General Compute 与 Cerebras 达成多年协议：GPU 负责 prefill，首批 token 拟 2027 年一季度上线

9 月 29 日，General Compute 的 X 账号，与 Cerebras 合作部署一项推理服务：用 GPU 承担 prefill（预填充），首批 token（词元）计划于 2027 年第一季度上线（帖文写作「Q127」）。帖文把这项服务表述为「全球最快」的推理。约 12 分钟后，发出呼应：「全球最快的推理即将来到 @general_compute。」

同一天，Cerebras 发布，确认双方达成为期多年的协议：由 General Compute 部署 Cerebras 的推理系统，第一个应用场景是 agentic coding（智能体编程）。

帖文里的说法：全球最快与快 20 倍

帖文以「BREAKING」开头，先转述开发者的诉求：「和任何开发者聊，他们都很期待用快 20 倍的 AI 来做开发；问题是几乎没有可用的算力。」随后是 General Compute 的判断：它会解决这个问题，办法是「用 GPU 承担 prefill——现在成本也比以往更实惠」。

「全球最快」和「快 20 倍」是两家公司自己给出的说法；公告里的分工架构写得明确：GPU 做 prefill，解码交给 Cerebras。

协议细节：多年期、按合同交付的专属容量

新闻稿说，这份协议为期多年，第一批容量从 2027 年第一季度起向客户开放。General Compute 的解释了先做编码 agent 的原因：编码 agent 会连续做几百上千次推理调用，读仓库、写改动、跑测试、读失败结果、再改；每一步的等待都会累积成开发者实际要等的时间。

博客还描述了交付方式：General Compute 买下系统，客户按「一份合同、一套 SLA（服务等级协议）」拿到专属容量；Cerebras 在客户侧呈现为一个「可以按延迟目标和价格挑选」的档位。新闻稿的副标题称，这为推理服务商打开了一条新的市场通路。

宣布方是谁：为替代芯片而建的专用云

General Compute 总部在旧金山，新闻稿把它定义为「为部署替代芯片而建的 neocloud（面向 AI 工作负载的专用云）」，官网的说法是「异构计算的部署方」。据，公司由 CEO Finn Puklowski 和 CTO Jason Goodison 创办，2026 年 5 月完成 1,500 万美元种子轮，最初围绕 SambaNova 的推理芯片搭建算力服务；说，它从投资机构 Upper90 拿到 4 亿美元贷款，这可能是第一笔以推理专用芯片作抵押的融资交易。

这笔贷款正是为采购这类硬件准备的。Cerebras 新闻稿说，贷款方正越来越多地为「替代加速器」提供融资，neocloud 因此有能力买下系统；推理服务商则可以在不把硬件记进自家资产负债表的前提下，提供基于 Cerebras 的高速 token。General Compute 的博客说，这次 Cerebras 部署是该额度下的第一个项目，也是公司迄今最大的一笔硬件承诺。在的算力分层里，prefill 一栏是 NVIDIA B300，decode（解码）一栏列着 SambaNova SN50、Cerebras、Positron 和 d-Matrix，其中 Cerebras 被标在「最快」一档。

把推理拆成两段：prefill 交给 GPU，decode 交给 Cerebras

General Compute 官网给出的分工解释是：prefill 是「计算受限、可并行」的阶段，正好是 GPU 擅长的活；decode 是「内存受限、自回归」的阶段，一次只生成一个 token，瓶颈在带宽而不是算力，加算力不会更快，模型越大天花板越低。官网一张对比图把 B300 的单用户解码上限标在约每秒 320 个 token 以下（图注写明数据出自其内部基准，其中 B300 一项依据 SemiAnalysis InferenceX 近似估算），并称在更前沿的模型上还要低得多。

Cerebras 负责 decode 这一段。General Compute 的博客把 Cerebras 的芯片描述为「把模型权重摊在整个晶圆大小的片上内存（SRAM）上」，解码时不必等外部内存总线；博客称，在「单个用户流式输出 token」的场景里，生产环境中没有比它更快的方案。

当天把这次部署概括为分离式（disaggregated）架构：GPU 处理 prefill，Cerebras 系统处理推理。

Agentic coding 是这套分工被率先用上的场景。General Compute 博客算了一笔账：一个需要 400 次模型调用、每次生成约 300 个输出 token 的任务，在每秒 100 个 token 的解码速度下，每次调用要 3 秒、整单任务约 20 分钟；把解码速度提到每秒 2,000 个 token，同一任务缩短到约 1 分钟。博客强调，这是同一个模型、同一个 agent、同一个任务，变化的只有解码速度。

双方高管的表态与容量预订方式

Cerebras CTO 兼联合创始人 Sean Lie 在新闻稿里说：「在 AI 里，速度就是生产力。一个要跑几百步才能完成任务的 agent，只能和它最慢的那一步一样快。」General Compute CEO Finn Puklowski 的说法更强调客户侧：「agent 会做出几千次串行调用，延迟会累积成实际耗时。Cerebras 提供速度，我们的客户把它带给开发者；这份协议说明，neocloud 有能力融资并规模化部署这类硬件。」

也在：General Compute 正按一份多年协议大规模采购并部署 Cerebras 系统，「更多开发者将因此用上全球最快的推理」；他同时说，Cerebras 推理将经由 General Compute 提供。

想排上第一批机架的客户，可以在 General Compute 的提交模型、流量形态和交互性目标，公司会回复一份价目表和部署窗口。