Cerebras CS-4/WSE-3 Turbo 晶圆级推理系统

Cerebras CS-4/WSE-3 Turbo是2026年8月18日Cerebras发布的新一代机架级AI推理系统，核心定位是面向前沿大模型的高吞吐、低延迟推理基础设施，官方宣称其单用户推理速度最高可达传统GPU方案的30倍。

CS-4的核心卖点不是训练，而是高吞吐、低延迟的推理，尤其是面向Agentic工作负载。Agent任务通常需要多次推理步骤、工具调用与自我验证，每次响应时间决定多步循环是否可行。Cerebras通过晶圆级SRAM与片内高带宽互联，减少HBM/DRAM带来的内存墙瓶颈，使大模型解码在单用户场景下仍能保持极高吞吐。

CS-4同时支持推理负载拆分，可作为解码单元与异构预填充硬件配套，发挥预填充（compute-bound）与解码（memory-bound）各自的架构优势。

一、架构创新亮点

1. ‌供电与散热革新‌

电源转换模块距离处理器仅0.5毫米，几乎完全消除板级供电损耗，为WSE-3 Turbo提供双倍电力供给。
采用可插拔背包式设计，将电源转换、液冷与控制电子集成一体，适配高密度机架部署。

2. ‌异构解耦推理架构‌

原生支持推理负载拆分，可作为解码单元与AMD Instinct GPU、AWS Trainium等异构预填充硬件配套使用，发挥不同架构的差异化优势。
支持超过50万亿参数的大模型运行，针对10T参数规模模型可实现全链路2微秒级低延迟跨晶圆调度。

二、实测性能

‌主流模型Token输出能力‌：
在GPT-OSS-120B测试中，单用户每秒生成Token数超4400，最高达4465 Token/s，是同场景GPU方案的30倍。
‌多模型性能对比‌：
对Llama 3.3 70B、Gemma 4-31B等模型，单用户Token输出可达3600/s，对Kimi K2.7 1T等万亿参数模型仍可保持2000 Token/s的输出能力。
‌代际提升‌：
相比上一代CS-3，整机Token生成速度提升93%，词元总容量提升10倍。

三、技术对比

1. ‌架构逻辑完全对立‌

Cerebras走整片300mm晶圆一体化路线，所有核心通过晶圆内部金属走线直连，完全消除GPU集群中大量卡间NVLink互联的开销。
英伟达H200/B200走多芯粒拆分CoWoS封装路线，依赖大量高速铜缆、多层高算力PCB、多组HBM中介层实现集群互联。

‌2. 物料与工艺的增减差异‌

CS-4省去了芯片切割、单颗封装、海量高速铜缆、多卡互联PCB、大量HBM配套堆叠物料，整机外部电路极简。
H200/B200集群需要配套近5000根高速NVLink铜缆、大量高多层载板、独立显卡插槽基座，配套被动元件用量远高于CS-4。

3. 参数横向对比

对比维度	Cerebras CS-4（单台3颗WSE-3 Turbo）	英伟达H200（单卡）	英伟达B200（单卡）
制程工艺	TSMC 5nm	TSMC 4N（定制4nm）	TSMC 4NP（定制4nm）
核心规模	单颗晶圆90万AI核心，整机共270万	14188个CUDA核心	18432个CUDA核心
片上高速存储	单颗44GB SRAM，整机132GB	141GB HBM3e	192GB HBM3e
内存带宽	单颗43.2 PB/s，整机129.6 PB/s	4.8 TB/s	8.3 TB/s
稀疏FP16算力	整机750 PFLOPS	4 PFLOPS	8 PFLOPS
整机TDP	125-135kW	1000W（单卡）	1200W（单卡）
单用户LLM推理Token速度	最高4400 Token/s	约150-200 Token/s	约300-400 Token/s

主要适配特定模型，软件生态是Cerebras短板

四、应用场景

1. 目标场景‌

面向高交互性AI Agent、实时大模型对话、超大规模长上下文推理等对延迟和响应速度要求极高的场景，而非传统大模型训练场景。
晶圆级架构天然适配万亿参数大模型的低延迟推理，无需复杂的张量并行、流水线并行拆分，部署复杂度大幅降低。

2. ‌商用合作‌

OpenAI的750MW推理算力部署中，CS-4将主要承担ChatGPT实时对话的高吞吐推理节点，目标是将单用户对话的Token输出速度提升至现有GPU方案的10倍以上，解决长文本生成场景下的等待延迟问题。 AWS已将CS-4接入Amazon Bedrock服务，通过托管层屏蔽底层硬件差异，开发者无需修改原有CUDA代码，即可调用Cerebras的高吞吐推理能力，大幅降低迁移成本。 Notion将CS-4作为实时企业搜索的底层引擎，面向数百万企业用户实现毫秒级的全文档语义检索，替代原有的8卡GPU集群方案，检索响应速度提升12倍。

3. 定价

在按Token计费的云服务场景下，基于CS-4部署的DeepSeek V4 Pro推理服务，输入定价为0.2美元/百万Tokens，输出定价为0.5美元/百万Tokens，综合单位Token成本比英伟达B200集群方案低40%，长期大规模部署的总拥有成本优势显著。
以DeepSeek V4 Pro 1.6T参数模型为例，支撑1M上下文窗口约需20台CS-4系统，对应CAPEX超2000万美元，主要面向超大规模云服务商部署。

五、产业影响

CS-4的发布强化了“推理算力差异化”趋势：训练侧英伟达仍占主导，但推理侧出现晶圆级SRAM、ASIC、RISC-V CPU等多种替代路径。Cerebras能否真正扩大市场份额，取决于其软件栈成熟度、客户多元化程度以及下一代新制程芯片（而非Turbo版同die超频）的研发进度。CEO Andrew Feldman称预计到2027年底性能再提升4倍、吞吐提升20倍。