Cerebras phát hành hệ thống suy diễn AI thế hệ thứ tư CS-4: hiệu suất gấp đôi, tiêu thụ điện gấp đôi, triển khai linh hoạt hơn

Tin tức từ ChainCatcher, Cerebras đã phát hành hệ thống suy luận AI thế hệ thứ tư CS-4 trong tuần này, dựa trên cùng một loại wafer 5nm WSE-3, đạt được hiệu suất gấp đôi thông qua việc tăng gấp đôi tần số đồng hồ và tiêu thụ điện năng. Một tủ CS-4 có thể chứa 3 wafer (CS-3 là 2 wafer), sử dụng thiết kế "ba lô" mô-đun để đơn giản hóa sản xuất và triển khai, TDP khoảng 125 đến 135kW. CS-4 có thể cung cấp tốc độ suy luận gần 4000 token/giây/người dùng, gấp đôi so với CS-3, và hỗ trợ suy luận phân tán với các hệ thống không đồng nhất như AMD, AWS Trainium.

Cerebras tuyên bố CS-4 cung cấp băng thông bộ nhớ trong khoảng 2000 lần so với băng thông bộ nhớ trong của NVIDIA Rubin (43PB/s), nhưng dung lượng SRAM 44GB không thay đổi, suy luận với ngữ cảnh dài vẫn cần phải xếp chồng nhiều wafer. Lấy ví dụ về DeepSeek V4 Pro (thông số 1.6T), dưới cửa sổ ngữ cảnh 1M cần khoảng 20 hệ thống, với 256 kết nối đồng thời cần khoảng 40 hệ thống, tương ứng với CAPEX trên 20 triệu USD. Cerebras đang hợp tác với các khách hàng như OpenAI và dự định đạt được khoảng 2 lần cải thiện hiệu suất mỗi năm, với mục tiêu đạt được tăng trưởng thông lượng 20 lần vào năm 2027. Thiết kế tủ "ba lô" của CS-4 sẽ được tiếp tục cho thế hệ nền tảng "Nexus" tiếp theo.