Zwei Rivalen bauten eine Maschine

Am 23. Juli kündigten AMD und Cerebras an, einen einzigen KI-Inferenz-Ablauf über die Chips beider Unternehmen laufen zu lassen - eine Paarung, die Konkurrenten sonst meiden. AMD Helios, das Rack aus EPYC-Prozessoren und Instinct-GPUs, verarbeitet den Prompt und das große Kontextfenster. Die Cerebras Wafer-Scale Engine erzeugt danach die Token, jenen Teil, den Nutzer als Geschwindigkeit spüren.

AMD-Chefin Lisa Su bezeichnete Inferenz als eine der größten Infrastrukturchancen der KI, deren wachsende Vielfalt einen flexibleren Ansatz verlange. Cerebras-Chef Andrew Feldman verkaufte denselben Deal über die reine Latenz. Was beide Führungskräfte unausgesprochen ließen, ist deutlich: kein Chip gewinnt die ganze Aufgabe mehr allein.

Prefill und Decode wollen unterschiedliches Silizium

Moderne Inferenz hat zwei Phasen mit gegensätzlichem Appetit. Prefill, das Lesen des Prompts samt Kontext, ist rechenlastig und belohnt Durchsatz - genau das, was ein GPU-Rack wie Helios gut kann. Decode, das Schreiben jedes neuen Tokens, ist speicherbandbreitenlastig und belohnt extrem niedrige Latenz - dort glänzt ein einzelner riesiger Cerebras-Wafer. Zwingt man einen Chip zu beidem, bezahlt man Kapazität, die die andere Phase verschwendet.

Die Trennung beider, in der Branche disaggregierte Inferenz genannt, lässt jede Phase auf der für sie gebauten Hardware laufen. Das ist hier die eigentliche Nachricht, mehr als das Logo eines Anbieters: die Annahme, ein Beschleuniger bediene ein ganzes Modell, bricht auseinander.

Lesen Sie die Fußnote zur 5-fachen Effizienz

Die Unternehmen versprechen bis zu fünfmal mehr Token pro Sekunde und Watt. Lesen Sie die Bedingungen: Die Zahl wurde von AMD und Cerebras im Juli 2026 mit dem Modell Kimi 2.6 1T modelliert, und verglichen wird mit einer reinen Cerebras-Konfiguration bei vergleichbarer Interaktivität - nicht mit Nvidia und nicht als gemessener Produktions-Benchmark. Das Pressematerial selbst weist darauf hin, dass verschiedene Konfigurationen verschiedene Ergebnisse liefern.

Auch der Start ist eng. Das gemeinsame System wird in der zweiten Jahreshälfte 2026 in der Cerebras Cloud erwartet, ein gehosteter Dienst, bevor es etwas ist, das Sie installieren. Die Märkte lasen es als schrittweise, und die AMD-Aktie gab am selben Tag rund 3 Prozent nach. Behandeln Sie die 5-fache Zahl als modellierte Obergrenze, nicht als Quittung.

Was es für Ihr Rechenbudget ändert

Für einen europäischen Betreiber, der ein KI-Feature dimensioniert, lautet die Lehre: Bepreisen Sie Inferenz nach Phase, nicht nach Chip. Ein Kundenservice-Chatbot lebt in der Decode-Phase, wo Latenz und Watt pro Token die Rechnung bestimmen; eine Vertragsanalyse-Pipeline, die lange Dokumente einliest, stützt sich auf Prefill-Durchsatz. Derselbe Euro Hardware kauft sehr unterschiedliche Ökonomie, je nachdem, auf welche Hälfte Sie sich stützen.

Das breitere Signal wiegt schwerer als ein Produkt: Außerhalb von Nvidia bildet sich ein zweiter glaubwürdiger Inferenz-Stack im Rack-Maßstab, und er wird als Cloud-Kapazität verkauft, die Sie dieses Jahr mieten können. Das entthront niemanden, aber es gibt Käufern ein zweites Angebot - und ein zweites Angebot ist der Weg, auf dem Preise aufhören, diktiert zu werden.

Weiterlesen: Claudes Ausfälle werden erst 2027 behoben  |  Eine zweite KI-Chip-Quelle ist erwacht