Dwaj rywale zbudowali jedną maszynę

23 lipca AMD i Cerebras ogłosiły, że uruchomią jeden przepływ wnioskowania AI na układach obu firm, rodzaj połączenia, którego konkurenci zwykle unikają. AMD Helios, szafa zbudowana z procesorów EPYC i GPU Instinct, przetwarza prompt i duże okno kontekstu. Następnie Cerebras Wafer-Scale Engine generuje tokeny, tę część, którą użytkownicy odczuwają jako szybkość.

Prezes AMD, Lisa Su, nazwała wnioskowanie jedną z największych szans infrastrukturalnych AI, której rosnąca różnorodność wymaga bardziej elastycznego podejścia. Prezes Cerebras, Andrew Feldman, sprzedawał tę samą umowę na czystym opóźnieniu. To, co oboje przywódcy przemilczeli, jest dosadne: żaden układ nie wygrywa już całego zadania sam.

Prefill i decode chcą innego krzemu

Nowoczesne wnioskowanie ma dwie fazy o przeciwnych apetytach. Prefill, czytanie promptu i jego kontekstu, jest ciężki obliczeniowo i nagradza przepustowość, dokładnie to, co szafa GPU jak Helios robi dobrze. Decode, pisanie każdego nowego tokenu, jest ciężki pod względem przepustowości pamięci i nagradza bardzo niskie opóźnienie, i tu błyszczy pojedynczy ogromny wafel Cerebras. Zmuszanie jednego układu do obu rzeczy oznacza płacenie za moc, którą druga faza marnuje.

Rozdzielenie obu, podejście, które branża nazywa zdezagregowanym wnioskowaniem, pozwala każdej fazie działać na sprzęcie zbudowanym dla niej. To jest tutaj prawdziwa wiadomość, bardziej niż logo któregokolwiek dostawcy: założenie, że jeden akcelerator obsługuje cały model, rozpada się.

Przeczytaj przypis do 5x

Firmy obiecują do pięciu razy więcej tokenów na sekundę na wat. Przeczytaj warunki: liczbę zamodelowały AMD i Cerebras w lipcu 2026 roku z modelem Kimi 2.6 1T, a porównanie jest wobec konfiguracji z samym Cerebras w porównywalnym punkcie interaktywności, nie wobec Nvidii i nie jako zmierzony benchmark produkcyjny. Sam materiał prasowy zaznacza, że różne konfiguracje dają różne wyniki.

Wdrożenie też jest wąskie. Wspólny system jest oczekiwany w Cerebras Cloud w drugiej połowie 2026 roku, usługa hostowana, zanim będzie czymś, co instalujesz. Rynki odczytały to jako przyrostowe, a akcje AMD spadły tego dnia o około 3 procent. Traktuj 5x jak zamodelowany sufit, nie paragon.

Co to zmienia dla Twojego budżetu obliczeniowego

Dla europejskiego operatora wymiarującego funkcję AI lekcja brzmi: wyceniaj wnioskowanie według fazy, nie według układu. Chatbot obsługi klienta żyje w fazie decode, gdzie opóźnienie i waty na token decydują o rachunku; potok analizy umów, który wchłania długie dokumenty, opiera się na przepustowości prefill. To samo euro sprzętu kupuje bardzo różną ekonomię w zależności od tego, na której połowie się opierasz.

Szerszy sygnał waży więcej niż jeden produkt: poza Nvidią tworzy się drugi wiarygodny stos wnioskowania w skali szafy i jest sprzedawany jako pojemność w chmurze, którą możesz wynająć w tym roku. To nikogo nie detronizuje, ale daje kupującym drugą ofertę, a druga oferta to sposób, w jaki ceny przestają być dyktowane.

Czytaj dalej: Naprawa awarii Claude nadejdzie dopiero w 2027  |  Drugie źródło układów AI się obudziło