Cerebras CS-4 เปิดตัวด้วย WSE-3 Turbo: การอนุมาน AI ระดับแร็คที่ความเร็ว GPU 30x

Cerebras ได้นำ CS-4 ซึ่งเป็นระบบการอนุมาน AI ระดับแร็คที่สร้างขึ้นโดยใช้โปรเซสเซอร์ระดับเวเฟอร์ WSE-3 Turbo ใหม่ โดยอ้างว่าเครื่องสามารถให้การอนุมานได้เร็วกว่าระบบที่ใช้ GPU ถึง 30 เท่า เนื่องจากบริษัทวางตำแหน่งตัวเองเป็นทางเลือกความเร็วแทนอาณาจักรศูนย์ข้อมูลของ Nvidia

การเปิดตัวซึ่งประกาศเมื่อวันอังคารและมีรายละเอียดในหน้าผลิตภัณฑ์ของบริษัท ตลอดจนรายงานข่าวจาก Reuters, Bloomberg และ The Register ถือเป็นการรีเฟรชฮาร์ดแวร์ที่สำคัญที่สุดของ Cerebras นับตั้งแต่ออกสู่สาธารณะ และเป็นช่วงเวลาสำคัญสำหรับบริษัทที่หุ้นต้องดิ้นรนตั้งแต่ IPO นักลงทุนดูเหมือนจะให้ความสนใจ: หุ้นของ Cerebras (CBRS) พุ่งสูงขึ้นจากข่าวนี้ และ Investor's Business Daily อ้างถึงความเห็นของ CEO ว่าตลาดการอนุมาน AI กำลัง "เติบโตเร็วมาก"

สำหรับผู้อ่านที่ติดตามการแข่งขันที่เร่งขึ้นเพื่อทำให้โมเดล AI ตอบสนองเร็วขึ้น การเปิดตัว CS-4 เป็นหนึ่งในเรื่องราวฮาร์ดแวร์ที่เป็นผลสืบเนื่องมากที่สุดของไตรมาส และเกิดขึ้นท่ามกลางการเปลี่ยนแปลงที่กว้างขึ้นในอุตสาหกรรม AI ซึ่งยังคงปรับโฉมภูมิทัศน์การประมวลผลอย่างต่อเนื่อง

มีอะไรอยู่ใน CS-4

ส่วนประกอบพาดหัวคือ WSE-3 Turbo ซึ่งเป็นเวอร์ชันอัปเกรดของ Wafer Scale Engine ขนาดจานอาหารค่ำของ Cerebras จากข้อมูลเจาะลึกด้านเทคนิคของ The Register WSE-3T ไม่ใช่ซิลิคอนใหม่ แต่ยังคงใช้กระบวนการ TSMC 5nm เหมือนเดิม พื้นที่ตาย 46,225 ตารางมิลลิเมตร ทรานซิสเตอร์ 4 ล้านล้านตัว 900,000 คอร์ และ SRAM บนเวเฟอร์ 44 GB เหมือนกับ WSE-3 ที่มีอายุสองปี

แต่ Cerebras กลับได้รับประสิทธิภาพเพิ่มขึ้นเป็นสองเท่าโดยการผลักดันชิปที่มีอยู่ให้หนักขึ้นมาก WSE-3T เพิ่มการประมวลผล FP16 แบบกระจายเป็นสองเท่าเป็น 250 petaFLOPS, เพิ่มประสิทธิภาพ FP16 ที่หนาแน่นเป็นสองเท่าเป็น 25 petaFLOPS โดยประมาณ, เพิ่มแบนด์วิดท์หน่วยความจำเป็นสองเท่าเป็น 43.2 เพตาไบต์ต่อวินาที และเพิ่มแบนด์วิดท์ I/O เป็นสองเท่าเป็น 2.4 เทราบิตต่อวินาที Register ประมาณการว่าขณะนี้บริษัทกำลังโอเวอร์คล็อกซิลิคอนที่ประมาณ 2.8 GHz เพิ่มขึ้นจากประมาณ 1.4 GHz ในรุ่นก่อนหน้า

เคล็ดลับตาม Cerebras คือระบบส่งพลังงานที่ออกแบบใหม่ซึ่งอยู่ห่างจากโปรเซสเซอร์เพียง 0.5 มิลลิเมตร ซึ่งใกล้กว่าบอร์ด GPU ทั่วไปประมาณ 50 มิลลิเมตรประมาณ 100 เท่า ความใกล้ชิดนั้นเกือบจะช่วยลดการสูญเสียพลังงานระดับบอร์ดและให้พลังงานเข้าถึงเวเฟอร์เป็นสองเท่า ทำให้ความถี่ในการทำงานสูงขึ้นตามหลังการสร้างโทเค็นที่เร็วขึ้น

สถาปัตยกรรมแร็ค Nexus

นอกเหนือจากตัวชิปแล้ว CS-4 ยังแนะนำสิ่งที่ Cerebras เรียกว่าสถาปัตยกรรมแพลตฟอร์ม Nexus ซึ่งเป็นการออกแบบระดับแร็คอย่างแท้จริงครั้งแรก และเป็นคำตอบโดยตรงสำหรับระบบแร็ค NVL72 ของ Nvidia และ Helios ของ AMD CS-4 แต่ละตัวสามารถบรรทุกโปรเซสเซอร์ WSE-3T ได้สูงสุดสามตัวใน "Wafer-Scale Backpacks" ที่มีอยู่ในตัว — แพ็คเกจ 3 มิติที่พับแผ่นเวเฟอร์ การแปลงพลังงาน การระบายความร้อนด้วยของเหลวโดยตรง I/O ความเร็วสูง และอุปกรณ์อิเล็กทรอนิกส์ควบคุมเป็นชิ้นส่วนประกอบเดียวโดยมีส่วนประกอบน้อยลง 50%

การออกแบบโมดูลาร์แยกพลังงานที่เสถียร การระบายความร้อน และเลเยอร์เครือข่ายออกจากคอมพิวเตอร์ Cerebras PowerRack สามารถติดตั้งและผ่านการรับรองจากสถานที่ก่อนที่คอมพิวเตอร์จะมาถึง จากนั้นกระเป๋าเป้จะเลื่อนเข้าที่ ซึ่งช่วยลดเวลาในการใช้งานจากหลายวันเหลือเพียงชั่วโมง ตามที่บริษัทระบุ

การใช้พลังงานเป็นอย่างมาก Register ประมาณการประมาณ 46 kW ต่อกระเป๋าเป้สะพายหลัง และดึงระบบทั้งหมด 120 ถึง 140 kW — ตัวเลขที่สะดุดตาแต่ยังดูอนุรักษ์นิยม ถัดจากระบบแร็ค 240 ถึง 250 kW AMD และ Nvidia คาดว่าจะจัดส่งในปลายปีนี้

ฆ่าสวิตช์

บางทีตัวเลือกที่น่าสนใจทางเทคนิคที่สุดคือการเชื่อมต่อถึงกัน แทนที่จะกำหนดเส้นทางการรับส่งข้อมูลจากเวเฟอร์ไปเป็นเวเฟอร์ผ่านสวิตช์ — แนวทางที่ AWS นำมาใช้กับตัวเร่งความเร็ว Trainium3 — Cerebras เชื่อมต่อชิปเข้ากับโทโพโลยีทอรัส 2 มิติ โดยที่เวเฟอร์ที่อยู่ใกล้เคียงพูดคุยกันโดยตรง การออกแบบนี้ช่วยลดเวลาแฝงของเวเฟอร์ต่อเวเฟอร์จาก 5 ไมโครวินาทีเหลือเพียง 2 ไมโครวินาที และ Cerebras กล่าวว่าเมชดังกล่าวสามารถรองรับโมเดลที่มีพารามิเตอร์ได้มากถึง 50 ล้านล้านพารามิเตอร์ ซึ่งสะดวกสบายเกินกว่าสิ่งที่มีอยู่ในปัจจุบัน

ผลลัพธ์ความเร็วนั้นน่าทึ่ง ในระบบ CS-4 ระบบเดียว การวิเคราะห์เชิงเปรียบเทียบของบริษัท Artificial Analysis วัดได้สูงสุดถึง 4,400 โทเค็นต่อวินาทีต่อผู้ใช้บน gpt-oss-120b — ประมาณ 12 เท่าของประมาณ 350 โทเค็นต่อวินาทีของบริการอนุมานที่ใช้ GPU ที่เร็วที่สุดที่มีอยู่ในปัจจุบัน Cerebras ยังอ้างว่าระบบรองรับโทเค็นมากกว่า 1,000 โทเค็นต่อวินาทีในโมเดลที่มีพารามิเตอร์เกิน 10 ล้านล้านพารามิเตอร์

กลยุทธ์ความร่วมมือแบบแยกส่วน

โดยเฉพาะอย่างยิ่ง Cerebras ไม่ได้พยายามเรียกใช้ไปป์ไลน์การอนุมานทั้งหมดด้วยซิลิคอนของตัวเองอีกต่อไป บริษัทได้ร่วมมือกับ AWS และ AMD เพื่อถ่ายโอนขั้นตอนการประมวลผลทันทีที่เน้นการประมวลผลของการอนุมานไปยัง Trainium XPU และ Instinct GPU ตามลำดับ โดยปล่อยให้กลไกขนาดเวเฟอร์ของบริษัทจัดการกับขั้นตอนการถอดรหัสที่ไวต่อความหน่วง โดยที่ SRAM ขนาดใหญ่จะสำรองไว้

การเปิดตัว CS-4 ยังขยายความร่วมมือระหว่าง Cerebras กับ OpenAI Yahoo Finance รายงานการเปิดตัวควบคู่ไปกับความร่วมมือใหม่ของ OpenAI และ AMD โดยมีเป้าหมายเพื่อเร่งการอนุมาน AI โดยสร้างในโหมด Ultrafast ที่บริษัทต่างๆ เปิดตัวเมื่อต้นเดือนสิงหาคม ซึ่งนำ GPT-5.6 Sol มาสู่ผู้ใช้ด้วยโทเค็นสูงถึง 750 โทเค็นต่อวินาที

คำเตือนเบื้องหลังตัวเลขพาดหัว

นักวิเคราะห์อุตสาหกรรมเรียกร้องให้ระมัดระวังตัวเลขทางการตลาด Register ตั้งข้อสังเกตว่าหัวข้อข่าว 250 petaFLOPS ของ Cerebras ขึ้นอยู่กับความกระจัดกระจาย ซึ่งโดยทั่วไปไม่เป็นประโยชน์ต่อการอนุมานโมเดลภาษาขนาดใหญ่ และตัวเลขแบนด์วิธหน่วยความจำสูงสุดนั้นส่วนใหญ่เป็นไปในทางทฤษฎี เนื่องจาก WSE-3 ขาดการคำนวณเพื่อทำให้ SRAM ของตัวเองอิ่มตัว สิ่งพิมพ์ยังตั้งคำถามว่าเหตุใด Cerebras จึงเพิ่มประสิทธิภาพเป็นสองเท่าแทนที่จะเพิ่มความจุ SRAM ซึ่งไม่ได้เติบโตอย่างมีนัยสำคัญนับตั้งแต่ WSE-2 เปิดตัวเมื่อห้าปีที่แล้ว ซึ่งเป็นทางเลือกที่น่าสงสัยในยุคของการอนุมานแบบแยกส่วนซึ่งตัวเร่งการถอดรหัสได้รับประโยชน์สูงสุดจากหน่วยความจำ

อย่างไรก็ตาม โอกาสทางการตลาดยังมีอยู่จริง เนื่องจากแชทบอทและตัวแทน AI ต้องการเวลาตอบสนองที่เร็วขึ้น ความเร็วในการอนุมานจึงกลายเป็นตัวสร้างความแตกต่างในการแข่งขันอย่างแท้จริง และขณะนี้ Cerebras ได้แสดงให้เห็นว่าสามารถทำซ้ำเทคโนโลยีขนาดเวเฟอร์ที่แหวกแนวในจังหวะเชิงพาณิชย์

การจัดส่ง CS-4 ครั้งแรกจะเริ่มในไตรมาสนี้ โดยระบบแรกคาดว่าจะออนไลน์ก่อนสิ้นเดือนกันยายน ไม่ว่าจะเพียงพอที่จะทำลายความเหนือกว่าของ Nvidia หรือไม่ แต่นี่เป็นครั้งแรกที่การอนุมาน AI ที่เร็วที่สุดในอุตสาหกรรมมีที่อยู่ใหม่

ก้าวนำหน้า AI

การเปิดตัวฮาร์ดแวร์เหมือนกับ CS-4 ขับเคลื่อนตลาดและกำหนดสิ่งที่ระบบ AI สามารถทำได้ใหม่ อ่านข่าว AI เพิ่มเติม เพื่อติดตามทุกการพัฒนา

สำรวจความครอบคลุมของ AI ล่าสุด →