30 秒看重點
- 事件：AI 晶片獨角獸 Cerebras 推出全新 AI 伺服器，搭載台積電 5 奈米製程打造的晶圓級晶片。
- 意義：這款巨無霸晶片跳過傳統拼貼限制，以極致傳輸速度直接叫板輝達（Nvidia）的 GPU 霸權。
- 影響：這再次驗證了不論 AI 晶片戰局如何演變，台灣的台積電永遠是掌握全球算力命脈的最強後盾。
Cerebras 捨棄傳統「切晶圓」的方式，直接把整片圓形矽晶圓做成單顆「巨無霸晶片」WSE-3，徹底解決了晶片之間傳輸塞車的痛點。這項與台積電深度合作的結晶，正為生成式 AI 帶來前所未有的超高速推理能力。
這顆比臉還大的晶片，憑什麼挑戰輝達的 CUDA 護城河？
傳統的晶片製造就像切蛋糕，把一片圓形的矽晶圓切成成百上千個小晶片（如輝達的 GPU），再用電線（電路板）把它們拼裝在伺服器裡。然而，當 AI 模型變得越來越龐大，晶片與晶片之間的「交通塞車」（資料傳輸延遲）就成了致命傷。Cerebras 走了一條瘋狂的路：他們不切蛋糕了，直接把整片圓形晶圓做成「單一顆」巨無霸晶片！這顆名為 WSE-3 的晶片，運算核心之間直接在晶圓內部以光速通信，完全沒有傳統晶片拼貼產生的傳輸瓶頸。
這背後最大的功臣正是台積電。要在一整片晶圓上維持極高的良率，且不能有任何微小的雜質破壞整顆晶片，這是神話級的製造難度。台積電透過精準的 5 奈米工藝，加上獨家的晶圓級封裝技術，才讓這款巨無霸晶片得以量產。Cerebras 新發表的伺服器就是以此晶片為核心，主打高效率的「AI 推理（Inference）」，能以極低的延遲即時生成 AI 回答，直擊輝達目前最賺錢的痛點。不過，輝達不僅硬體強，其深耕十多年的 CUDA 軟體生態系才是最強的「護城河」，Cerebras 能否在軟體相容性上說服開發者，將是其挑戰輝達的最大考驗。
- 2019-08 Cerebras 推出第一代 WSE，採用台積電 16 奈米，開啟晶圓級晶片先河。
- 2021-04 推出第二代 WSE-2，升級至台積電 7 奈米，電晶體數量達到 2.6 兆個。
- 2024-03 發表第三代 WSE-3，採用台積電 5 奈米，電晶體高達 4.4 兆個，效能翻倍。
- 近期 正式發表搭載 WSE-3 的 AI 伺服器，全面進攻商用 AI 推理與訓練市場。
台灣怎麼看這件事？
這場算力大戰，對台灣來說是「穩賺不賠」的絕對利多！無論是輝達繼續稱霸，還是 Cerebras、AMD 等挑戰者群起奪權，底層的先進代工製程與先進封裝絕對離不開台積電。此外，Cerebras 這種巨無霸晶片的發熱量極為驚人（整台伺服器高達 23 千瓦），這需要極其先進的水冷與液冷散熱技術，這將直接造福台灣的散熱大廠（如雙鴻、奇鋐）。同時，整套巨無霸伺服器的組裝與週邊零組件，也是台灣電子代工大廠發揮強項的全新藍海。
編輯觀點
Cerebras 證明了「物理極限」是可以被打破的，用整張晶圓做晶片雖然瘋狂，但確實在特定 AI 任務上展現出驚人效能。然而，AI 戰局的下半場是「軟體與生態」的對決。Cerebras 必須建立起如同輝達 CUDA 那般好用的開發工具，讓工程師不需要重新改寫程式碼就能無痛轉移，否則這顆地表最強晶片，恐怕只會淪為少數頂級研究機構的專屬玩具，難以真正走入大眾商用市場。
常見問題
- 什麼是晶圓級晶片（Wafer-Scale Engine）？
- 這是一種不將矽晶圓切割，而是直接將整整一片晶圓製造成單一超大晶片的技術。相較於多顆小晶片拼裝，它擁有極高的內部頻寬與極低的傳輸延遲。
- Cerebras 晶片與輝達 GPU 最大差別在哪裡？
- 輝達是透過多張 GPU 顯示卡串聯來運算，卡跟卡之間傳輸慢；Cerebras 則是整張晶圓就是一個晶片，內部核心可以直接通訊，速度快上數百倍。
- 為什麼 Cerebras 的晶片一定要找台積電代工？
- 因為在整張晶圓上不切割且要維持高良率，製造難度極高。全球只有台積電的先進製程與獨家封裝技術，才能實現這種超大型晶片的量產。
- 這款晶圓級 AI 伺服器主要應用在哪些領域？
- 主要用於需要超高速度的大型語言模型（LLM）推理、即時 AI 語音客服、自動駕駛模擬，以及需要龐大算力的科學研究與藥物篩選。
- Cerebras 真的能打敗輝達嗎？
- 硬體效能上在特定領域確實超越，但輝達擁有龐大的 CUDA 軟體生態系與供應鏈優勢。Cerebras 還需要時間建立軟體生態，目前定位為高效能的替代選擇。
名詞小教室
- 晶圓級引擎 (Wafer-Scale Engine)
- 用生活化比喻來說，一般晶片像是用小塊積木拼成的大房子，積木間的卡榫傳接很慢；而晶圓級引擎則是直接用一整塊黏土捏出完整的大城堡，內部沒有任何接縫，訊息傳遞自然暢行無阻。