AMD și Cerebras fac echipă pentru inferența AI dezagregată, vizând de 5 ori mai multe jetoane per watt

AMD și Cerebras Systems au dezvăluit un parteneriat tehnic pentru a construi un nou tip de infrastructură de inferență AI, combinând platforma Helios la scară rack a AMD cu Wafer-Scale Engine (WSE) de la Cerebras într-un singur flux de lucru dezagregat. Anunțată la evenimentul Advancing AI 2026 de la AMD din 23 iulie 2026, colaborarea vizează direct blocajele de latență și debit care au făcut ca inferența să fie una dintre cele mai costisitoare probleme din era AI generativă. Pentru cele mai recente informații despre acest colț în mișcare rapidă al industriei, urmăriți știrile de ultimă oră AI.

Ideea de bază este să nu mai forțezi un cip să facă totul. Într-o stivă tradițională de inferență, o singură familie de GPU se ocupă atât de munca grea de pre-umplere de digerare a unui prompt, cât și de munca delicată, secvențială de a genera fiecare nou token. Acesta este un compromis, pentru că cele două locuri de muncă au cerințe foarte diferite. AMD și Cerebras susțin că împărțirea lucrării, o tehnică cunoscută sub numele de inferență dezagregată, permite fiecărui motor să facă ceea ce este mai bine.

Cum împart cele două motoare munca

Conform anunțului oficial al AMD, AMD Helios va servi drept motor de înaltă performanță, scalabil, folosind GPU-urile AMD Instinct pentru a procesa rapid loturi mari de intrări. Între timp, Cerebras Wafer-Scale Engine se va ocupa de decodificarea ultra-rapidă, cu latență ultra-scăzută și generarea de token-uri. Cipurile Cerebras sunt construite pe wafer-uri întregi, mai degrabă decât tăiate în matrițe individuale, oferindu-le o lățime de bandă enormă de memorie pe cip, care este deosebit de potrivită pentru a transmite jetoane fără blocare.

Companiile spun că, prin combinarea celor două motoare de calcul, soluția comună este de așteptat să furnizeze jetoane de până la 5 ori mai mari pe secundă pe watt, o măsură care a devenit un punctaj central pentru economia de inferență, deoarece furnizorii concurează atât la viteză, cât și la costurile energiei. Cifra a fost citată în comunicatul de presă al AMD și raportată în magazine, inclusiv Tom's Hardware, Investing.com și Yahoo Tech.

O șansă la dominația Nvidia

Parteneriatul este, de asemenea, un semnal strategic. Ecosistemul CUDA și gama de GPU-uri ale Nvidia domină în prezent antrenamentul și inferența AI, iar contestatorii au ajuns din ce în ce mai mult la concluzia că este dificil să-l învingi pe titularul actual pe o singură arhitectură. Business Insider a încadrat înțelegerea în timp ce AMD făcea o încercare la Nvidia, pariând pe inferență, faza de calcul AI care se așteaptă să crească cel mai rapid pe măsură ce modelele trec de la dezvoltare la producție.

Pentru AMD, asocierea cu Cerebras mărește atractivitatea foii de parcurs Instinct și Helios dincolo de antrenament. Pentru Cerebras, care tranzacționează pe Nasdaq sub simbolul CBRS alături de AMD (NASDAQ: AMD), integrarea cu un furnizor major de accelerator oferă tehnologiei sale la scară de wafer o cale mai clară către întreprinderi mari și implementări în cloud. Cerebras intenționează să implementeze AMD Helios în propriile centre de date, iar companiile se așteaptă ca soluția comună să fie disponibilă mai întâi prin Cerebras Cloud în a doua jumătate a anului 2026.

De ce contează acum dezagregarea

Costurile de inferență au devenit un punct de presiune definitoriu pentru industria AI. Pe măsură ce modelele cresc și aplicațiile necesită răspunsuri în timp real, costul generării fiecărui token și latența pe care utilizatorii experimentează în așteptarea acestuia pot determina dacă un produs este viabil. Inferența dezagregată tratează precompletarea și decodificarea ca sarcini de lucru separate care pot fi direcționate către hardware-ul cel mai bine potrivit pentru fiecare, o filozofie de design pe care companii precum Cerebras o susțin de peste un an.

Anunțul AMD-Cerebras sugerează că abordarea trece de la o idee insurgentă la o arhitectură susținută de industrie. Prin împerecherea unui specialist în debit cu un specialist în latență, cele două companii pariază că viitorul inferenței nu este un cip care să le conducă pe toate, ci un sistem coordonat de motoare specializate.

Ce să urmărești

Rămân mai multe întrebări. Cifra de 5x tokens-pe-second-per-watt este mai degrabă o așteptare decât un etalon terță parte, iar performanța în lumea reală va depinde de modelele specifice și de sarcinile de lucru pe care clienții le execută. Detaliile de preț și disponibilitate dincolo de lansarea Cerebras Cloud nu au fost dezvăluite și nu este clar când soluția ar putea ajunge la alți furnizori de cloud.

Totuși, acordul subliniază o schimbare mai amplă a hardware-ului AI: ipoteza că o singură arhitectură GPU va servi fiecare etapă a conductei AI se destramă. Dacă AMD și Cerebras își pot îndeplini afirmațiile de eficiență, inferența dezagregată ar putea deveni o parte standard a modului în care sunt construite cele mai mari sisteme AI.

Rămâi înaintea AI

Peisajul hardware AI se împarte în tabere specializate, iar implicațiile pentru cost, viteză și concurență sunt enorme. Citește mai multe știri AI pe AI Buzz Wire pentru a ține pasul cu fiecare ofertă majoră, lansare și etalon.