A AMD e a Cerebras Systems anunciaram uma parceria técnica para construir um novo tipo de infraestrutura de inferência de IA, combinando a plataforma Helios em escala de rack da AMD com o Wafer-Scale Engine (WSE) da Cerebras em um fluxo de trabalho único e desagregado. Anunciada no evento Advancing AI 2026 da AMD em 23 de julho de 2026, a colaboração visa diretamente os gargalos de latência e rendimento que tornaram a inferência um dos problemas mais caros na era da IA ​​generativa. Para saber as últimas novidades sobre esse setor em rápida evolução da indústria, siga nossa cobertura de notícias de última hora sobre IA.

A ideia central é parar de forçar um chip a fazer tudo. Em uma pilha de inferência tradicional, uma única família de GPU lida com o pesado trabalho de pré-preenchimento de digestão de um prompt e com o trabalho delicado e sequencial de geração de cada novo token. Isto é um compromisso, porque os dois empregos têm exigências muito diferentes. A AMD e a Cerebras argumentam que a divisão do trabalho, uma técnica conhecida como inferência desagregada, permite que cada mecanismo faça o que faz de melhor.

Como os dois motores dividem o trabalho

De acordo com o anúncio oficial da AMD, o AMD Helios servirá como mecanismo de rendimento escalonável e de alto desempenho, recorrendo às GPUs AMD Instinct para processar rapidamente grandes lotes de entrada. O Cerebras Wafer-Scale Engine, por sua vez, lidará com decodificação e geração de tokens ultrarrápida e de latência ultrabaixa. Os chips da Cerebras são construídos em wafers inteiros, em vez de divididos em matrizes individuais, proporcionando-lhes uma enorme largura de banda de memória no chip que é particularmente adequada para transmitir tokens sem travamentos.

As empresas afirmam que, ao combinar os dois motores de computação, espera-se que a solução conjunta forneça tokens até 5x mais elevados por segundo por watt, uma métrica que se tornou um scorecard central para a economia de inferência, à medida que os fornecedores competem tanto em velocidade como em custos de energia. O número foi citado no comunicado de imprensa da AMD e divulgado em veículos como Tom's Hardware, Investing.com e Yahoo Tech.

Uma chance de domínio da Nvidia

A parceria também é um sinal estratégico. O ecossistema CUDA da Nvidia e a linha de GPUs atualmente dominam o treinamento e a inferência de IA, e os desafiantes concluíram cada vez mais que é difícil vencer o titular em uma única arquitetura. O Business Insider enquadrou o acordo como se a AMD estivesse apostando na Nvidia apostando na inferência, a fase da computação de IA que deverá crescer mais rapidamente à medida que os modelos passam do desenvolvimento para a produção.

Para a AMD, a parceria com a Cerebras amplia o apelo de seu roteiro Instinct e Helios além do treinamento. Para a Cerebras, que negocia na Nasdaq sob o ticker CBRS junto com a AMD (NASDAQ: AMD), a integração com um grande fornecedor de aceleradores dá à sua tecnologia em escala de wafer um caminho mais claro para grandes empresas e implantações em nuvem. A Cerebras planeja implantar o AMD Helios em seus próprios data centers, e as empresas esperam que a solução conjunta esteja disponível primeiro por meio da Cerebras Cloud no segundo semestre de 2026.

Por que a desagregação é importante agora

Os custos de inferência tornaram-se um ponto de pressão definidor para a indústria de IA. À medida que os modelos crescem e os aplicativos exigem respostas em tempo real, o custo de geração de cada token e a latência que os usuários experimentam ao esperar por ele podem determinar se um produto é viável. A inferência desagregada trata o pré-preenchimento e a decodificação como cargas de trabalho separadas que podem ser roteadas para o hardware mais adequado a cada uma, uma filosofia de design que empresas como a Cerebras defendem há mais de um ano.

O anúncio da AMD-Cerebras sugere que a abordagem está passando de uma ideia insurgente para uma arquitetura endossada pela indústria. Ao unir um especialista em rendimento com um especialista em latência, as duas empresas apostam que o futuro da inferência não será um chip que governe todos eles, mas um sistema coordenado de mecanismos especializados.

O que assistir

Várias questões permanecem. O número de 5x tokens por segundo por watt é uma expectativa e não um benchmark de terceiros, e o desempenho no mundo real dependerá dos modelos específicos e das cargas de trabalho executadas pelos clientes. Detalhes de preço e disponibilidade além do lançamento do Cerebras Cloud não foram divulgados e não está claro quando a solução poderá chegar a outros provedores de nuvem.

Ainda assim, o acordo sublinha uma mudança mais ampla no hardware de IA: a suposição de que uma única arquitetura de GPU servirá todas as etapas do pipeline de IA está se desgastando. Se a AMD e a Cerebras conseguirem cumprir as suas reivindicações de eficiência, a inferência desagregada poderá tornar-se uma parte padrão da forma como os maiores sistemas de IA são construídos.

Fique à frente da IA

O cenário de hardware de IA está se dividindo em campos especializados e as implicações em termos de custo, velocidade e concorrência são enormes. Leia mais notícias sobre IA no AI Buzz Wire para acompanhar todos os principais negócios, lançamentos e benchmarks.