AMD
2026-07-25
AMD与Cerebras合作分解式AI推理，WSE-3芯片突破延迟极限
内容摘要
核心要点
AMD与Cerebras Systems在Advancing AI 2026大会上宣布技术合作，推出新型分解式AI推理解决方案。该方案将AMD的Helios Rackscale系统与Cerebras的Wafer-Scale Engine (WSE-3) 相结合，通过Infinity Fabric高速互联，实现计算与内存的分解式架构，旨在为先进AI应用提供超低延迟推理，同时大幅提升吞吐量和效率。
Helios Rackscale系统配备第六代EPYC 'Venice'处理器和最多72颗Instinct MI455X GPU，专为大规模AI推理集群设计。Cerebras WSE-3拥有4万亿晶体管，提供极致的片上内存带宽，减少数据移动带来的延迟。这种分解式设计允许推理任务在CPU、GPU和WSE之间灵活分配，优化特定工作负载。
该方案针对AI推理中的延迟和吞吐量瓶颈，通过将Cerebras的高带宽片上内存与AMD的高性能计算单元结合，试图在模型推理速度上实现数量级提升。AMD强调其Infinity Fabric的低延迟特性，确保各组件间高效协同。此举旨在挑战NVIDIA在AI推理硬件市场的主导地位，为数据中心提供替代选择。
重要性说明
表面上看，AMD与Cerebras的合作是在AI推理性能上挑战NVIDIA，但更深层的是，AMD试图通过分解式架构和Infinity Fabric互联，构建一个从CPU到GPU再到专用加速器的闭环生态，以锁定用户的数据中心基础设施。用户一旦采用Helios Rackscale和Cerebras WSE-3，将被迫使用AMD的CPU和互联技术，难以切换至其他厂商（如Intel或NVIDIA）的组件。
然而，该方案存在明显的工程短板：Cerebras WSE-3的巨大晶圆尺寸导致功耗和散热挑战极其严峻，且良率问题可能推高成本，使其仅适用于少数超大规模客户。分解式架构虽然理论上减少数据移动，但实际跨芯片通信（CPU到GPU再到WSE）可能引入尾部延迟，抵消片上内存优势。此外，AMD的Infinity Fabric虽宣称低延迟，但在大规模集群中的实际表现尚未验证，可能成为性能瓶颈。
更关键的是，AMD和Cerebras在软件生态上远弱于NVIDIA的CUDA。用户需要依赖AMD的ROCm和Cerebras的定制编译器，这增加了开发复杂性和迁移成本。该方案可能故意淡化软件兼容性和模型支持范围，只强调硬件峰值性能，而实际推理吞吐量可能受限于软件优化程度。
PRO 决策建议
【厂商】NVIDIA应加速推出基于NVLink和Grace Hopper的分解式推理方案，强调其CUDA生态的成熟度和模型兼容性，同时攻击Cerebras WSE-3的功耗和成本陷阱，展示传统GPU集群在通用性和TCO上的优势。Intel可联合Habana Labs推广Gaudi系列，强调其开放性和可编程性，避免被AMD-Cerebras锁定。
【企业】CIO和架构师应进行严格的技术审计：要求AMD和Cerebras提供独立基准测试，覆盖多种模型（如LLaMA、GPT-4），并关注尾部延迟和功耗指标。评估Infinity Fabric在跨机架场景下的实际带宽和时延，避免被宣传数据误导。同时，确保软件栈（ROCm、Cerebras SDK）支持主流框架（PyTorch、TensorFlow），并考虑多供应商可移植性，以防被锁定。
【投资者】警惕AMD-Cerebras合作的长期锁定风险和成本不可预测性。Cerebras的晶圆级芯片技术虽具突破性，但良率和规模化问题可能限制其市场渗透。投资者应关注该方案的实际客户采纳案例和TCO对比，而非峰值性能宣传。同时，注意NVIDIA的反击动作，如更成熟的分解式推理方案，可能削弱AMD-Cerebras的竞争力。
觉得这篇分析有用？
每周收到3-5条AI基础设施关键信号 →
💬 评论 (0)