開源正在贏、AGI 已經到了、Scorsese 也在用 AI：Cerebras 跟 Black Forest Labs 兩位 CEO 的前線報告

TL;DR

• Cerebras CEO Andrew Feldman 說目前有 250 億美金的訂單積壓，所有矽晶片都不會閒置，AI 基建需求遠遠超過供給能力
• 推理（inference）才是 AI 下一階段的關鍵戰場，推理消耗大量 token，而 Cerebras 的晶片速度是競爭對手的十五倍
• 開源模型正在崛起，企業出於資料主權、監管合規、成本考量，開始大量採用開源模型處理「不需要金牌數學能力」的日常任務
• AGI 按照任何二十年前的定義都已經達成，遞迴學習（recursive learning）正在把指數成長曲線推得更陡
• Black Forest Labs CEO Robin Rombach 是 Latent Diffusion 的發明者，Martin Scorsese 正在用他們的 Flux 模型為新電影做分鏡
• 同一套生成式 AI 模型未來可以同時做影像、影片、音訊，甚至部署在機器人上當「大腦」

這集在 2026 年七月十日播出的 All-In Podcast，由 Jason Calacanis 主持，分別對談了 Cerebras Systems 創辦人兼 CEO Andrew Feldman，以及 Black Forest Labs 共同創辦人兼 CEO Robin Rombach。All-In 是矽谷四位創投老手 Chamath Palihapitiya、Jason Calacanis、David Sacks 跟 David Friedberg 的週播節目，基本上是科技圈的圓桌會議。Cerebras 在 2026 年五月以每股 185 美金的價格在 NASDAQ 上市，首日漲了六成八，是今年最大的科技 IPO，做的是晶圓級（wafer-scale）AI 推理晶片，一顆晶片有九十萬個運算核心，目標是取代一整個 GPU 叢集。Robin Rombach 是在慕尼黑念博士時發明了 Latent Diffusion 這個演算法（基本上是現在所有圖像跟影片生成模型的底層技術），之後參與了 Stable Diffusion 的開發，然後出來創辦 Black Forest Labs，旗艦產品是開源圖像生成模型 Flux，公司在 2025 年底以 32.5 億美金估值拿了三億美金的 B 輪，客戶包括 Adobe、Canva、Microsoft、Meta。

250 億美金的訂單積壓，追的是昨天的需求

Andrew Feldman 開場就把 AI 基建比喻成長城跟金字塔等級的工程。這聽起來誇張，但數字攤開來看，他說的可能還保守了。

他透露 Cerebras 目前有 250 億美金的訂單積壓。這不是「如果你蓋了他們就會來」的投機需求，他強調這些是已經簽約的訂單，OpenAI、Anthropic、Google、Microsoft、AWS 全部排在隊伍裡，而且供不應求。他說了一句很有畫面的話：「我們追的不是未來的需求，是昨天的需求。」

從地理分佈來看，不只是美國在蓋資料中心。加拿大、北歐、法國、中東，甚至哈薩克、塔吉克、喬治亞、亞美尼亞都在蓋。每個國家、美國每個州都覺得自己必須參與這場競賽。單棟建築吃掉的電力比一座中型城市還多，未來幾年的電力消耗會超過過去五十年地球上的總用量。

這讓我想到之前在一個沒有工作簽證的德國人，怎麼把賣雪板的副業做成 Shopify那篇聊過的基礎建設週期。每一次大規模的技術轉型都伴隨著瘋狂的資本支出，但這次的規模確實是前所未見的。

Token Maxing 不代表沒價值，只是還在學怎麼用

Jason 提到了 token maxing 這個概念，問 Andrew 這麼大的需求是否真的在創造價值。Andrew 的回答很實在：「這麼大的需求如果沒有價值，根本不可能存在。」但他也承認有大量的實驗性使用。

他用 Costco 做比喻：1988 年 Costco 剛開進 Palo Alto 的時候，大家像逛 Safeway 一樣每條走道都走，結果買了一堆不需要的東西，每樣都 22 美金。後來大家學會了，直接走到後面買烤雞，幫小孩生日買十八個杯子蛋糕，結帳走人。

AI 的使用也在經歷同樣的學習曲線。一開始企業說「每個人要多少 token 都給」，現在開始有系統地分配：哪些任務需要前沿模型，哪些用開源模型就夠了，哪些用便宜模型跑就好。他說一種新的人才正在浮現：懂得系統性部署 AI 的人。

推理是下一個戰場，速度就是一切

Cerebras 的核心賣點是推理速度。Andrew 說他們的晶片比競爭對手快十五倍，而這個速度優勢在推理模型時代變得特別關鍵。

為什麼？因為推理模型的思考過程會消耗大量 token。你問一個問題，它在內部跑推理鏈，可能要跑幾千甚至幾萬個 token 才能給你一個好答案。如果硬體慢，這個過程就變得痛苦。如果硬體快，你可以讓它跑二十四小時、四十八小時，得到幾週甚至幾個月的思考量。

Jason 分享了一個很有趣的個人經驗。他拿到一個 BitTensor 上的 GLM 5.2 模型，給了他無限算力，於是他設了一個任務：每小時告訴我世界上還沒有人發現的趨勢。他觀察到模型在背景裡開始自我辯論該去哪裡找資訊。模型先決定去 Hacker News 跟 Reddit，然後又自己提出「但 Instagram 上的趨勢也值得追蹤」。這就是推理模型在運作。

關於摩爾定律，Andrew 說傳統處理器大約每十八個月效能翻倍，但 Cerebras 打破了這個規律。因為他們的架構還很新，有大量的優化空間，他預計未來十八個月效能會遠超兩倍的提升。相比之下，GPU 這種二十年的老架構只能靠製程微縮來進步，空間有限得多。

開源的時代真的來了

這集最讓我有感的部分是關於開源模型的討論。Andrew 用了一個很生動的比喻：你不會開 Ferrari 去買菜。有些時候你想開好車兜風，有些時候你只想把小孩跟他們的 Cheerios 扔進 minivan 就走。

AI 也是一樣。前沿模型處理困難問題，開源模型處理大量的日常任務。他舉了一個例子：企業花多少時間在把 Workday 裡的東西剪下來貼到另一個欄位？這些任務不需要金牌數學能力，需要的是穩定可靠的開源模型。

更重要的是資料主權的問題。金融、醫療等受監管產業的企業開始說：「我們需要 on-prem 部署，需要一個我們有更多控制權的開源版本。」Andrew 指出目前的問題是，如果你想用開源模型，選擇基本上就是 OpenAI 的 OSS-120B 或中國的模型。他認為美國需要更多本土的開源模型，給全世界更多選擇。

之前在 Cerebras 在 NASDAQ 開盤前兩週，Hyperliquid 已經幫散戶卡好位了那篇有聊到 Cerebras 的 IPO 故事，但這集讓我更清楚看到他們在開源生態裡的定位：Cerebras 跑 GLM、Kimi、Qwen 系列的開源模型，也跑 OpenAI 的閉源模型，甚至跑 GlaxoSmithKline 自己開發的專用模型。這種中立的定位在主權意識抬頭的時代特別有價值。

AGI 到了，只是我們還沒完全部署

Andrew 跟 Jason 達成了一個共識：按照任何二十年前的定義，AGI 已經達成了。圖靈測試？早就通過了。任何過去十年、二十年、五十年前提出的標準，都已經被超越了。

但真正讓他興奮的是遞迴學習。你問 AI 一個問題，從結果中學習，再問一次，答案變好，再問一次，覆蓋更多素材，答案又變好。這個迴圈產出的不是「好一點點」的答案，而是「好非常多」的答案。

他用了一個很精彩的類比：人類的學習速度受限於世代交替，像大象一樣，每十五到二十年才一個世代。如果你想加速跨世代學習，你需要像果蠅那樣，一天兩個世代。AI 就是在做這件事。他說「Darwin 看到這個演化速度會目瞪口呆」。

Jason 補了一句他心理學教授跟他說過的話：「典範不會死，人才會死。」佛洛伊德跟史金納的理論要等到他們跟他們的學生都退休或過世，下一代才能質疑。AI 的迭代正在把這個世代間隔壓縮到接近零。

Scorsese 用 AI 做分鏡，但這不是要取代電影

下半場 Jason 訪談 Robin Rombach，聊的是生成式 AI 在視覺領域的應用。Robin 的背景值得注意：他在慕尼黑念博士時發明了 Latent Diffusion，這個演算法是現在幾乎所有圖像和影片生成模型的基礎。簡單來說，它把圖像壓縮成一個更有效率的表示（你可以想成 JPEG 的神經網路版本），然後在這個壓縮空間裡訓練 transformer 模型。

最吸引人的新聞是 Martin Scorsese 的合作。2026 年六月 Scorsese 加入 Black Forest Labs 擔任合夥人兼顧問，用 Flux 模型為他的新電影《What Happens at Night》做分鏡。Robin 描述了跟 Scorsese 坐在同一個房間裡，看這位傳奇導演探索 AI 工具的感受。Scorsese 描述了一個東歐村莊的場景，他們一起用模型迭代畫面，最後 Scorsese 說：「把腦海中的畫面用視覺方式傳達出來，這讓溝通變得容易太多了。」

Robin 特別強調一個觀點：AI 是一種媒介，不是要告訴任何人該怎麼用它，尤其不是告訴 Scorsese。他認為最有趣的產出往往來自人類在迴圈中不斷迭代的過程。

更遠的未來是什麼？Robin 說同一套多模態模型可以同時處理圖像、影片、音訊，甚至可以預測動作，部署在機器人上當大腦。從生成一張圖到操控一個機器人，底層技術是一樣的。

Jason 提到 Gal Gadot 告訴他，她剛拍了一部 Bitcoin 電影，在攝影棚裡不用綠幕，所有背景都用生成式 AI 做。原本要花一億五千萬美金蓋佈景的電影，最後三千萬就拍完了。如果沒有這技術，這部電影根本不會被批准開拍。

我的觀察

這集讓我印象最深的是 Andrew 那句「我們追的是昨天的需求」。在一個所有人都在擔心 AI 泡沫的時候，供應端的人告訴你：需求早就超過了我們的生產能力。這不代表不會有修正，但至少目前的資本支出不是在追「如果蓋了他們就會來」的幻想。

開源模型的崛起是另一個值得追蹤的趨勢。當企業開始意識到八成的日常任務不需要前沿模型，而且還有資料主權的顧慮，開源的市場空間就會被打開。Cerebras 的中立定位在這個脈絡下特別聰明。

至於 Scorsese 用 AI 做分鏡這件事，我覺得 Robin 的態度非常健康。他沒有說「AI 會取代導演」，而是說「AI 是一種媒介，讓人把腦中的畫面具體化」。這種工具論的思維比「AI 要取代一切」的敘事務實得多。

想看更多這類產業前線的觀察，歡迎訂閱 wilsonhuang.xyz，新文章上線就能收到通知。