โมเดลและแพลตฟอร์ม AI

Cerebras ปรับเพิ่มคาดการณ์ทั้งปี หลังรายได้จากคลาวด์พุ่งขึ้น 265%

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

Cerebras Systems ปรับเพิ่มคาดการณ์รายได้ทั้งปีเมื่อวันที่ 12 พฤศจิกายน 2026 หลังรายได้ตามหลัก GAAP ในไตรมาส 3 เพิ่มขึ้น 55% จากปีก่อน แตะระดับสูงสุดเป็นประวัติการณ์ที่ 210.8 ล้านดอลลาร์ รายได้จากบริการคลาวด์และบริการอื่น ๆ พุ่งขึ้น 265% เป็น 141.9 ล้านดอลลาร์ โดยบริษัทระบุว่าการเติบโตนี้มาจากความต้องการใช้การอนุมาน AI ความเร็วสูง แต่ขาดทุนสุทธิตามหลัก GAAP เพิ่มขึ้นเป็น 161.2 ล้านดอลลาร์

ขณะนี้ Cerebras ตั้งเป้ารายได้หลักตลอดทั้งปีไว้ที่ 940–960 ล้านดอลลาร์ เพิ่มขึ้นจากกรอบ 880–890 ล้านดอลลาร์ที่ระบุไว้ใน ข่าวเผยแพร่ผลประกอบการไตรมาส 2 เมื่อวันที่ 12 สิงหาคม 2026 แนวโน้มไตรมาส 4 ระบุว่าอัตรากำไรจากการดำเนินงานหลักจะอยู่ระหว่าง -1% ถึง +1% ทำให้ตัวชี้วัดหลังปรับปรุงแล้วใกล้จุดคุ้มทุน ผลประกอบการหลักไม่รวมค่าตอบแทนที่จ่ายเป็นหุ้นและรายการต้นทุนที่ส่งผ่านจากศูนย์ข้อมูล และบวกกลับค่าตัดจำหน่ายสิทธิซื้อหุ้นของลูกค้าที่ไม่ใช่เงินสด ซึ่งบันทึกหักจากรายได้ ตลอดจนรายการปรับปรุงอื่น ๆ

บริการคลาวด์ขับเคลื่อนสัดส่วนรายได้

บริการคลาวด์และบริการอื่น ๆ สร้างรายได้ตามหลัก GAAP ส่วนใหญ่ของไตรมาสนี้ ขณะที่รายได้จากฮาร์ดแวร์ลดลงจากปีก่อน การเปลี่ยนแปลงนี้ทำให้การเติบโตของ Cerebras พึ่งพาการให้บริการขีดความสามารถด้านการอนุมานมากขึ้น ควบคู่ไปกับการขายระบบโดยตรงและการให้บริการผ่านคลาวด์ของบุคคลที่สาม

ณ วันที่ 30 กันยายน 2026 Cerebras รายงานภาระผูกพันด้านผลการดำเนินงานที่เหลืออยู่มูลค่า 26.1 พันล้านดอลลาร์ เพิ่มขึ้นจาก 25.4 พันล้านดอลลาร์ ณ วันที่ 30 มิถุนายน 2026 ขนาดของภาระผูกพันเหล่านี้ทำให้กำหนดการติดตั้งใช้งานและขีดความสามารถที่พร้อมให้บริการเป็นปัจจัยสำคัญในการเปลี่ยนความต้องการของลูกค้าให้เป็นรายได้ที่รายงาน

Cerebras ยังประกาศว่า Oracle กำลังผสานระบบอนุมานความเร็วสูงของบริษัทเข้ากับ Oracle Cloud Infrastructure และได้ลงนามในข้อตกลงด้านคลาวด์กับลูกค้าที่ไม่เปิดเผยชื่อ ซึ่งบริษัทระบุว่าเป็นผู้ให้บริการไฮเปอร์สเกล 1 ใน 3 อันดับแรก โดยมีแผนให้บริการผ่าน Oracle ในปี 2027 และคาดว่าจะมีข้อมูลเพิ่มเติมเกี่ยวกับข้อตกลงกับผู้ให้บริการไฮเปอร์สเกลรายนี้ในปีเดียวกัน

ผลขาดทุนตามหลัก GAAP และการลงทุนด้านโครงสร้างพื้นฐาน

ขาดทุนสุทธิตามหลัก GAAP เทียบกับ 22.2 ล้านดอลลาร์ในปีก่อน ค่าตอบแทนที่จ่ายเป็นหุ้นคิดเป็น 155.1 ล้านดอลลาร์ของรายการปรับปรุงในการกระทบยอดผลการดำเนินงานไตรมาส 3 ซึ่งช่วยอธิบายว่าเหตุใดผลการดำเนินงานหลักของ Cerebras จึงใกล้จุดคุ้มทุนมากกว่าผลตามหลัก GAAP อย่างมาก

การขยายธุรกิจยังต้องใช้เงินสดจำนวนมาก ในช่วง 9 เดือนแรกของปี 2026 Cerebras ใช้เงินสด 388.9 ล้านดอลลาร์ในกิจกรรมดำเนินงาน และซื้อที่ดิน อาคาร และอุปกรณ์มูลค่า 1.046 พันล้านดอลลาร์ ณ สิ้นเดือนกันยายน บริษัทมีเงินสด รายการเทียบเท่าเงินสด เงินสดที่มีข้อจำกัดในการใช้ และเงินลงทุนระยะสั้นรวม 7.8 พันล้านดอลลาร์ ซึ่งเป็นทรัพยากรจำนวนมากสำหรับใช้สนับสนุนการขยายโครงสร้างพื้นฐาน

ขั้นต่อไปคือการส่งมอบขีดความสามารถ

Cerebras 확보ขีดความสามารถของศูนย์ข้อมูลรวม 700 เมกะวัตต์ โดยมีกำหนดส่งมอบภายในสิ้นปี 2027 ซึ่งรวมถึงสัญญาใหม่ในนอร์เวย์และฟินแลนด์ ในข่าวเผยแพร่เดือนสิงหาคม บริษัทยังระบุแยกต่างหากว่ามีขีดความสามารถมากกว่า 600 เมกะวัตต์ที่เปิดใช้งานแล้วหรืออยู่ภายใต้สัญญาเพื่อส่งมอบภายในกำหนดเดียวกัน โดยตัวเลขก่อนหน้านี้รวมขีดความสามารถที่เปิดดำเนินงานอยู่แล้วด้วย

การผลิตกำลังขยายตัวควบคู่ไปกับ Flex และ Sanmina Cerebras คาดว่าเมื่อสิ้นปี 2026 บริษัทจะมีกำลังการผลิตมากกว่าเมื่อต้นปี 10 เท่า และมีแผนเพิ่มโรงงานและกำลังการผลิตในปี 2027

บริษัทระบุว่าสถาปัตยกรรมการอนุมานแบบแยกส่วนของตนสามารถเพิ่มจำนวนโทเค็นที่ศูนย์ข้อมูลส่งมอบได้สูงสุด 5 เท่า ซึ่งช่วยเพิ่มรายได้ที่อาจสร้างได้ต่อเมกะวัตต์ ความสามารถนี้เป็นหัวใจสำคัญของความพยายามในการให้บริการการอนุมานความเร็วสูง โดยไม่จำเป็นต้องเพิ่มโครงสร้างพื้นฐานด้านพลังงานในสัดส่วนที่เท่ากัน

แนวโน้มที่ปรับเพิ่มขึ้นทำให้ความสำเร็จในระยะต่อไปของ Cerebras ขึ้นอยู่กับการลงมือดำเนินงานพอ ๆ กับความต้องการของตลาด การเปลี่ยนภาระผูกพันของลูกค้าให้เป็นขีดความสามารถด้านการอนุมานที่ติดตั้งใช้งานจริง พร้อมกับบริหารการใช้เงินสดและผลขาดทุนตามหลัก GAAP จะเป็นตัวกำหนดว่าการเติบโตอย่างรวดเร็วของธุรกิจคลาวด์จะนำไปสู่เศรษฐศาสตร์การประมวลผลที่ยั่งยืนได้หรือไม่

Theo Nash เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมโครงสร้างพื้นฐาน AI, การคำนวณ, และระบบฮาร์ดแวร์ที่ขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ งานของเขามุ่งเน้นที่พื้นฐานทางเทคนิคเบื้องหลังภาระงาน AI ขนาดใหญ่ รวมถึงศูนย์ข้อมูล, ตัวเร่งความเร็ว, เครือข่าย, และสแตกซอฟต์แวร์ที่เชื่อมโยงพวกมันเข้าด้วยกัน.

ด้วยมุมมองเชิงวิเคราะห์และขับเคลื่อนโดยวิศวกรรม, Theo ตรวจสอบว่าความก้าวหน้าใน GPU, ซิลิกอนแบบกำหนดเอง, สถาปัตยกรรมหน่วยความจำ, และระบบกระจายทำให้รุ่นใหม่ของโมเดล AI สามารถเกิดขึ้นได้อย่างไร เขาให้ความสนใจเป็นพิเศษต่อการแลกเปลี่ยนด้านประสิทธิภาพ, ประสิทธิภาพการใช้พลังงาน, ความสามารถในการขยาย, และข้อจำกัดเชิงปฏิบัติที่กำหนดการใช้งานจริงของโครงสร้างพื้นฐาน AI.

บทความที่เขียนโดย Theo Nash สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำทางเทคนิค, ความชัดเจน, และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์การคำนวณ AI ที่กำลังพัฒนาอย่างรวดเร็ว