Cerebras CS-4：一个机架塞进三片晶圆，推理提速（但缺少独立基准测试）

2026 年 8 月 18 日，Cerebras Systems 发布了 CS-4，这是一款机架级推理系统，也是新平台「Cerebras Nexus」的首款产品。结构上的新意在于：三颗 Wafer Scale Engine 3 Turbo（WSE-3T）处理器装进同一个机架，这是该公司首次把多片晶圆放进同一个机柜（来源：官方新闻稿；DigiTimes 与 ServeTheHome 证实）。新闻稿中，首席执行官这样概括目标："Speed is productivity... CS-4 delivers industry-leading speeds on the largest frontier models."（来源：Cerebras）。

在芯片层面，ServeTheHome 给出的单颗 WSE-3T 数据是：90 万个 AI 核心、44 GB 片上 SRAM、约 4 万亿个晶体管，采用台积电 5 纳米工艺；标称算力为稀疏 FP16 下 250 PFLOPS，是 WSE-3 的两倍，而制程节点并未改变（也就是说，性能提升并非来自新工艺）。在机架层面，Cerebras 宣称 750 PFLOPS 的 AI 算力、合计 132 GB SRAM、129.6 PB/s 内存带宽、7.2 Tbit/s 的 I/O 以及 2 微秒延迟；晶圆之间的延迟从约 5 微秒降到约 2 微秒（ServeTheHome；implicator.ai）。片上内存这一结构性约束依然存在：每机架 132 GB。更广泛地说，相对于使用外部内存的 GPU，晶圆级方案的结构性约束仍未消失。

性能承诺相当激进，但截至目前都出自厂商自述：Cerebras 称相比 CS-3，单用户每秒 token 数「最高 2 倍」，相比基于 GPU 的方案「最高 30 倍」，在 gpt-oss-120b 上每秒超过 4400 个 token；此外还有每瓦吞吐「最高 10 倍」以及机架内元件减少「50%」（来源：新闻稿）。implicator.ai 指出，4400+ token/s 和 30 倍都来自 Cerebras 的内部测试，而 GPU 一侧的对比依据的是 Artificial Analysis 的公开数据；目前没有任何独立实验室发布过针对 CS-4 的直接基准测试，而 30 倍只在 gpt-oss-120b 这一个模型上测得，并非前沿模型。在 Artificial Analysis 关于 gpt-oss-120b 的当前数据中（high 配置），Cerebras 以约 1670 token/s 位居最快提供商，领先 SambaNova（约 704）和 Groq（约 479），但这些数字反映的是在运行中的基础设施，而不是 CS-4。谈到为何要在单用户速度上发力，首席技术官强调："Being 30 times faster gives an agentic system room for more than an order of magnitude as much reasoning, verification, or tool use."（来源：Cerebras）。

在功耗方面，官方没有给出数字；ServeTheHome 估算每套晶圆系统约 54 kW，implicator.ai 则认为满配机架为 120–140 kW。首批出货定在本季度（2026 年第三季度）；价格、产量和客户均未公布。在原始算力的比较上，ServeTheHome 算出约为单台 CS-3 系统的六倍、CS-3 机架的三倍：原始算力与用户感知速度之间的这段落差，公司并未解释。关于部署和组网体验，新闻稿中引用了一段外部评价："CS-4 makes dramatic improvements in system deployability, reliability, and networking." —— 署名为 SemiAnalysis 创始人 Dylan Patel。至于「元件减少 50%」以及安装只需数小时而非数天的说法，目前同样只是厂商声明，未经第三方核实。

CS-4 押注的正是当下对智能体和工具调用真正起作用的地方——低延迟和单用户每秒 token 数——而恰恰在此时，瓶颈正在向供电、散热和上线周期转移。技术底子扎实，也有充分的记录；但对于宣称的性能，我们还是要等独立测量，以及关于功耗和产能的透明数字。等它们出现，我们才真正看得清这一步跨得有多大。 — Pixie