从GPT-5.6 Sol的Ultrafast模式看推理速度竞赛：750 token/秒背后，Cerebras的晶圆级生意
同一颗大模型，输出速度一夜之间变成原来的14倍------8月13日晚，OpenAI与Cerebras联合宣布推出GPT-5.6 Sol的Ultrafast极速推理模式，有限预览开放。速度数字本身已经够刺激：最高750 token/秒，约为标准处理速度的14倍。但比速度更值得拆解的，是支撑这场提速的硬件故事------一家营收翻倍却亏损扩大的晶圆级芯片公司，为什么正在成为大模型推理速度竞赛的主角。
先把新闻锚点对齐。8月13日晚，OpenAI与Cerebras联合推出GPT-5.6 Sol的Ultrafast模式并开放有限预览，该模式由Cerebras晶圆级硬件驱动，输出速度最高750 token/秒，约为标准处理速度的14倍。与此同时，Cerebras公布2026财年Q2财报：核心营收2.098亿美元、同比增长103%；其中云与服务收入1.277亿美元、同比增长287%；硬件收入8210万美元、同比增长17%；但每股净亏损2.98美元，超出分析师预期1.31美元，盘后股价一度跌逾16%；公司在手RPO（剩余履约义务）订单254亿美元，并上调全年指引。
一、推理速度为什么突然成了"硬通货"
两年前，大模型竞赛的焦点是训练------谁能训出更强的模型；现在，焦点正在转向推理------谁能让模型在用户面前响应得更快。
速度的含金量来自三个层面。第一是体验层：750 token/秒意味着一个500字的段落几乎"秒出"，对话不再有等待感，用户对"AI是否好用"的体感会发生质变。第二是应用层：实时语音、代码补全、Agent自主执行这些场景，对延迟极其敏感------Agent每多等一秒，多轮任务的完成时间就成倍放大，速度直接决定Agent能不能"跑起来像真人"。第三是经济学层：推理越快，单位时间处理的任务越多，同样的算力成本可以服务更多用户；对按token收费的API生意而言，速度就是单位成本的分母。
| 层面 | 速度的价值 | 典型场景 |
|---|---|---|
| 体验层 | 消除等待感、体感质变 | 对话、写作助手 |
| 应用层 | 支撑实时多轮任务 | 语音、代码补全、Agent |
| 经济学层 | 摊薄单token成本 | API服务、批量任务 |
所以，当OpenAI选择把Ultrafast模式与Cerebras绑定，行业读出的信号很明确：速度本身已经成为旗舰模型商业化的核心卖点之一，而实现它的硬件路径，正在从英伟达GPU的既定轨道上分叉。
二、晶圆级引擎是什么：一整片晶圆，就是一颗芯片
Ultrafast的底牌是Cerebras的晶圆级引擎（WSE）。理解它，需要先理解传统芯片的"切片"逻辑。
常规的GPU/加速芯片，是把一整片硅晶圆切成几十上百颗小芯片，每颗独立封装、再通过外部高速接口互联。问题在于：芯片之间的数据传输速度远低于芯片内部，大模型推理恰恰是数据搬运密集型的活------模型权重要在内存和计算单元之间反复流动，跨芯片通信就成了瓶颈。
晶圆级引擎的思路是反着来：不做切片，把一整片晶圆直接做成一颗巨大的芯片。好处是显而易见的------片上存储（SRAM）容量巨大且带宽极高，模型权重可以整个放在芯片上，不用反复访问外部内存，推理速度因此大幅提升；代价也同样明显：整片晶圆只要有一个坏点，整颗芯片就报废，良率挑战巨大，这也是晶圆级路线几十年无人真正商业化的原因。
| 对比维度 | 传统GPU方案 | 晶圆级引擎方案 |
|---|---|---|
| 芯片形态 | 晶圆切成多颗小芯片 | 整片晶圆做一颗芯片 |
| 数据搬运 | 跨芯片互联，慢 | 全在片上，快 |
| 内存瓶颈 | HBM带宽受限 | 片上SRAM，带宽极高 |
| 良率与成本 | 成熟可控 | 挑战大、门槛高 |
Cerebras的差异化在于：它绕开了主流玩家围绕HBM（高带宽内存）展开的军备竞赛，用"超大芯片+超大片上存储"的路线，在大模型推理这个场景上，打出了别人短时间追不上的速度优势。
三、营收翻倍、亏损扩大：财报里的"速度生意"两面
Ultrafast发布同日，Cerebras的财报把这家公司的商业模式摊开了：增长速度惊人，但亏损同样惊人。
核心营收同比增长103%，其中云与服务收入同比大增287%------云服务已经成为绝对主力，说明客户更多是在"租算力"而非"买芯片"。硬件收入只增长17%，增速明显低于云，印证了商业模式从卖硬件向卖服务的转型。另一边，每股净亏损2.98美元、超分析师预期1.31美元，盘后股价一度跌逾16%------市场对"增长换亏损"的定价，依然很严厉。
但财报里最值得注意的数字是RPO：254亿美元的在手订单。这意味着未来数年的大额算力合同已经锁定，市场对晶圆级算力的需求是真实存在的。用一句话概括这家公司的处境：用当下的巨额亏损，赌一个已经被订单部分验证的未来。
| 指标 | 2026财年Q2 | 同比变化 | 信号 |
|---|---|---|---|
| 核心营收 | 2.098亿美元 | +103% | 高速增长 |
| 云与服务收入 | 1.277亿美元 | +287% | 商业模式转向服务 |
| 硬件收入 | 8210万美元 | +17% | 硬件销售放缓 |
| 每股净亏损 | 2.98美元 | 超预期1.31美元 | 亏损扩大 |
| 在手RPO订单 | 254亿美元 | --- | 未来数年需求锁定 |
四、推理速度竞赛的三条路线
Ultrafast不是孤立事件。把视角拉高，当前推理速度竞赛正沿着三条路线同时推进。
第一条是英伟达主导的GPU集群路线：继续堆大模型集群的算力密度与互联带宽，靠规模与生态取胜。这是最成熟也最主流的路线，但HBM供应紧张、集群功耗与成本高企，让"堆出来"的边际收益在下降。第二条是专用推理芯片路线：为推理场景定制架构，在特定模型和任务上做到极致性价比，典型代表是各家自研的推理加速器。第三条就是晶圆级路线：用超大单芯片和片上存储，直接改变数据搬运的游戏规则，目前玩家稀少、门槛极高，但速度优势显著。
三条路线各有拥趸，而OpenAI的这次合作相当于给晶圆级路线投下了一张重量级信任票：当旗舰模型的供应商主动选择非英伟达的推理硬件，说明速度竞争已经激烈到"英伟达的默认选项不够用"的地步。
| 路线 | 代表 | 优势 | 短板 |
|---|---|---|---|
| GPU集群 | 英伟达生态 | 成熟、生态全 | HBM紧张、功耗高 |
| 专用推理芯片 | 各家自研加速器 | 性价比高 | 通用性有限 |
| 晶圆级引擎 | Cerebras | 速度极致、带宽大 | 良率难、玩家少 |
五、对从业者意味着什么：三个判断
推理速度竞赛加速，对科技从业者至少有三个实质影响。
其一，选型逻辑要加上"速度维度"。过去选模型看能力、看价格，现在还要看速度与延迟------同样能力的模型，响应速度差一个数量级，应用体验和成本结构就完全不同。Ultrafast这类模式的开放，意味着"速度"正在成为可采购的差异化服务。
其二，推理成本结构将被重估。速度提升14倍，如果单价不按同比例上涨，单位任务的推理成本就大幅下降------这对Agent类、批处理类应用的商业模式是实质利好。反过来，对按推理时长计费的云厂商，这也是一个需要重新定价的信号。
其三，英伟达的"默认选项"地位首次被实质性挑战。OpenAI与Cerebras的绑定，加上晶圆级硬件进入旗舰模型供应链，标志着推理硬件市场从一家独大走向多路线竞争。对算力采购者而言，这长期是好事：多一个可选的供给路线，就多一分议价空间。
六、接下来盯什么
Ultrafast模式目前只是有限预览，未来几周有三个节点值得跟踪。一是正式放量与定价：750 token/秒的速度能否规模化交付、价格如何设定，将直接决定这条路线能不能从"炫技"变成"生意"。二是Cerebras的产能与良率爬坡：254亿美元订单的履约进度，是晶圆级路线最大的不确定性。三是英伟达的回应：面对推理速度的正面竞争，GPU阵营会降价、提速，还是推出针对性产品------这轮攻防，将决定未来两年推理算力市场的格局。
750 token/秒是速度的起点，不是终点。当推理速度成为旗舰模型的卖点，算力市场的下一个十年，恐怕已经从"比谁算得快"悄悄变成了"比谁搬得快"。