У Cerebras новый заход на рынок wafer-scale AI: компания на Hot Chips 2026 показала стойку CS-4 с тремя пластинными ускорителями WS-3T и пообещала в следующем поколении перейти к 3D-стеку памяти прямо поверх вычислительной пластины. Для русскоязычной IT-аудитории здесь важен не только сам железный экстрим, но и практический сигнал: гонка AI-инференса все меньше сводится к числу GPU и все больше упирается в компоновку памяти, энергоподачу и задержки между узлами.
Как пишет Tom's Hardware, Cerebras одновременно раскрыла две части дорожной карты: ближайшую архитектуру CS-4 с новым дизайном стойки Nexus и более дальний план для CS-6, где компания впервые собирается ставить DRAM поверх логики и SRAM на wafer-scale-чипе. Это попытка решить главный конфликт всей платформы Cerebras: гигантский чип на целой кремниевой пластине отлично подходит для низких задержек и высокого throughput, но у такой схемы очень жесткий потолок по памяти. Когда у тебя вся площадь уже занята вычислениями и SRAM, добавить еще памяти без потерь где-то еще почти невозможно.
На ближайшей дистанции Cerebras продает не мечту о далеком будущем, а вполне конкретную стойку. CS-4 состоит из трех ускорителей WS-3T, каждый из которых установлен в отдельный модуль Backpack. Внутри такого модуля собраны питание, масштабируемая межсоединительная сеть и жидкостное охлаждение. С инженерной точки зрения идея простая и сильная: не менять целиком стойку при апгрейде очередного wafer-scale-поколения, а заменить вычислительный модуль. Для операторов дата-центров это заметно практичнее привычного сценария, где обновление ускорителей часто тянет за собой переделку половины стойки, кабельного хозяйства и силовой части.
Собственно, по кабелям Cerebras и бьет особенно охотно. Главный системный архитектор компании JP Fricker на презентации сравнил собственный подход с многоуровневыми GPU-связками, где внутри стойки приходится тянуть тысячи кабелей, и назвал такую конструкцию беспорядком. Полемика ожидаемая: Cerebras давно строит позиционирование на том, что ее wafer-scale AI лучше подходит для инференса, потому что меньше тратит время на пересылку данных между множеством отдельных чипов. В Nexus эта логика доведена до конца. У пластины есть прямое соединение с другими пластинами в стойке, а I/O-модули вынесены отдельно и подключаются к краям wafer. Они дают RoCE v2 RDMA для совместимости с внешними системами и при этом остаются заменяемыми. Иначе говоря, компания пытается сделать модульными не только сами ускорители, но и сетевой слой вокруг них.
Самая интересная инженерная деталь CS-4 связана не с сетью, а с подачей энергии. Пластины в Backpack-модуле стоят вертикально, и Cerebras отказывается от традиционной PCB или подложки, на которой обычно висит вся обвязка ускорителя. Вместо этого массивная медная шина питания подключается к обратной стороне чипа напрямую. Логика здесь вполне приземленная: чем короче и проще путь питания до кристалла, тем меньше потери. Cerebras утверждает, что именно за счет новой схемы может подать на wafer-scale engine вдвое больше мощности, чем в прошлых поколениях, и за счет этого поднять частоты. Результат, который компания озвучивает для WS-3T, тоже выражен предельно конкретно: до двух раз выше производительность по сравнению с WS-3 и вдвое большая пропускная способность встроенной SRAM.
Но дальше начинается тот кусок презентации, где маркетинг встречается с физикой. При всех плюсах wafer-scale-подхода память остается узким местом. У одного WS-3T всего 44 ГБ памяти на всю пластину. В стойке из трех таких ускорителей получается 132 ГБ. На фоне GPU-систем верхнего сегмента это выглядит очень скромно: Tom's Hardware приводит для сравнения 20,7 ТБ HBM в системе Vera Rubin NVL72 и 31 ТБ у AMD Helios. Cerebras может возразить, что ее архитектура по-другому обращается с данными и что для масштабирования ей не нужно гонять такие же объемы трафика между чипами, как GPU-кластерам. Но проблему контекстов и KV-cache это не отменяет. Современные модели дорожают по памяти быстрее, чем многим хотелось бы, а в сервисном инференсе память съедают не только веса, но и индивидуальные для каждой сессии контексты.
Почему Cerebras идет в 3D-память
Именно поэтому самым важным анонсом в этой истории можно считать не CS-4, а планы на CS-6. Через два поколения Cerebras собирается впервые наложить DRAM поверх wafer-scale-логики и SRAM, то есть перейти к 3D-стеку памяти. Для компании это уже не косметический апгрейд, а фактическое признание: одним только увеличением плотности логики и оптимизацией interconnect проблему не закрыть. Нужен дополнительный объем памяти рядом с вычислениями, иначе wafer-scale AI рискует остаться нишей для сравнительно компактных моделей и сценариев, где ставка делается прежде всего на минимальную задержку.
Есть и второй слой этой новости, менее очевидный, но важный для бизнеса. Cerebras говорит не только о росте памяти, но и о сокращении занимаемой площади в будущей конструкции. Если это действительно получится, компания потенциально сможет производить больше ускорителей при тех же ограничениях по пластинам и упаковке. В мире, где спрос на передовые полупроводниковые мощности давно перегрет, это уже не инженерная эстетика, а вопрос масштабируемости бизнеса. Чем меньше площадь и сложность сборки на одну систему, тем реалистичнее путь от громких демо к более массовым поставкам.
При этом Cerebras старается доказать, что ее нынешняя архитектура уже годится не только для демонстрации красивых схем. Компания заявляет 2,4 Тбит/с прямой связи на одну пластину внутри стойки, суммарно 7,2 Тбит/с межчипового bandwidth при задержке 2 микросекунды. На бумаге это выглядит бледнее, чем чудовищные цифры межсоединений в больших GPU-доменах, но у Cerebras другой аргумент: между ее пластинами передаются только активации модели, а не все подряд. Внутри самого WS-3T работает on-die fabric с пропускной способностью 53,4 ПБ/с, и именно туда компания переносит основную ставку. Проще говоря, Cerebras пытается выиграть не в лобовой гонке по объему HBM, а в сокращении числа мест, где данные вообще вынуждены покидать чип.
Что это значит для рынка AI-инференса
Для разработчиков и продуктовых команд вывод довольно трезвый. Рынок AI-инференса расщепляется на несколько классов железа. GPU-кластеры остаются универсальным выбором, особенно когда нужны большие модели, много памяти и привычный стек. Но параллельно укрепляется отдельная ниша специализированных систем, которые не пытаются быть всем сразу, а выжимают максимум в узком сценарии: высокая скорость генерации токенов на пользователя и минимальная задержка ответа. Cerebras прямо говорит, что следующее поколение CS-5 на новом WSE, запланированное на 2027 год, должно выдавать до 10 тысяч токенов в секунду на пользователя для небольших моделей и до 5 тысяч токенов в секунду для более крупных frontier-моделей. Даже если относиться к этим цифрам с поправкой на презентационный жанр, направление понятно: продавать не просто FLOPS, а субъективно более быстрый AI-сервис.
Для отрасли это означает и еще одну вещь: борьба Nvidia, AMD и альтернативных игроков все чаще идет не только за обучение моделей, но и за то, кто станет базовой инфраструктурой именно для inference-as-a-service. У Cerebras пока остаются жесткие ограничения по памяти, и без удачного перехода к стековой DRAM компания рискует уткнуться в потолок быстрее, чем растут контексты моделей. Но если 3D-подход для CS-6 взлетит, рынок получит редкий пример того, как не-GPU-архитектура не просто выживает рядом с гигантами, а диктует свой формат для части AI-нагрузок. Подробности о roadmap и системе Nexus собраны в материале .