Puntando a NVIDIA! Cerebras (CBRS.US) lancia il sistema CS-4, il "più veloce acceleratore AI", dichiarando una velocità di inferenza 30 volte superiore rispetto alle soluzioni GPU

Secondo quanto riportato da Finanza Zhitong, l'azienda di chip AI Cerebras Systems (CBRS.US) ha presentato ufficialmente la nuova generazione di sistemi AI a livello rack, Cerebras CS-4, durante la conferenza SUPERNOVA tenutasi a San Francisco, dichiarandolo il “più veloce acceleratore AI del settore”. Questo sistema è rivolto al segmento dell'inferenza AI, posizionandosi direttamente contro i server GPU di Nvidia (NVDA.US). Si prevede che il CS-4 inizierà le spedizioni in questo trimestre (terzo trimestre 2026), ed è attualmente in fase di test presso alcuni clienti selezionati.

Specifiche tecniche: Tre processori Wafer Scale Engine per una potenza di calcolo di 750 PFLOPs

CS-4 è il primo prodotto dell’ultima generazione Nexus di piattaforme rack-level di Cerebras, alimentato da tre processori wafer scale Engine 3 Turbo (WSE-3T) completamente nuovi. Il WSE-3T è il processore AI più grande mai realizzato, con ogni chip che integra 4.000 miliardi di transistor e 900.000 core ottimizzati per l’AI, coprendo un’area di 46.225 mm² e con 44GB di SRAM integrata.

Il sistema CS-4 offre una potenza di calcolo AI di 750 PFLOPs, una larghezza di banda di memoria di 129,6 PB al secondo e una capacità di throughput I/O di 7,2 Tbps al secondo. Rispetto alla generazione precedente CS-3, CS-4 raddoppia le prestazioni in velocità e decuplica il throughput per watt, migliorando sensibilmente l'efficienza economica dei data center. Rispetto alla generazione precedente WSE-3, il WSE-3T ha raddoppiato la capacità AI per wafer da 125 PFLOPS a 250 PFLOPS e la larghezza di banda di memoria da 21,6 PB/s a 43,2 PB/s. Anche il consumo per singolo chip è balzato da 15 kW a circa 33 kW.

Nella progettazione architetturale, il CS-4 adotta la piattaforma modulare Nexus, separando calcolo, alimentazione e I/O in componenti indipendenti. Il modulo di conversione di potenza, che nei server GPU tradizionali si trova circa a 50 mm dal processore, viene ridotto a circa 0,5 mm, quasi annullando la perdita di potenza a livello di board. Il design “zaino” plug-in integra conversione di potenza, raffreddamento a liquido ed elettronica di controllo in un unico modulo, riducendo i tempi di implementazione da diversi giorni a poche ore.

Breakthrough prestazionale: oltre 4.400 token per utente al secondo nel test GPT-OSS-120B

Cerebras afferma che il CS-4 stabilisce un nuovo standard di riferimento per la velocità di inferenza. Nel confronto diretto sul modello GPT-OSS-120B, il CS-4 genera oltre 4.400 token al secondo per utente, fino a 30 volte di più rispetto alle soluzioni GPU. Il sistema può supportare modelli con più di 50 mila miliardi di parametri.

Sean Lie, CTO e co-fondatore di Cerebras, ha dichiarato: “Essere 30 volte più veloce non significa solo avere una risposta più fluida, ma permette ai sistemi intelligenti di avere uno spazio di ragionamento, verifica o chiamata di strumenti superiore di un ordine di grandezza, a parità di tempo reale.” Il CEO Andrew Feldman ha sottolineato: “Storicamente, l’inferenza veloce significava usare modelli più piccoli e meno potenti. CS-4 raggiunge velocità leader del settore anche sui modelli di frontiera più grandi, cambiando radicalmente questo paradigma.”

Dal punto di vista dell’efficienza energetica, CS-4 migliora fino a 10 volte il throughput per watt rispetto al CS-3, ottimizzando notevolmente l’economia dei data center. Il CEO Andrew Feldman ha sottolineato che, considerando che i token generati rapidamente sono più preziosi di quelli generati lentamente, CS-4 può produrre token di qualità superiore e in maggiore quantità per un dato budget energetico, “cambiando radicalmente il paradigma”.

CS-4 adotta anche un design che riduce del 50% il numero di componenti, semplificando e velocizzando l’implementazione per i clienti. A livello architetturale, la nuova piattaforma Nexus separa calcolo, alimentazione e I/O in componenti modulari: la conversione di alimentazione, che nei server GPU tradizionali si trova a circa 50 mm dal processore, è ridotta a circa 0,5 mm, abbassando drasticamente la perdita di potenza a livello di scheda e permettendo frequenze operative più alte. Il design “zaino” plug-in integra conversione di potenza, raffreddamento a liquido ed elettronica di controllo in un’unità indipendente, riducendo i tempi di implementazione da giorni a poche ore.

Va sottolineato che i sistemi wafer-scale di Cerebras si basano su memoria SRAM (Static Random Access Memory), invece che su DRAM, più comune nel settore. La SRAM è molto più veloce della DRAM, ma occupa più spazio e ha costi maggiori: i wafer di dimensioni pari a un piatto di Cerebras forniscono lo spazio fisico necessario per sfruttare la SRAM. Allo stesso tempo, il design a chip singolo riduce molto la distanza di trasferimento dati rispetto ai sistemi multi-chip di Nvidia o AMD.

Collaborazione ecosistemica: partnership con AMD Helios, obiettivo aumento dell’efficienza di 5 volte

Il sottosistema I/O programmabile del CS-4 supporta lo standard RoCE v2 RDMA su Ethernet e può essere integrato in sistemi eterogenei. Cerebras ha già avviato una collaborazione con AMD (AMD.US) su questa architettura, abbinando la soluzione rack-level Helios di AMD al WSE, con un numero di token generabili per watt al secondo superiore di 5 volte rispetto alla configurazione Cerebras pura. AWS Trainium è anche elencato tra i partner.

Dylan Patel, fondatore e CEO di SemiAnalysis, ha commentato che i miglioramenti di CS-4 in deployabilità e networking gli consentono di scalare verso modelli più grandi, creando vere e proprie “fabbriche di token su larga scala”.

Background di mercato: dopo la quotazione, il prezzo delle azioni è calato del 35% rispetto al picco, CS-4 rappresenta un punto di svolta cruciale

Cerebras si è quotata al Nasdaq il 14 maggio 2026 a un prezzo di 185 dollari per azione; il prezzo di apertura del primo giorno è stato di 350 dollari, quello di chiusura di 311,07 dollari (+68%). Successivamente il titolo ha invertito la rotta, chiudendo martedì intorno ai 220 dollari, circa il 35% in meno rispetto ai massimi.

Il bilancio del secondo trimestre presenta luci e ombre: ricavi core a 209,9 milioni di dollari (+103% anno su anno), ma con una perdita per azione di 2,98 dollari, contro un utile di 1,91 dollari nello stesso periodo dell’anno precedente. Le prospettive di triplicare i ricavi core nel 2027 e le previsioni positive per il Q3 non hanno convinto del tutto gli investitori. Tuttavia, gli obblighi residui di esecuzione dell’azienda ammontano a 25,4 miliardi di dollari, offrendo buona visibilità sui ricavi futuri.

Significato per il settore: la struttura del mercato per l’inferenza AI è in fase di ridefinizione

Il lancio di CS-4 avviene in un momento cruciale di esplosione della domanda di inferenza AI. Con il passaggio dei grandi modelli dalla fase di training a quella di deployment su larga scala, l’efficienza nell’inferenza sta diventando la principale dimensione competitiva nelle infrastrutture AI. Se il vantaggio di velocità dichiarato da Cerebras (30 volte superiore) sarà confermato da test indipendenti, potrebbe modificare il processo decisionale di acquisto degli operatori di mega data center.

Il rilascio di Cerebras CS-4 segna l’accelerazione della competizione nei chip AI dal training verso il mercato dell’inferenza. La capacità del sistema di scuotere realmente il predominio di Nvidia nel settore dell’inferenza AI dipenderà dalla verifica indipendente delle performance dichiarate, nonché dall’abilità di Cerebras nel consegnare rapidamente il CS-4 su scala sufficiente a soddisfare la crescente domanda di generazione veloce di token nei data center di grandi dimensioni.

Il business cloud di inferenza di Cerebras ha già registrato una crescita annuale del 287% nel secondo trimestre, raggiungendo ricavi core dal cloud per 127,7 milioni di dollari. Il lancio del CS-4 rappresenta una nuova fase nel passaggio del modello di business dell’azienda, da vendita di hardware a noleggio di capacità d’inferenza.