走进 Cerebras 俄克拉何马城 AI 数据中心

Matthew Berman 参观 Cerebras 新建的俄克拉何马城数据中心，探索 AI 回答背后的基础设施。在这次 2025 年 10 月的参观中，他采访了 Cerebras 首席执行官 Andrew Feldman 和 Scale Data Centers 首席运营官 Billy Wooten。Berman 称该设施是全球最快的 AI 基础设施，但视频没有提供足以确立普遍排名的标准化比较。

Berman 称，新启用的设施提供 44 exaflops 的 AI 算力。Cerebras 也在 2025 年启用时[宣布超过 44 exaflops](https://www.cerebras.ai/blog/okc)。这是公司公布的容量；视频没有规定共同的运算精度、工作负载和测量方法，无法据此与其他系统或用户实际感受到的推理速度比较。

Feldman 说，俄克拉何马城提供了合理的人力和电力成本、建设用地与扩展空间。被问到自然灾害时，他解释说建筑等级影响保险，并必须考虑当地风险。他称这座混凝土设施针对龙卷风做好了准备，就像公司在加州的设施考虑了地震风险一样。

Feldman 介绍 Cerebras 的晶圆级引擎，这是一款覆盖硅晶圆大部分面积的处理器。他说其面积约为 46,250 平方毫米，并与约 750 平方毫米的传统大型芯片作对比。每个系统包含一枚晶圆级处理器，竖直安装在电源后方，另一侧是冷却装置。

Feldman 说，将内存放在芯片上可以减少相对于访问片外内存的数据传输，并称访问数据的优势约为 2,500 倍。这是公司的比较，并不是每项推理任务都实测提升 2,500 倍；相关内存带宽基准和工作负载都很重要。系统具有大量片上内存，但 [Cerebras 也列出了外部内存选项](https://www.cerebras.ai/press-release/cerebras-announces-third-generation-wafer-scale-engine)，因此不能推断每种部署中的每个字节都必须位于晶圆上。

参观接着转向冷却。Berman 称一枚晶圆约消耗 18 千瓦，Feldman 则说机器采用水冷。他指出冷水供应管、暖水回水管和下方的架空地板；地板下的水路设施和受监控的阀门帮助操作人员跟踪压力等状况。单凭冷却方式，不能独立证明整个设施的能效比较结果。

Scale Data Centers 首席运营官 Billy Wooten 说，设施使用 6,000 冷吨的冷水机组，并预留空间，随着规模扩大再增加 6,000 冷吨的制冷能力。他介绍，冷冻水约为华氏 42 度，换热器向芯片供应约华氏 70 度的水；室外冷却塔帮助循环系统排出热量。

被问到为何芯片侧的水温较高时，Wooten 解释说过冷的表面可能导致服务器内产生水汽和冷凝。他谈到将温差保持在约 15 度，参观画面同时展示了进水和出水温度监控。这些数字是运营人员对该特定冷却系统的描述。

在电力保障方面，Feldman 展示了一台 3 兆瓦的备用发电机，并说主要电力由天然气发电提供。这台发电机并非常规电源，而是在主电源故障时启动。他说发电机可使用柴油或液化天然气，设施有三台这样的机组服务于所展示的机房。

Feldman 解释说，供电中断时备用电池会立即接管，并按约五分钟的过渡供电需求配置，以便发电机启动；他表示启动通常更接近三分钟。根据负载和故障情况，可以启动一台、两台或三台发电机。他所说的几乎不中断服务是一项设计说法，视频没有公布实测运行时间数据。

Berman 询问，为什么一些 AI 基础设施项目用吉瓦描述，而 Cerebras 讨论算力输出。Feldman 说，吉瓦描述设施能够提供的电力，而算力数字描述处理能力。他认为按后者衡量，Cerebras 看起来更有优势；但有意义的能效比较还需要明确工作负载、运算精度和实测功率。

第一个机房 OKC1 据称已投入运行。Berman 和 Feldman 随后参观第二个机房 OKC2，Feldman 预计它会在拍摄后的三到四周内投入生产。他解释说，机架和线缆先安装，随后装入机器，并估计该机房会增加约 20 exaflops 算力。

Feldman 将这一预计容量与美国能源部的一台计算机比较，称其输出约为后者十倍。视频没有说明相同的数值精度或共同基准，因此这一比值本身不能作为有效的同口径性能结果。计划容量和部署时间都是 2025 年参观时提出的说法。

被问及 Cerebras 为何选择在美国建造时，Feldman 说公司的系统在加州 Milpitas 封装和组装。他将国内制造描述为公司对美国经济承诺的一部分。采访讨论的是最终系统制造与组装，并不能证明每个组件或制造步骤都发生在美国。

Feldman 回忆，开发期间有 15 到 18 个月，公司一直未解决一个关键工程问题，每月却花费约 800 万美元。他说董事会持续支持，团队反复调查故障、修正错误。最终，一个系统在临时搭建的小实验室里运行起来；墙上开了一个洞用于排出热空气。他记得五位创始人当时默默站了半小时。

被问到最期待 AI 带来哪些变化时，Feldman 提到了医学和教育。他希望 AI 能把他所说的 17 至 19 年药物开发周期缩短到十年以内，并创造不同的儿童教学方式。这些是他的愿景和估计，并非数据中心参观中展示的临床或教育成果。