号称推理速度 30 倍于 GPU！Cerebras CS‑4 登场，晶圆级算力能否撼动 GPU 生态？

什么是 CS‑4？

CS‑4 是 Cerebras 首款多晶圆整机，采用全新 Nexus 机架平台，单机柜内置3 颗 WSE‑3 Turbo 晶圆级处理器。单颗 WSE‑3 Turbo 拥有 4 万亿晶体管、90 万 AI 核心，没有 HBM 显存，全部依靠片上 SRAM，单芯片内存带宽就达到 43.2PB/s，整机合计 750 PFLOPS 稀疏 FP16 算力、129.6 PB/s 总带宽，最大可跑50 万亿参数超大模型。晶圆之间直连通信，跨晶圆延迟压到 2μs；背包式模块化设计，部署从数天缩短到几小时，液冷微水道散热，每瓦吞吐量相比上代 CS‑3 提升最高 10 倍。

炸裂跑分：4465 Token/s

厂商内部基准测试 GPT‑OSS‑120B 模型：

• CS‑4：4465 Token/s

• 上代 CS‑3：2308 Token/s

• 主流 GPU 服务器：131 Token/sCerebras

这就是 30 倍这个数字的来源。哪怕是 10 万亿参数以上的巨型模型，CS‑4 依旧可以保持每秒 1000 token 以上的生成速度。

这对 Agent 智能体意义重大：更快的 token 输出，意味着 AI 可以在相同时间完成更多工具调用、推理、自我校验，不再苦苦等待大模型吐字。

核心底层逻辑：绕开 “内存墙”

GPU 做推理最大瓶颈往往不是计算单元，而是数据搬运。权重需要反复在芯片和 HBM 显存来回传输，通信吃掉大量延迟。Cerebras 的思路是：把大量权重直接放在整片晶圆的片上 SRAM，尽量减少数据来回搬运，靠恐怖内存带宽换取低延迟推理表现。⚠️重点：CS‑4 主打推理，不是训练，不卖裸芯片，只交付整机机柜 + 云服务。

理性看待：30 倍≠全面碾压 GPU

很多人会直接解读成 “GPU 要被干掉”，这里必须划清边界：

1. 30 倍是【单用户推理】跑分，是单个人对话的 token 速度。多用户高并发场景，这个倍数优势会被大幅稀释，不是所有场景都有 30 倍增益；并且为厂商自测，暂无第三方机构复测验证。

2. 晶圆级整机成本极高，良率、维护成本昂贵，现阶段只面向超大规模云厂商、科研机构，普通企业消费不起。

3. 软件生态远不如 GPU 成熟，属于异构算力补充，不是替代 GPU，未来更多是协同部署。

写在最后

CS‑4 代表晶圆级计算走到了新台阶，它解决的是超大模型单用户交互延迟痛点，尤其适配 Agent、超长上下文。但高昂的硬件成本、生态短板，决定短期不会大规模普及。AI 算力赛道，不会是单一方案一统天下，GPU、晶圆级芯片、各类 ASIC 还会长期共存。