AI算力角逐：下一个Cerebras现身？

在AI算力军备竞赛愈演愈烈之际，一家名为General Compute的初创公司做出了一个大胆的赌注——它正在押注SambaNova将成为下一个Cerebras。据TechCrunch记者Tim Fernholz报道，这家专注于AI基础设施的公司相信，SambaNova凭借其独特的可重构数据流架构，将接替Cerebras成为AI训练和推理领域的核心供应商。

Cerebras的启示与AI算力困境

Cerebras Systems凭借其巨型晶圆级芯片（WSE）震撼业界，每一颗芯片都如同Wafer般大小，专为巨量并行计算而生。然而，高昂的制造成本、独特的散热需求以及与主流生态的兼容性问题，使得Cerebras始终未能大规模普及。即便如此，Cerebras仍为AI硬件领域注入了新的思路：针对特定工作负载进行极致优化，而非追求通用性。如今，类似的故事在SambaNova身上重演，但剧本却有所不同。

AI大模型的竞争已从百亿参数飙升至万亿级，传统GPU集群在互联带宽、内存带宽和能效比上渐露疲态。英伟达凭借CUDA生态和H100/B200等产品继续领跑，但市场开始渴望更多元的选择。Cerebras、Groq、SambaNova等初创公司纷纷亮出绝活，试图在巨头缝隙中撕开一片天地。

General Compute的豪赌：为什么是SambaNova？

General Compute的商业模式并非直接制造芯片，而是通过资本合作或战略采购，提前锁定下一代算力资源。据接近交易的人士透露，General Compute已向SambaNova投入数亿美元，并计划将其芯片部署在自建的数据中心中，为大型AI客户提供算力租赁服务。这一模式类似CoreWeave之于英伟达，但General Compute希望赌一个尚未被完全验证的架构。

SambaNova的核心技术在于其可重构数据流架构（RDA）。与传统CPU/GPU按照指令流执行不同，SambaNova芯片内置可编程逻辑门阵列，能够根据AI模型的计算图动态调整数据通路，从而实现几乎零浪费的流水线计算。在自然语言处理（如BERT、GPT）和计算机视觉任务中，SambaNova声称其单芯片性能可达同等功耗下GPU的3~5倍。

“我们认为SambaNova代表了过去十年计算架构中最根本的突破。当模型规模不断膨胀，仅有数据流架构才能有效应对冯·诺依曼瓶颈。”——General Compute首席技术官在一次内部会议中表示。

SambaNova的挑战与机遇

尽管技术亮眼，SambaNova仍面临严峻的生态壁垒。英伟达CUDA生态拥有数百万开发者、成熟的优化库和广泛的框架支持，而SambaNova需要说服开发者为其专用编译器重新优化模型。同时，Cerebras的教训也值得警醒：专有架构如果不能融入主流生态系统，将被边缘化。SambaNova的应对策略是提供软件栈，自动将PyTorch/TensorFlow模型编译到其硬件上，但实际效果仍有待大规模部署验证。

此外，SambaNova的客户群体尚局限于少数科研机构和云服务商。General Compute的介入可能加速其商业化进程——通过一个拥有实际需求的中间商，帮助SambaNova获得稳定的流片订单和真实场景的反馈，形成良性循环。

AI算力产业的新变局

2025年，AI芯片市场已从英伟达“一家独大”转向“百花齐放”。AMD、英特尔、谷歌TPU、亚马逊Trainium等纷纷发力，而SambaNova和Cerebras等初创公司则试图在超大规模训练和低延迟推理细分市场建立壁垒。General Compute的押注，本质上是认为“专用化”将超越“通用化”，并且愿意为此投入资本和时间。

编者按：SambaNova能否成为下一个Cerebras？答案或许并不在于技术本身，而在于生态的构建速度。Cerebras失败了，不是因为技术不行，而是因为客户不愿意为——即使性能翻倍，迁移成本也可能吃掉所有收益。General Compute的赌注，实际上是在赌整个AI业界对算力的“饥渴”程度是否已经高到愿意接受不兼容的代价。不论结果如何，这一事件再次提醒我们：AI的军备竞赛，早已从算法蔓延到算力设备，而“淘金热”中最先致富的，往往不是挖矿者，而是卖铲人。

本文编译自TechCrunch。