AMD与Cerebras推解耦推理架构：2026下半年落地，能效提升5倍？
2026年7月23日，AMD与人工智能芯片设计公司Cerebras Systems宣布达成技术合作，共同开发一种“解耦式”AI推理平台，旨在通过结合AMD的Helios系统与Cerebras的晶圆级引擎（Wafer-Scale Engine, WSE）技术，显著降低大语言模型推理过程中的延迟，同时维持高吞吐能力。根据双方联合发布的公告，该解决方案预计将在2026年下半年通过Cerebras Cloud云服务首次向客户开放。次日，AMD首席执行官苏姿丰在公开场合确认了这一合作，并强调其目标是为生成式AI应用提供更高效、更具能效比的实时推理能力。
合作架构：解耦设计下的性能协同
此次合作的核心在于“解耦式推理架构”——一种将大模型推理任务按计算特性拆分、由不同硬件分别优化处理的新范式。具体而言，AMD的Helios系统将负责处理输入提示（prompt）和长上下文的高容量预填充阶段（prefill phase），而Cerebras的晶圆级芯片则专注于后续的token解码与实时生成阶段（decode phase）。这种分工利用了两类硬件各自的架构优势：Helios基于AMD Instinct MI300系列加速器构建，擅长并行处理大规模矩阵运算；Cerebras的WSE则以超大规模单芯片集成和极低通信延迟著称，特别适合自回归生成中对低延迟的严苛要求。
据公告披露，该联合方案的目标是在每瓦性能上实现最高达5倍于现有主流推理系统的token/秒输出效率。这一指标直指当前生成式AI部署中的关键瓶颈：随着模型参数量激增，推理成本与延迟同步攀升，尤其在需要实时响应的对话、搜索或内容生成场景中，传统GPU集群往往难以兼顾吞吐与延迟。通过硬件层面的任务解耦，AMD与Cerebras试图在不牺牲吞吐的前提下，将端到端延迟压缩至可商用水平。
云服务落地路径与基础设施整合
合作不仅停留在技术验证层面，更明确了商业化路径。Cerebras计划在其自有数据中心内部署AMD Helios系统，并将其与现有的Cerebras CS-3服务器集群深度集成。最终，这一混合推理平台将以云服务形式通过Cerebras Cloud对外提供。这意味着客户无需自行采购或维护异构硬件，即可直接调用经过优化的低延迟推理能力。
值得注意的是，Cerebras Cloud并非传统意义上的公有云，而是聚焦于高性能AI训练与推理的垂直云平台。其客户多为需要极致计算性能的研究机构、大型科技公司及AI初创企业。此次引入AMD Helios，标志着Cerebras从纯自研芯片提供商向“异构算力整合者”角色的延伸。对AMD而言，则是其AI加速器生态向推理场景纵深拓展的关键一步——此前，MI300系列主要面向训练市场，而Helios作为专为推理优化的系统级产品，正需通过标杆合作证明其在生成式AI推理链路中的价值。
行业背景：推理赛道的技术分化与生态竞合
当前AI芯片市场正经历从“训练主导”向“推理爆发”的结构性转变。随着大模型训练成本趋于稳定，推理已成为AI基础设施支出的主要增长点。据行业观察，推理工作负载预计将在未来两年内占据AI算力总需求的70%以上。然而，推理场景高度碎片化——既有对延迟极度敏感的实时交互应用，也有对吞吐和成本更敏感的批量处理任务——这催生了多样化的硬件需求。
在此背景下，传统GPU厂商如英伟达凭借CUDA生态仍占据主导，但专用AI芯片公司正通过架构创新寻求突破。Cerebras的晶圆级引擎以物理尺寸和晶体管数量打破常规，其CS-3系统集成了4万亿个晶体管，专为稀疏计算和低通信开销优化，在特定模型上已展示出超越GPU集群的推理效率。而AMD则采取“通用+专用”双轨策略：一方面通过CDNA架构的Instinct加速器覆盖通用AI负载，另一方面通过定制化系统（如Helios）切入高价值细分场景。
此次合作体现了AI芯片生态从“单点竞争”向“协同优化”的演进趋势。面对日益复杂的模型部署需求，单一硬件难以满足所有性能维度。通过跨厂商协作，将不同架构的优势模块组合成端到端优化的解决方案，正成为头部玩家的新战略。类似模式此前已在训练领域出现（如Meta与多家芯片商合作定制训练集群），如今延伸至推理层，预示着AI基础设施将进入更精细化的协同时代。
市场影响与后续观察点
对AMD而言，此次合作是其AI战略从训练向推理延伸的重要信号。尽管MI300系列已在训练市场获得一定份额，但在推理端，尤其是低延迟场景，仍面临英伟达TensorRT和专用ASIC的激烈竞争。通过与Cerebras绑定，AMD不仅为其Helios系统找到了高调落地场景，也强化了其“开放生态”叙事——区别于封闭的CUDA体系，AMD强调其硬件可与多种软件栈和异构加速器协同工作。
对Cerebras来说，引入AMD Helios弥补了其在预填充阶段的潜在短板。虽然WSE在解码阶段表现卓越，但大模型推理的预填充阶段涉及大量并行计算，传统GPU架构仍有优势。通过整合Helios，Cerebras Cloud可提供全链路优化的推理服务，提升整体竞争力。
投资者需关注几个关键进展节点：首先是2026年下半年Cerebras Cloud上线该服务的实际性能数据与客户反馈；其次是是否有第三方云服务商或企业客户跟进采用该混合架构；最后是AMD是否会将类似“解耦推理”模式推广至其他合作伙伴，形成更广泛的生态系统。
总体而言，AMD与Cerebras的合作不仅是两家公司的技术整合，更是AI基础设施演进方向的一个缩影——在摩尔定律放缓的背景下，系统级创新与生态协同正成为突破性能瓶颈的核心路径。随着生成式AI应用从实验走向规模化部署，此类针对特定工作负载深度优化的异构解决方案，或将重塑推理市场的竞争格局。
