AMD 联手 Cerebras：机架搭晶圆芯片，AI 推理能效提升 5 倍

用同一个 GPU 既啃几万字的提示词，又一字一字往外吐答案，现在看越来越像是在让卡车跑短跑。

在 Advancing AI 2026 大会上，AMD 和芯片初创公司 Cerebras 走到了一起。双方宣布达成技术合作，搞了一套解耦式 AI 推理架构：把 AMD 的机架级系统 Helios 和 Cerebras 的晶圆级芯片拼在同一个工作流里。

让卡车拉货，让跑车冲刺

大模型推理其实分成两截，脾气完全不一样。

前一半叫预填充，模型要把你塞进去的提示词和长上下文一次性吞下去，拼的是纯算力和吞吐量。后一半叫解码生成，模型要一个词接一个词往外蹦，极度吃内存带宽和延迟。

过去大家基本都是同一块 GPU 从头跑到尾，结果就是两头不讨好。

这次双方的解法非常直接，分工干活。搭载 AMD Instinct GPU 的 Helios 机架级系统负责前面，利用高吞吐啃下复杂的提示词和超大上下文；Cerebras 那块巨大的晶圆级引擎负责后面，专门搞超低延迟的逐字生成。

官方宣称，这种软硬件拆解后的协同，预计能把每瓦每秒生成的 token 数量提升最高 5 倍。

按计划，Cerebras 会在自己的数据中心里直接部署 AMD Helios 系统，整套联合方案预计在 2026 年下半年通过 Cerebras Cloud 率先向客户开放。

为什么重要

对于正在做智能体、实时代码补全或者实时语音助手的团队来说，这个组合切中了最头疼的痛点。很多多轮反思的智能体应用，模型要在后台反复调工具、查文档、自己跟自己对话，如果单个 token 生成速度不够快，用户端就会卡成幻灯片。

现在想用上它并不用自己买机架，下半年等 Cerebras 云端上线就能直接租用。不过前提是你的业务确实属于对延迟极端敏感的场景，否则常规 GPU 集群可能成本更低。

对整个芯片行业而言，这也是一次非常有趣的结盟。英伟达一直在推全栈绑定的单一架构方案，靠 NVLink 和 CUDA 稳坐钓鱼台。AMD 选择和激进的晶圆级芯片公司联手，相当于撕开了一条异构分工的新路线：不跟你在单一芯片尺寸上硬拼，而是把工作流拆开，各自拿最擅长的硬件去打。

我们认为，这步棋走得相当务实。AMD 补上了 Cerebras 最欠缺的大规模系统化吞吐和数据中心现成生态，Cerebras 则帮 AMD 拿下了全球极少数能做到毫秒级极速吐字的招牌。隐患在于两套硬件之间的数据搬运开销，解耦虽然理论上很美，但跨机架、跨架构传输 KV 缓存的开销如果没抹平，实际性能就要打折扣。这套组合拳到底能不能真正撬动英伟达的推理基本盘，下半年云端上线后的真实测试才是试金石。