AREX Feed Article
Cerebras 披露 CS-4 细节：同一片 5nm 晶圆性能翻倍，宣称比 Nvidia 快 30 倍
Cerebras 在 Hot Chips 大会周披露了第四代机柜级 AI 加速器 CS-4 的更多细节：芯片仍是那片 5nm 的 WSE-3，性能却比上一代 CS-3 翻了一倍。代价是更高的频率、更大的功耗和更强的散热；单机柜晶圆数从 2 片加到 3 片，每用户最高 4,400 tokens/s，公司宣称这比 Nvidia GPU 方案快至多 30 倍。
8 月 24 日报道称，Cerebras CEO Andrew Feldman 称 CS-4 为业内最快的系统。CS-4 是机柜级产品，整个服务器机柜作为单一单元进入数据中心，计算、供电、散热一体。它于 8 月 18 日由 Cerebras 官宣，本轮细节出现在 （8 月 23 日至 25 日，斯坦福）举行期间；按官方议程，Cerebras 的机架架构演讲排在 8 月 25 日，The Decoder 称更多细节将在大会上放出。30 倍与 4,400 tokens/s 均为 Cerebras 对外宣布的数字。
（图片来源：The Register）
供电与散热把同一片 WSE-3 推到双倍性能
新芯片的官方名号是 WSE-3 Turbo。显示，晶圆面积 46,225mm²、4 万亿晶体管、90 万核、44GB SRAM 与上一代完全相同；稀疏 FP16 算力从 125 提到 250 PFLOPS，稠密 FP16 从 12.5 提到 25 PFLOPS，片上内存带宽从 21.6 翻到 43.2 PB/s，片间 I/O 从 1.2 提到 2.4 Tbps。
机制在于供电。称，新架构把功率转换器件移到离处理器约 0.5mm 处，称这比传统 GPU 板卡的约 50mm 近了约 100 倍，几乎消除板级损耗，因此能向 WSE-3 Turbo 输送两倍功率，支撑更高工作频率。The Register 据此估算频率从 1.4GHz 提到 2.8GHz，晶圆功耗（TDP）从 15kW 涨到约 33kW。
的分析口径一致：同一片 5nm WSE-3、双倍时钟，内存带宽翻倍会带来每用户 token 速率接近翻倍。但 44GB SRAM 由晶圆上的位单元数量决定，纹丝不动，这是复用 WSE-3 的主要缺点。Cerebras 最爱宣传的数字是 43.2 PB/s 片上内存带宽，号称约为 Nvidia Rubin 的 2,000 倍（SemiAnalysis 转述的公司口径）。
机柜从两片晶圆变三片：Backpack 模块化
物理设计是 CS-4 最直观的变化。机柜前半是供电、后半是计算：每片晶圆装进一个可插拔的 Wafer-Scale Backpack，竖挂在机架后方，一个 CS-4 机柜装 3 个，CS-3 只有 2 片晶圆。Cerebras 称新设计零部件减少 50%，部署时间从数天缩短到数小时；SemiAnalysis 描述现场流程为先装好供电模块，再把 backpack 插进机架。冷却泵和换热器也被移出机柜，默认数据中心自带液冷。
（图片来源：Cerebras）
功耗账随之变厚。SemiAnalysis 估算整柜 TDP 125-135kW，The Register 估算 120-140kW（每个 backpack 约 46kW）。对比之下，AMD 和 Nvidia 今年晚些时候的机柜在 240-250kW 量级，CS-4 反而显得保守。SemiAnalysis 认为每瓦性能至多小幅改善，但每片晶圆的物料成本可能与 CS-3 相当，客户用相近的总拥有成本拿到接近双倍的 token 收入。Cerebras 称首批 CS-4 本季度开始发货。
4,400 tokens/s 与「快 30 倍」：Cerebras 的数字口径
4,400 tokens/s 的具体场景由 The Register 援引 Artificial Analysis 的基准给出：单个 CS-4 系统跑 gpt-oss-120b，每用户最高 4,400 tok/s，而当前最快的 GPU 推理服务约 350 tok/s。
「快至多 30 倍」是 Cerebras 的说法。官方博客称相比 GPU 系统推理快至多 30 倍，图表标注数据来自 Artificial Analysis 与内部基准测试（2026 年 8 月），页脚声明实际结果随工作负载、配置、日期和模型变化。SemiAnalysis 的独立估算与之接近：CS-4 在前沿模型上约 4,000 tok/s/用户，CS-3 为 2,000；Blackwell GPU 理论峰值 200、实际约 100，按他们的算法差距是 20 到 40 倍，因此反问「为什么不宣称 40 倍？」。
大模型场景下，晶圆间互联延迟压到 2µs，Cerebras 称 10 万亿参数以上的模型仍能保持 1,000+ tokens/s；2D torus 拓扑号称可支持 50 万亿参数模型，The Register 注明目前还没有这种规模的模型。The Register 还留了一句保留意见：峰值算力数字依赖稀疏性，而稀疏性通常帮不上 LLM 推理，稠密 FP16 实际约 25 PFLOPS。
解耦推理：prefill 交给 AMD 与 AWS Trainium
CS-4 原生支持解耦推理：prompt 处理（prefill）交给专门的引擎，模型状态再传给 CS-4 做超低延迟解码。Cerebras 列出的搭档是 AMD Helios 和 AWS Trainium。The Register 评论说，至少在推理上，Cerebras 芯片现在主要充当 decode 加速器，类似 Nvidia 在 LPX 机柜里用 Groq LPU 的做法。
硬件层面，新的 Wafer I/O 模块是可现场升级的 FPGA 网卡，支持标准 RoCE v2，方便 CS-4 接入异构系统。SemiAnalysis 判断这像是专门为 AWS 准备的：AWS 可以把自家的 EFA 网卡放到 CS-4 上，与 Trainium 服务器配对；解耦推理也是绕开 44GB SRAM 上限的办法，让 HBM 系统承担 prefill。使用背景上，The Decoder 提到 Cerebras 硬件已被 OpenAI 用于 Codex Spark 等。
SemiAnalysis 的冷水：网络收益有限，内存要等下一代硅
对网络升级，SemiAnalysis 的评价克制：2 层 fat-tree（Arista 交换机）端到端延迟从 5µs 降到 3µs，直连晶圆链路进一步到 2µs，这是真正的改进；但竞品已经在报纳秒级交换延迟，「超快」是相对的。3µs 延迟和带宽限制仍是瓶颈，专家跨晶圆并行（EP/ETP）依然不可行，流水线并行是唯一选择。The Decoder 转述为：SemiAnalysis 认为网络收益相当有限。
路线图上，Cerebras 承诺约每年 2 倍性能，2027 年吞吐提升 20 倍；Nexus 机架与下一代晶圆引擎联合设计，机柜骨架会沿用到未来芯片。但每晶圆 44GB 的 SRAM 从 WSE-2 时代起就没涨过，SemiAnalysis 的原话是：内存的改善「要等下一代硅」（we'll have to wait for the next generation silicon）。翻倍的速度已经来了，翻倍的内存要等下一代硅。