Nvidia 的护城河仍然极深。硬体、软体、开发者生态、云平台关系和资本市场信任的复合体，不会因为一篇技术论文或一份漂亮财报而松动。侵蚀它需要时间、客户积累和生态建设，缺少任何一个都不够。
客户结构仍是持续追问。 OpenAI 协议若能顺利落地，可能改写市场理解，但交付节奏、收入确认与合约细节的真实执行，仍将是机构投资人逐季追问的核心。
地缘政治不会消失。 AI 晶片、主权算力、出口管制与中东资本的复杂关系，将长期塑造Cerebras 可以进入的市场边界，这不是工程能力可以解决的结构性约束。
IPO 是新审判的起点，不是终点。上市带来资本与曝光，也带来季度业绩压力、竞争比较的公开化，以及远比私人融资严苛的市场容忍度。 
（图片说明）Feldman 的价值不在于已经胜利，而在于他用一片晶圆向既有AI 算力秩序提出反问。
一片晶圆，一个反问
Andrew Feldman 不是站在AI 时代舞台中央的人。
他不像Sam Altman 那样掌握模型叙事，不像Jensen Huang 那样站在算力帝国的象征巅峰。他所在的位置更冷峻，更底层，更少被人理解，也更少有人愿意长期守在那里。
他在AI 生产力的基础设施层，试图重新组织算力的组织方式。
这件事，既不性感，也没有捷径。
Cerebras 可能成功，也可能只在Nvidia 的巨影下留下一条被市场部分吸收的替代路径。 Wafer-scale computing 可能成为AI 基础设施的重要分支，也可能在生态惯性、成本结构与客户采用速度的合力下，始终停在「有意思的技术」而无法成为「主流基础设施」。
但无论结果如何，Feldman 提出的问题已经不能被忽略。
当AI 的未来越来越依赖算力，算力是否只能沿着一条路前进？
这个问题的价值，不取决于Cerebras 的股价，也不取决于IPO 是否在预期估值上完成。它的价值，在于它让一个原本被默认接受的垄断性结构，第一次在资本市场的公开灯光下接受系统性的质疑。
GFM 书写Andrew Feldman，不是因为他已经赢了，而是因为他代表了AI 基础设施世界中最值得长期追踪的一种人物：在主流秩序已然形成、大多数人选择服从的时刻，仍然试图为未来开出另一条路的人。
他不是在做一颗晶片。
他是在把一片完整的晶圆，变成对AI 算力秩序的一次沉默反问。
而反问本身，就已经是一种力量。
免责声明本文为GFM《人物志》研究专稿，依据公开资料、SEC 文件及核验新闻稿撰写。不构成投资建议，版权归GFM 所有。
收听本文
加载中…