Cerebras Systems אמרה כי היא הוציאה מסקנות מפורקות לייצור, תוך פיצול עומסי עבודה של מסקנות בינה מלאכותית בין GPUs קונבנציונליים והמעבדים שלה בקנה מידה של רקיק, בתצורה שלטענת החברה מספקת פי חמישה יותר אסימונים למגה וואט מבלי להקריב את מהירות היצירה.
ההודעה, שפורסמה בבלוג של החברה ב-17 בנובמבר 2026, מסמנת תפנית בולטת עבור חברה שהקדישה שנים למיצוב Wafer Scale Engine שלה כחלופה להסקת מסקנות מבוססות GPU ולא כהשלמה לה. כעת, Cerebras אומרת שמעבדי GPU מטפלים בשלב העיבוד המהיר בעוד שהמערכות שלה מטפלות בשלב יצירת האסימונים. For more context on this story, see our ongoing AI industry coverage.
למה לפצל מסקנות לשניים?
מסקנות מתרחשות בשני שלבים. Prefill מעבד את ההנחיה של המשתמש ומייצר מצב מודל ביניים. לאחר מכן Decode משתמש במצב זה כדי ליצור אסימוני פלט, אחד בכל פעם, בלולאה אוטורגרסיבית שחוזרת על עצמה עבור כל מילה בתגובה.
לשני השלבים יש פרופילים חישוביים שונים מאוד. מילוי קדם הוא כבד מחשוב ומקביל, וזה המקום שבו מעבדי GPU מצטיינים. הפענוח קשור לרוחב הפס של הזיכרון ורצף, וזה המקום שבו Cerebras טוענת שהארכיטקטורה שלה בקנה מידה רקיק מחזיקה ביתרון, שכן הדגם כולו יכול לשבת על פיסת סיליקון אחת ללא תקשורת בין-שבבים שמאטה את אשכולות ה-GPU במהלך היצירה.
החברה התנסתה בדרכים אחרות לפיצול עומסי עבודה. בפוסט הבלוג שלה, Cerebras מפרטת טיוטה של תוכניות יעד, שבהן דגם קטן מציע אסימונים ואחד גדול יותר מאמת אותם, והפרדת תשומת לב-FFN בין החלופות ששקלה. אבל היא טוענת שהפרדת מילוי מראש לפענוח מתאימה באופן ייחודי ליישומים אינטראקטיביים במיוחד, מכיוון ששלב הפענוח שומר על מהירות הדור האולטרה-מהירה של Cerebras ללא פגע.
המספרים שמאחורי התביעה
על פי ההודעה, התצורה המפורקת נמצאת כעת בשידור חי ב-Cerebras Inference Cloud ומספקת פי חמישה יותר אסימונים למגה וואט באותן מהירויות הדור שהחברה כבר שירתה. Cerebras אומר ששותפי תשתית יכולים גם לפרוס את אותה ארכיטקטורה מפוצלת במרכזי הנתונים שלהם.
ההיגיון הכלכלי פשוט. ספקי מסקנות מרוויחים הכנסה לכל אסימון, וכוח הוא המגבלה המחייבת על הקיבולת. אם אותו מגה וואט מניב פי חמישה מהאסימונים, אותו מתקן מייצר פוטנציאל הכנסה גבוה יותר באופן יחסי, מה שהחברה ממחישה באמצעות טבלה המשווה תצורות הגשה מצטברות ומפורקות.
ההכרזה גם נשענת על תחזיות ביקוש כדי לטעון שהתעשייה זקוקה לכל רווח יעילות שהיא יכולה להשיג. בצטטו של מחקר גולדמן זאקס, Cerebras אומר שהביקוש להסקת AI צפוי לגדול בערך פי 24 מרמות 2026 עד 2030, בעוד שקיבולת מרכז הנתונים תגדל רק פי 2.2 באותה תקופה. אם שתי התחזיות מתקיימות, הפער בין מה שהמשתמשים רוצים להפעיל לבין אילו מתקנים יכולים להפעיל הופך לאילוץ המכונן של בניית הבינה המלאכותית של סוף שנות ה-2020.
יישומים סוכנים מניעים את המשבר
החברה מייחסת את עליית הביקוש ליישומים סוכנים שהוגדלו במהירות בשנת 2026, ושמה את Muse, Copilot ו-Codex כדוגמאות למוצרים הדורשים הסקה אינטראקטיבית מאוד כדי לשמור על מעורבות המשתמשים. סוכני שיחה שמזרימים תגובות אסימון אחר אסימון הם בדיוק עומסי העבודה שבהם מהירות היצירה היא תכונה הפונה למשתמש ולא מדד אחורי.
Cerebras ממקם את ההשקה בדחיפה של קיבולת רחבה יותר. החברה מצביעה על מערכת ה-CS-4 שהוכרזה לאחרונה, קנה מידה דרמטי של תפוקת הייצור שלה, וקיבולת מרכז הנתונים המתוכננת של כ-700 מגה וואט כחלקים שיאפשרו לה ולשותפיה לשרת הרבה יותר תעבורה ב-2027 ואילך.
תפנית פרגמטית בקנה מידה רקיק
מבחינה אסטרטגית, ההכרזה נראית כהתאמה פרגמטית של דומיננטיות GPU. במקום לבקש מלקוחות להעביר צינורות מסקנות שלמים לסיליקון אקזוטי, Cerebras מציעה חלוקת עבודה: תן למעבדי GPU לעשות את מה שהם מותאמים עבורם, ותן לחומרה בקנה מידה רקיק לעשות את מה שהיא עושה הכי טוב. עבור ספקי מסקנות הנלחצים בין ביקוש גואה ומגבלות כוח, המגרש הוא הקיבולת שהם יכולים להוסיף מבלי לחכות לחומרה מהדור החדש.
אם טענת היעילות של פי חמישה עומדת על פני ארכיטקטורות מודלים מגוונות ותמהיל תעבורה בעולם האמיתי יתברר רק כאשר השותפים יפרסו את התצורה בקנה מידה. אבל כיוון הנסיעה ברור בכל הענף. מכיוון שהסקת מסקנות מחליפה את האימון כעומס העבודה הדומיננטי במחשוב, כל ספק חומרה גדול בוחן מחדש כיצד יש לפצל, להפעיל ולתמחר את שני שלבי היצירה.
איך זה בהשוואה לגישות GPU-Native
ספקי ההסקות הגדולות בקנה מידה גדול נקטו באסטרטגיות פירוק משלהם, ובדרך כלל שומרים על שני השלבים במשפחות GPU מכוונים לכל מטרה. הגרסה של Cerebras ייחודית בחציית קווי הספק: החברה אישרה שמעבדי AMD GPU מטפלים בשלב המילוי המוקדם בתצורת הייצור שלה, כאשר מערכות Cerebras אחראיות לפענוח. ההטרוגניות הזו חשובה למפעילים, מכיוון שהיא מתייחסת למילוי מראש ולפענוח כאל סחורות שניתנות לרכישה בנפרד ולא כמחסנית משולבת אחת.
התוצאות שפורסמו של החברה מדגישות כי הפיצול שומר על מהירות היצירה במקום לסחור בה לצורך יעילות. ההבחנה הזו נותנת מענה לביקורת ארוכת שנים על הגשה מפורקת: מילוי מראש באצווה בנפרד יכול להוסיף חביון לאסימון הראשון, וכל תצורה שמאטה את לולאת הפענוח מערערת את התחושה האינטראקטיבית שמוכרים שירותי הסקת פרימיום. Cerebras טוענת שההסדר שלה מונע את שני העונשים, אם כי אמות מידה עצמאיות על פני אורכי הנחיות ודפוסי תנועה מגוונים יהיו המבחן האמיתי.
עבור קוראי AI Buzz Wire העוקבים אחר מרוץ התשתית, המסר מ-Cerebras הוא שעידן ההסקה של שבב אחד מתאים לכולם מפנה את מקומו לצינורות ייעודיים - ושהחברה מתכוונת להחזיק במחציתם של הפענוח.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →