Cerebras 发布 CS‑4 晶圆级 AI 系统：特定场景推理最高达 GPU 方案 30 倍，瞄准下一代 AI 智能体算力
摘要：8 月 18 日 Cerebras 在 SUPERNOVA 大会发布第四代机架级系统 CS‑4，搭载 3 颗 WSE‑3 Turbo 晶圆级处理器。官方测试中，在 GPT‑OSS‑120B 模型下单用户 Token 吞吐最高可达主流 GPU 方案 30 倍，目标面向万亿、甚至 50 万亿参数级大模型与 AI 智能体业务。本文梳理硬件规格、架构创新，同时说明性能测试边界与行业客观争议。当地时间 8 月 18 日，晶圆级计算厂商 Cerebras 正式对外发布第四代机架级 AI 系统CS‑4，整套系统以整张硅晶圆作为处理器单元，不再对晶圆进行切割，延续其独有的晶圆级引擎 (WSE) 技术路线。
一、核心硬件规格：WSE‑3 Turbo 与 CS‑4 整机
WSE‑3 Turbo（WSE‑3T）并非全新流片芯片，是上代 WSE‑3 的优化版本，台积电 5nm 工艺制造：
[*]晶圆面积46225mm²，对比高端 GPU 裸片约 800mm²，单颗晶圆集成4 万亿晶体管、90 万 AI 优化核心，搭载 44GB 片上 SRAM，无 HBM 显存Cerebras；
[*]单晶圆 AI 算力 250 PFLOPS，内存带宽提升至43.2PB/s，相对 WSE‑3 实现算力、带宽双双翻倍。
CS‑4 机架整机内部集成 3 颗 WSE‑3 Turbo 处理器：
[*]整机 AI 算力：750 PFLOPS
[*]总内存带宽：129.6PB/s，计算织构带宽 160.5PB/s，对外 I/O 吞吐 7.2Tbps
[*]晶圆间互连延迟降低至 2 微秒，支持集群扩展，官方设计目标可支撑50 万亿参数规模模型的运行，当前行业暂无对应体量的成熟模型，属于面向未来的预留能力Cerebras。
二、性能表现：30 倍推理加速的前提条件
Cerebras 公布基准测试：运行 GPT‑OSS‑120B 模型，同等 Prompt 条件下，CS‑4 单用户输出可达4400+ Token/s，官方宣称最高性能是量产 GPU 机架方案的30 倍；通俗描述：GPU 机架耗时 30 秒完成的推理任务，CS‑4 约 1 秒完成。
⚠️重要边界提示：30 倍为特定测试场景的上限值，并非所有模型、上下文长度、精度下都可以达到该倍率；实际业务吞吐量受模型、上下文窗口、并发数量、计算精度共同影响，现实部署性能会存在折扣36氪。
厂商核心观点：传统硬件架构下，要推理速度快，往往只能选用更小能力更弱的模型；CS‑4 希望打破 “速度‑模型能力” 的取舍矛盾，在超大模型上实现低延迟、高 Token 输出。
对于当下火热的 AI 智能体（Agent）场景，低延迟的价值尤为突出：智能体需要反复思考、工具调用、结果校验，硬件推理速度提升，可以在相同时间窗口内完成更多轮次逻辑闭环，直接改善智能体的实际可用体验。
三、Nexus 架构创新：模块化 “晶圆背包” 设计
CS‑4 基于全新 Nexus 机架平台，将计算、供电、液冷散热、I/O 控制解耦为独立可更换模块，也就是官方所称的晶圆级背包结构：
[*]供电路径大幅缩短：电源转换单元距离处理器由传统 50mm 压缩至 0.5mm，降低板级损耗，支撑更高供电功率，以此释放晶圆主频；
[*]整机零部件数量减少 50%，自动化制造效率提升 60%，系统部署上线时间从数天压缩至数小时，维护升级可单独更换模块，无需整体推倒重构；
[*]I/O 支持 RoCEv2 以太网，兼容现有企业数据中心基础设施；自研晶圆直连，晶圆之间可直接通信绕过交换机，实现 2μs 低互连延迟。
软件层面支持解耦式推理架构：可将 Prompt 预填充阶段交给 AMD Helios、AWS Trainium 等外部硬件完成，CS‑4 专注做低延迟 Token 解码生成，走异构协同路线，而非完全替代现有 GPU 生态。
能效方面，CS‑4 每瓦 Token 吞吐量最高达到上一代 CS‑3 的 10 倍，对于看重电力成本的数据中心，是关键指标。首批 CS‑4 系统已于 2026 年第三季度启动交付，属于已经落地的商用硬件，并非概念样机36氪。
四、行业视角：是颠覆还是补充？
Cerebras 并不追求在通用算力上对标英伟达，产品定位非常聚焦：主打超大模型、低延迟交互推理、Agent 智能体业务。同时也要客观看待该路线的现实约束：
[*]晶圆级架构是高度定制化专用系统，硬件成本高昂；
[*]软件生态相比 GPU 仍有差距，开发适配门槛更高；
[*]30 倍加速仅出现在特定推理场景，训练、批量离线任务并不具备同等优势；
[*]当前全球主流 AI 基础设施依然建立在 GPU 生态之上，CS‑4 更大可能是高端场景的补充方案，而非短期替代者。
过去晶圆级计算多次被视作实验性技术，而 CS‑4 完成商用交付，代表这条技术路线已经从实验室走向真实数据中心。未来值得观察两点：一是 50 万亿参数级超大模型是否会真正落地；二是晶圆级架构能否在更多商业场景证明自己的投入产出比。
页:
[1]