تراشه جدید Cerebras برای اجرای سریع‌تر مدل‌های هوش مصنوعی معرفی شد

شرکت Cerebras Systems از نسل جدید زیرساخت پردازشی خود با نام CS-4 رونمایی کرد؛ سیستمی که با هدف افزایش چشمگیر سرعت اجرای مدل‌های هوش مصنوعی و پاسخ‌گویی سریع‌تر سرویس‌هایی مانند چت‌بات‌ها طراحی شده است.

Cerebras در این محصول به‌جای تمرکز صرف بر افزایش قدرت پردازشی، روی یکی از مهم‌ترین چالش‌های فعلی هوش مصنوعی یعنی Inference یا استنتاج تمرکز کرده است؛ مرحله‌ای که مدل پس از آموزش، پاسخ کاربران را تولید می‌کند.

CS-4 چیست؟

CS-4 یک سیستم پردازشی در مقیاس رک (Rack-Scale) است که از سه پردازنده جدید Wafer Scale Engine 3 Turbo یا WSE-3T استفاده می‌کند.

این پردازنده‌ها با فناوری ساخت ۵ نانومتری TSMC تولید شده‌اند و طراحی متفاوتی نسبت به شتاب‌دهنده‌های معمول GPU دارند.
Cerebras اعلام کرده است که WSE-3T دارای حدود ۴ تریلیون ترانزیستور و ۹۰۰ هزار هسته بهینه‌شده برای پردازش هوش مصنوعی است. همچنین این تراشه از ۴۴ گیگابایت حافظه SRAM روی خود ویفر بهره می‌برد.

ادعای سرعت تا ۳۰ برابر بیشتر از GPUها
یکی از مهم‌ترین نکات معرفی CS-4، ادعای Cerebras درباره سرعت پردازش آن است.

این شرکت اعلام کرده که CS-4 در برخی آزمایش‌های مشخص، هنگام اجرای مدل GPT-OSS-120B به بیش از ۴۴۰۰ توکن بر ثانیه برای هر کاربر دست یافته و در این آزمایش تا ۳۰ برابر سریع‌تر از سیستم‌های مبتنی بر GPU عمل کرده است.

البته باید توجه داشت که این عدد به معنی ۳۰ برابر سریع‌تر بودن CS-4 در تمام مدل‌های هوش مصنوعی و تمام شرایط نیست. عملکرد واقعی به عواملی مانند معماری مدل، طول ورودی، دقت محاسباتی و نحوه پیکربندی سیستم بستگی دارد.

مشخصات فنی CS-4

CS-4 در مقایسه با نسل قبلی CS-3 پیشرفت قابل‌توجهی در توان پردازشی و پهنای باند حافظه دارد.

بر اساس اعلام Cerebras، پهنای باند حافظه CS-4 به ۱۲۹.۶ پتابایت بر ثانیه می‌رسد و توان پردازشی سیستم نیز ۷۵۰ PFLOPS اعلام شده است.

چرا Cerebras روی Inference تمرکز کرده است؟

در سال‌های اخیر بخش بزرگی از سرمایه‌گذاری صنعت هوش مصنوعی روی آموزش مدل‌های بزرگ متمرکز بوده است؛ اما با گسترش ChatGPT، دستیارهای هوشمند و ابزارهای مبتنی بر Agent، سرعت تولید پاسخ نیز اهمیت بسیار زیادی پیدا کرده است.

در فرآیند Inference، اطلاعات باید بین پردازنده، حافظه و سایر اجزای سیستم جابه‌جا شود. Cerebras تلاش کرده با استفاده از معماری Wafer-Scale و قرار دادن حجم زیادی از محاسبات و حافظه روی یک ساختار بسیار بزرگ، این رفت‌وآمد داده را کاهش دهد.

به همین دلیل CS-4 بیشتر برای کاربردهایی طراحی شده است که سرعت پاسخ‌گویی لحظه‌ای اهمیت دارد؛ از چت‌بات‌ها و دستیارهای هوش مصنوعی گرفته تا ابزارهای برنامه‌نویسی و سیستم‌های Agentic AI.

طراحی جدید برای دیتاسنترها

Cerebras علاوه بر پردازنده، معماری خود سیستم را نیز تغییر داده است.

CS-4 نخستین محصول مبتنی بر معماری جدید Cerebras Nexus محسوب می‌شود. یکی از ویژگی‌های این طراحی، استفاده از ساختاری موسوم به Wafer-Scale Backpack است که اجزایی مانند سیستم تأمین توان، خنک‌کننده مایع، I/O پرسرعت و تجهیزات کنترلی را در یک ماژول یکپارچه قرار می‌دهد.

طبق اعلام Cerebras، این طراحی نسبت به نسل قبلی حدود ۵۰ درصد قطعات کمتری دارد و می‌تواند زمان آماده‌سازی سیستم در دیتاسنتر را کاهش دهد.

رقابت مستقیم‌تر با NVIDIA

معرفی CS-4 را می‌توان بخشی از رقابت گسترده‌تر در بازار شتاب‌دهنده‌های هوش مصنوعی دانست.

در حال حاضر NVIDIA یکی از قدرتمندترین بازیگران بازار زیرساخت AI محسوب می‌شود و بخش بزرگی از دیتاسنترهای هوش مصنوعی بر پایه GPUهای این شرکت ساخته شده‌اند.

Cerebras اما تلاش می‌کند با معماری متفاوت خود، مخصوصاً در حوزه Inference با تأخیر بسیار پایین، جایگزینی برای سیستم‌های مبتنی بر GPU ارائه کند.

این رقابت فقط به قدرت خام پردازشی مربوط نمی‌شود؛ مصرف انرژی، هزینه دیتاسنتر، سرعت پاسخ‌گویی، پهنای باند حافظه و امکان مقیاس‌پذیری نیز نقش مهمی در انتخاب زیرساخت مناسب برای شرکت‌های AI دارند.

برنامه Cerebras برای آینده

Cerebras اعلام کرده است که نخستین محموله‌های CS-4 در سه‌ماهه سوم سال ۲۰۲۶ ارسال می‌شوند.

این شرکت همچنین برنامه دارد تا پایان سال ۲۰۲۷ ظرفیت پردازشی خود را به حدود ۶۰۰ مگاوات برساند؛ هدفی که نشان می‌دهد Cerebras قصد دارد از یک سازنده تراشه تخصصی به یکی از بازیگران مهم زیرساخت هوش مصنوعی در مقیاس بزرگ تبدیل شود.

جمع‌بندی

معرفی  ras CS-4Cereb نشان می‌دهد که رقابت در بازار سخت‌افزار هوش مصنوعی

تنها به ساخت GPUهای قدرتمندتر محدود نمی‌شود.

Cerebras با استفاده از معماری Wafer-Scale تلاش می‌کند مسیر متفاوتی برای افزایش سرعت

اجرای مدل‌های هوش مصنوعی ایجاد کند.

ادعای سرعت تا ۳۰ برابر بیشتر از سیستم‌های GPU در برخی سناریوها، همراه با افزایش قابل‌توجه پهنای باند حافظه و کاهش

تأخیر ارتباطی،CS-4 را به یکی از محصولات قابل‌توجه بازار زیرساخت AI در سال ۲۰۲۶ تبدیل کرده است.

• ویژگی‌های کلیدی Cerebras CS-4

1. سرعت بالای پردازش: تمرکز CS-4 روی اجرای سریع مدل‌های هوش مصنوعی و کاهش زمان پاسخ‌گویی است.
2. معماری Wafer-Scale: استفاده از معماری اختصاصی Cerebras برای پردازش حجم بالایی از داده‌ها.
3. تمرکز بر Inference: این سیستم به‌طور ویژه برای اجرای مدل‌های آموزش‌دیده و تولید پاسخ‌های سریع طراحی شده است.
4. پهنای باند حافظه بسیار بالا: امکان انتقال سریع حجم زیادی از داده بین بخش‌های مختلف سیستم.
5. مناسب برای دیتاسنترها: CS-4 برای استفاده در زیرساخت‌های پردازشی بزرگ و سرویس‌های هوش مصنوعی توسعه یافته است.
6. رقابت با زیرساخت‌های GPU: Cerebras تلاش دارد با معماری متفاوت خود، در بخشی از بازار با راهکارهای مبتنی بر GPU رقابت کند.
7. مناسب برای مدل‌های زبانی بزرگ: طراحی سیستم برای اجرای مدل‌های پیچیده و سرویس‌های مبتنی بر LLM.
8. مقیاس‌پذیری بالا: امکان استفاده از چندین سیستم برای افزایش ظرفیت پردازشی در مراکز داده.