【對談】Andrew Feldman：Cerebras 的晶片快一百倍，Nvidia 的護城河靠的是十年沒人理

這場訪談值得你花時間的地方有四個：第一，為什麼挑戰 Nvidia 不能只便宜兩成，必須快一百倍；第二，整條 AI 晶片供應鏈的實際瓶頸在哪裡，從 TSMC 的廠房到資料中心的電網；第三，Cerebras 怎麼從訓練晶片轉向推論市場，硬體公司如何在不能明天改版的前提下做策略轉彎；第四，他對 Nvidia 成功原因的判斷——跟大多數人說的不一樣。合起來的意思是：AI 的基礎建設遠比軟體層複雜，而且這個複雜度還沒有被充分定價。

◎挑戰 Nvidia 不是便宜一點，而是快到對方免費送也沒用

Feldman 算過一道數學：一家新晶片公司從創立到能交貨，快則五年。這五年裡，Nvidia 每年持續進步，複利下來大約是 32 倍的差距。你要追上它，至少還要再有 3 倍的優勢，加起來就是 100 倍。所以他說，你聽到有人說我們比現有產品快兩倍，那不是在挑戰 Nvidia，那是在跟五年後的 Nvidia 比，而且還輸。Cerebras 的答案是晶圓級（wafer-scale）晶片——整片晶圓不切割，面積是一般晶片的幾百倍，算力密度因此大幅提升。這不是小改良，是從架構層就重新來過。代價是：沒有現成的散熱器可以買，沒有廠商有你要的零件，所有周邊都要自己從頭開發。但他說，這些痛苦最後變成了別人複製不了的護城河。

◎從沙子到 AI 回答：供應鏈的每一段都是獨立瓶頸

Feldman 把這條鏈拆開來說得很清楚。首先是 TSMC——台積電用荷蘭 ASML 製造的光刻機（每台約 50 英尺長，造價數億美元）在矽晶圓上蝕刻電晶體，整座廠造價 400 到 500 億美元，建廠要五年。ASML 目前是全球唯一能做這種機器的公司，這不是刻意壟斷，是技術門檻高到沒人追得上。晶片出廠後還有封裝，系統整合，資料中心，每一段都有自己的供應瓶頸。資料中心現在卡在電網老舊（他說美國電網還停在 1940，50 年代的技術水準）和發電機，電力傳輸設備的交貨期過長。他有一句話說得很準：AI 在以軟體的速度前進，資料中心在以房地產的速度前進，這就是為什麼永遠追不上。

◎硬體公司的策略轉彎：不是 pivot，是每爬過一座山再決定下一步

Cerebras 最初是以訓練晶片為目標，後來轉向推論市場。Feldman 不喜歡轉型這個詞，他用路由器的比喻：你不需要在出發前就知道完整路徑，你只需要知道下一跳往哪裡走。每次爬過一個技術關卡，站在新的高度重新看地形，再做下一個決定。這個方法的前提是：架構設計的時候要有足夠的彈性。他舉了一個具體例子：他們當初決定不在晶片裡針對卷積神經網路（一種早期主流的 AI 模型結構）做特化加速，而是在更底層的線性代數運算上做優化。結果 Transformer 架構（ChatGPT 背後的核心技術）出現時，他們的晶片天然就是最快的，即使設計時完全不知道 Transformer 的存在。這不是運氣，是留了餘地。

◎Nvidia 厲害的地方不是 CUDA，是十年沒人理的韌性

Feldman 對 Nvidia 的判斷跟業界流行說法完全不同。大家通常說 Nvidia 贏在 CUDA（讓開發者能在 GPU 上跑 AI 程式的軟體平台）或晶片架構，他說這兩個都不是核心原因。他指出，Nvidia 在 2003 到 2013 年前後整整十年，股價表現很差，作為上市公司在市場裡苦撐，賣不動，沒人聽，但就是沒有放棄。那十年的煎熬刻進了公司 DNA，然後它成了全球市值最高的公司。他說，這種程度的韌性才是真正讓人敬畏的地方，其他都是附帶品。

Feldman 有一句話可以當這場訪談的結語：他們每做出一項突破，外界就換一個理由說還不夠。做出晶圓級晶片，說你良率不行；良率好了，說你封裝不行；封裝好了，說你只有政府客戶；拿到 OpenAI，說你沒有超大規模雲端客戶。這不是抱怨，這是他的動力來源。AI 基礎建設的複雜度遠超過大多數人的想像，而在這條鏈上每個環節都還在追趕需求的當下，真正的問題不是誰的行銷做得好，而是誰能持續解決別人解決不了的問題。