人工智能模型的算力需求正呈指数级增长，每一次性能飞跃都伴随着对计算资源、能源及基础设施的更高要求。这种依赖传统芯片架构的增长模式是否可持续？
Cerebras Systems 试图通过“晶圆级计算”（Wafer-Scale Computing）打破这一瓶颈。过去十年间，该公司挑战了 AI 计算必须依赖传统单芯片架构的行业共识，构建了基于整片晶圆的处理器系统，并通过内部集群与云平台提供 AI 算力服务。
在即将举行的 TechCrunch Disrupt 2026 大会上，Cerebras 首席执行官兼联合创始人安德鲁·费尔德曼（Andrew Feldman）将深入探讨 AI 规模化的极限问题。他将分析计算、能源和基础设施需求的激增现状，并阐述 Cerebras 如何应对这些物理限制。
晶圆级计算：挑战传统芯片架构
费尔德曼于 2015 年联合创立 Cerebras。在此之前，他曾共同创立并领导节能微服务器初创公司 SeaMicro，该公司于 2012 年被 AMD 收购；此外，他还曾在 Force10 Networks 和 Riverstone Networks 担任领导职务。
Cerebras 的核心技术在于解决一个长期被认为不切实际的问题：将晶圆级计算商业化。与传统方式将晶圆切割为独立芯片不同，Cerebras 开发了直接基于晶圆的处理器架构，专为高要求的 AI 工作负载设计。
随着 AI 算力需求的攀升，Cerebras 正在加速扩大其技术应用。今年 5 月，该公司通过 IPO 筹集了 55 亿美元资金。随后，Cerebras 与 OpenAI 签署了一项多年协议，计划在 2026 年至 2028 年间部署总功率达 750 兆瓦的 Cerebras 系统。今年 8 月，Cerebras 正式发布了最新一代晶圆级 AI 基础设施 CS-4。
规模化瓶颈：从处理器到物理基础设施
仅依靠更强大的处理器无法解决 AI 规模化问题。系统的运行依赖于数据中心、电力供应、冷却系统及制造能力的同步扩张。
Cerebras 已着手应对这一基础设施挑战。根据该公司今年 8 月发布的数据，其计划到 2027 年底拥有超过 600 兆瓦的数据中心容量，并在 2026 年将制造能力提升十倍以上。此外，Cerebras 计划在今年推出首个欧洲数据中心，目标是在 2027 年底前将其扩展至 200 兆瓦容量。
对于关注 AI 基础设施布局的创始人、投资者及技术领导者而言，费尔德曼的分享将提供关于计算需求走向及行业限制的深度视角。
当硬件触及极限
在当前 AI 基础设施热潮之前，Cerebras 便押注于晶圆级计算以应对日益加速的 AI 需求。费尔德曼将在演讲中探讨：如果传统硬件无法跟上步伐，AI 的未来将呈现何种形态？这为构建、资助或部署 AI 技术的从业者提供了了解替代性解决方案的机会。
TechCrunch Disrupt 2026 将于 10 月 13 日至 15 日在旧金山 Moscone West 举行。大会设有六大行业主舞台、圆桌论坛及分组讨论，包含 200 多场活动。预计将有超过 10,000 名创始人、投资人、运营人员及科技领袖参会，包括 250 多位演讲嘉宾和 300 多家参展初创企业。除议程内容外，大会还将通过精准对接和社交网络促进参会者与行业建设者建立联系。
