AMD und Cerebras Systems haben eine technische Partnerschaft zum Aufbau einer neuen Art von KI-Inferenzinfrastruktur bekannt gegeben, bei der AMDs Rack-Scale-Helios-Plattform mit der Wafer-Scale Engine (WSE) von Cerebras in einem einzigen, disaggregierten Workflow kombiniert wird. Die auf AMDs Advancing AI 2026-Veranstaltung am 23. Juli 2026 angekündigte Zusammenarbeit zielt direkt auf die Latenz- und Durchsatzengpässe ab, die Inferenz zu einem der teuersten Probleme im Zeitalter der generativen KI gemacht haben. Um die neuesten Informationen zu diesem schnelllebigen Bereich der Branche zu erhalten, folgen Sie unserer Berichterstattung über aktuelle KI-Nachrichten.
Die Kernidee besteht darin, nicht mehr einen Chip zu zwingen, alles zu tun. In einem herkömmlichen Inferenzstapel übernimmt eine einzelne GPU-Familie sowohl die schwere Vorabfüllungsarbeit des Verdauens einer Eingabeaufforderung als auch die heikle, sequentielle Arbeit der Generierung jedes neuen Tokens. Das ist ein Kompromiss, denn die beiden Jobs haben sehr unterschiedliche Anforderungen. AMD und Cerebras argumentieren, dass die Aufteilung der Arbeit, eine Technik, die als disaggregierte Inferenz bekannt ist, es jeder Engine ermöglicht, das zu tun, was sie am besten kann.
Wie die beiden Motoren die Arbeit aufteilen
Laut der offiziellen Ankündigung von AMD wird AMD Helios als leistungsstarke, skalierbare Durchsatz-Engine fungieren und auf AMD Instinct-GPUs zurückgreifen, um große Eingabemengen schnell zu verarbeiten. Die Cerebras Wafer-Scale Engine übernimmt unterdessen die ultraschnelle Dekodierung und Token-Generierung mit extrem geringer Latenz. Die Chips von Cerebras sind auf ganzen Wafern aufgebaut und nicht in einzelne Chips zerteilt, was ihnen eine enorme On-Chip-Speicherbandbreite verleiht, die sich besonders gut für das Streamen von Token ohne Verzögerungen eignet.
Die Unternehmen sagen, dass die gemeinsame Lösung durch die Kombination der beiden Rechenmaschinen voraussichtlich bis zu fünfmal mehr Token pro Sekunde und Watt liefern wird, eine Kennzahl, die zu einem zentralen Scorecard für die Inferenzökonomie geworden ist, da Anbieter sowohl um Geschwindigkeit als auch um Energiekosten konkurrieren. Die Zahl wurde in der Pressemitteilung von AMD zitiert und von Medien wie Tom's Hardware, Investing.com und Yahoo Tech gemeldet.
Ein Versuch gegen Nvidias Dominanz
Die Partnerschaft ist auch ein strategisches Signal. Das CUDA-Ökosystem und die GPU-Reihe von Nvidia dominieren derzeit das KI-Training und die Inferenz, und die Herausforderer sind zunehmend zu dem Schluss gekommen, dass es schwierig ist, den etablierten Anbieter auf einer einzelnen Architektur direkt zu schlagen. Business Insider begründete den Deal damit, dass AMD gegen Nvidia antritt, indem es auf Inferenz setzt, die Phase des KI-Computings, von der erwartet wird, dass sie am schnellsten wächst, wenn Modelle von der Entwicklung in die Produktion übergehen.
Für AMD erweitert die Zusammenarbeit mit Cerebras die Attraktivität seiner Instinct- und Helios-Roadmap über das Training hinaus. Für Cerebras, das an der Nasdaq neben AMD (NASDAQ: AMD) unter dem Tickersymbol CBRS gehandelt wird, eröffnet die Integration mit einem großen Accelerator-Anbieter seiner Wafer-Scale-Technologie einen klareren Weg in große Unternehmen und Cloud-Implementierungen. Cerebras plant, AMD Helios in seinen eigenen Rechenzentren einzusetzen, und die Unternehmen gehen davon aus, dass die gemeinsame Lösung in der zweiten Hälfte des Jahres 2026 zunächst über die Cerebras Cloud verfügbar sein wird.
Warum Disaggregation jetzt wichtig ist
Inferenzkosten sind zu einem entscheidenden Druckpunkt für die KI-Branche geworden. Wenn Modelle größer werden und Anwendungen Echtzeitantworten erfordern, können die Kosten für die Generierung jedes Tokens und die Wartezeit, die Benutzer beim Warten darauf verspüren, darüber entscheiden, ob ein Produkt realisierbar ist. Die disaggregierte Inferenz behandelt das Vorfüllen und Dekodieren als separate Arbeitslasten, die an die jeweils am besten geeignete Hardware weitergeleitet werden können – eine Designphilosophie, die Unternehmen wie Cerebras seit über einem Jahr vertreten.
Die Ankündigung von AMD-Cerebras deutet darauf hin, dass sich der Ansatz von einer rebellischen Idee hin zu einer von der Industrie unterstützten Architektur entwickelt. Indem sie einen Durchsatzspezialisten mit einem Latenzspezialisten zusammenbringen, setzen die beiden Unternehmen darauf, dass die Zukunft der Inferenz nicht ein Chip ist, der sie alle beherrscht, sondern ein koordiniertes System spezialisierter Engines.
Was Sie sehen sollten
Es bleiben noch einige Fragen offen. Der Wert von 5x Token pro Sekunde und Watt ist eher eine Erwartung als ein Benchmark eines Drittanbieters, und die tatsächliche Leistung hängt von den spezifischen Modellen und Workloads ab, die Kunden ausführen. Preis- und Verfügbarkeitsdetails nach der Einführung von Cerebras Cloud wurden nicht bekannt gegeben, und es ist unklar, wann die Lösung andere Cloud-Anbieter erreichen könnte.
Dennoch unterstreicht der Deal einen umfassenderen Wandel in der KI-Hardware: Die Annahme, dass eine einzige GPU-Architektur alle Phasen der KI-Pipeline bedienen wird, gerät ins Wanken. Wenn AMD und Cerebras ihren Effizienzansprüchen gerecht werden können, könnte disaggregierte Inferenz zu einem Standardbestandteil beim Aufbau der größten KI-Systeme werden.
Bleiben Sie der KI immer einen Schritt voraus
Die KI-Hardware-Landschaft spaltet sich in spezialisierte Lager, und die Auswirkungen auf Kosten, Geschwindigkeit und Wettbewerb sind enorm. Lesen Sie weitere KI-Neuigkeiten auf AI Buzz Wire, um über alle wichtigen Deals, Veröffentlichungen und Benchmarks auf dem Laufenden zu bleiben.
