W świecie układów AI coraz częściej nie wygrywa już sam „najmocniejszy” chip, lecz ten, który najlepiej radzi sobie z konkretnym etapem pracy modelu. I właśnie wokół tego rozgrywa się najnowszy ruch AMD i Cerebras, które postanowiły połączyć siły w podejściu rozdzielonym, zamiast próbować robić wszystko na jednym systemie.
AMD i Cerebras stawiają na inference w dwóch etapach
Nowa współpraca zakłada podział zadań między dwa wyspecjalizowane elementy. System rackowy Helios od AMD ma odpowiadać za przetwarzanie promptów, a Wafer-Scale Engine od Cerebras za właściwe generowanie tokenów. Rozwiązanie ma być udostępniane przez Cerebras Cloud w drugiej połowie 2026 roku.
To podejście ma sens szczególnie tam, gdzie liczy się efektywność energetyczna i przepustowość. Według firm połączenie tych technologii może zapewnić nawet pięciokrotnie lepszy wynik w przeliczeniu na tokeny na wat niż konfiguracja oparta wyłącznie na samym układzie Cerebras. W praktyce oznacza to próbę odciążenia elementu, który w całym procesie inference bywa najbardziej problematyczny.
Widać tu wyraźnie, że rynek AI dojrzewa i zaczyna premiować specjalizację zamiast „siłowego” podbijania parametrów. To podejście może okazać się bardziej praktyczne niż kolejne próby upychania wszystkiego w jednym układzie. Ciekawe będzie dopiero to, jak takie hybrydowe systemy poradzą sobie poza laboratoryjnymi testami.
Co dokładnie zyskuje Cerebras dzięki AMD
W przypadku architektury Cerebras od dawna wiadomo, że model ten nie zawsze równie dobrze radzi sobie z etapem „prefill”, czyli przygotowaniem danych wejściowych. Z kolei samo generowanie tokenów wypada lepiej. AMD ma więc dostarczyć tę część infrastruktury, która uzupełnia słabszy punkt całego rozwiązania.
To nie jest rewolucja jako taka, raczej sprytne wykorzystanie istniejących ograniczeń obu firm. Zamiast zmuszać jeden układ do wykonywania wszystkiego, zadania zostały podzielone zgodnie z tym, w czym dany sprzęt jest najlepszy. Takie podejście coraz częściej staje się standardem w wyścigu o wydajną inferencję.
Pięciokrotnie lepsza wydajność, ale z ważnym zastrzeżeniem
Najmocniej promowanym argumentem jest wspomniany wzrost efektywności o 5x. Trzeba jednak pamiętać, że to wynik uzyskany wewnętrznie, a jako punkt odniesienia posłużyła konfiguracja Cerebras WSE działająca samodzielnie. Testy przeprowadzono na otwartym modelu Kimi 2.6 1T.
To ważne, bo taki benchmark nie daje pełnego obrazu, zwłaszcza jeśli porównuje się go z innymi platformami rackscale, w tym rozwiązaniami Nvidii. Sama liczba wygląda imponująco, ale bez szerszego kontekstu trudno uznać ją za ostateczny dowód przewagi całej architektury. Wydajność w AI zależy przecież nie tylko od pojedynczego wyniku, ale też od konkretnego typu modelu i sposobu wdrożenia.
Dlaczego wybrany model nie jest przypadkowy
Dobór Kimi 2.6 1T również nie jest bez znaczenia. To model typu mixture-of-experts, który ma około biliona parametrów, ale tylko niewielką ich część jest aktywna przy pojedynczym tokenie. Do tego działa natywnie w INT4, co zmniejsza wymagania pamięciowe, ale nie usuwa ich całkowicie.
W praktyce pełny zestaw wag nadal zajmuje około 500 GB. Tymczasem pojedynczy układ Cerebras mieści 44 GB, więc wdrożenie wyłącznie na tej bazie byłoby bardzo wymagające pod względem liczby potrzebnych wafli. AMD Helios może tu zapewnić znacznie większą swobodę, bo mieści model z dużo większym zapasem.
Czy to także odpowiedź na ruch Nvidii
Cały temat robi się ciekawszy, gdy spojrzy się na to przez pryzmat działań Nvidii. Według informacji przywoływanych przez TechRadar firma miała wydać aż 20 miliardów dolarów na dostęp do technologii dekodowania SRAM od startupu Groq. AMD, zamiast iść tą samą drogą zakupową, postawiło na partnerstwo.
To pokazuje, że w branży AI można dziś walczyć o podobny cel różnymi metodami. Jedni kupują dostęp do kluczowych technologii, inni dołączają do współpracy z firmami, które pomagają im uzupełnić własne braki. W obu przypadkach stawką jest lepsza efektywność inference i większa kontrola nad kosztami działania.
Finanse na razie pozostają w tle
W ogłoszeniu nie pojawiły się żadne szczegóły finansowe. To może wydawać się drobiazgiem, ale w obecnym klimacie rynkowym brak takich informacji sam w sobie bywa znaczący. Coraz więcej inwestorów zaczyna bowiem patrzeć sceptycznie na transakcje, które wyglądają na zbyt „okrężne” albo sztucznie pompują popyt na sprzęt AI.
AMD w przeszłości również łączyło zakupy sprzętu z inwestycjami w spółki AI, a taki model bywa dziś analizowany dużo uważniej niż wcześniej. Z jednej strony może to wyglądać jak naturalne wsparcie ekosystemu, z drugiej — jak sposób na podkręcanie statystyk sprzedaży. W obecnych warunkach rynkowych granica między jednym a drugim jest wyjątkowo cienka.
Cerebras zyskuje partnera w dobrym momencie
Dla Cerebras ta współpraca może być szczególnie ważna, bo firma wciąż buduje pozycję giełdową i rynkową. Po wejściu na Nasdaq w 2026 roku jej akcje zaliczyły mocny debiut, ale później kurs wyraźnie osiadł niżej. Partnerstwo z AMD może więc działać jak sygnał, że technologia Cerebras nadal ma potencjał komercyjny.
Z kolei AMD jest dziś w znacznie wygodniejszej sytuacji. Spółka mocno zyskała na zainteresowaniu jej procesorami Instinct dla AI, a ogłoszenie współpracy można odczytywać jako kolejne potwierdzenie, że jej kierunek rozwoju ma sens. W praktyce oznacza to nie tylko produktowe korzyści, ale też wzmocnienie narracji inwestorskiej wokół całego segmentu AI.
Co z tego wynika dla rynku AI
Ta współpraca pokazuje, że przyszłość inference może leżeć nie w jednym uniwersalnym układzie, lecz w składaniu systemu z kilku wyspecjalizowanych klocków. Jedne firmy będą szukały przewagi w zakupach i licencjach, inne w partnerstwach, które pozwalają szybciej domknąć brakujące elementy architektury. Najważniejsze stanie się to, jak dobrze sprzęt współpracuje z konkretnym modelem i konkretnym scenariuszem użycia.
Na razie AMD i Cerebras mogą ogłaszać sukces, ale rynek zapewne będzie oczekiwał dalszych testów. Dopiero porównania na różnych modelach pokażą, czy deklarowane oszczędności energii i przyspieszenie rzeczywiście dają przewagę w szerszym zastosowaniu. Jedno wydaje się pewne: walka o efektywność AI coraz bardziej przypomina wyścig nie tylko na moc, ale też na sprytne łączenie technologii.
Interesujące, ale nie jestem pewien, czy to partnerstwo naprawdę zmieni zasady gry. AMD ma swoje problemy z wydajnością, a Cerebras to wciąż relatywnie niszowy gracz. Samo podzielenie zadań to nic nowego, pytanie, czy zadziała w praktyce.
Mam wrażenie, że te zapowiedzi o „pięciokrotnie lepszej wydajności” są mocno przesadzone. Nie wystarczy tylko wznieść flagi z nową konfiguracją, żeby od razu uznać ją za przełomową. Benchmarki są fajne, ale co z realnym zastosowaniem?
Podejście rozdzielone jest interesujące, zwłaszcza jeśli chodzi o wydajność energetyczną. Przy obecnych kosztach energii, każda oszczędność się liczy. Jednak zastanawia mnie, jakie będą rzeczywiste wyniki w testach. To w końcu nie tylko liczby na papierze.
Spoko, że AMD idzie na współpracę zamiast na zakupy, ale obawiam się, że to będzie koszmarnie skomplikowane do wdrożenia. Wydaje mi się, że w praktyce może to być trudność, a nie zaleta. Nie każdy model będzie pasował do tego nowego podejścia.
Wydaje mi się, że AMD i Cerebras mają sensowne podejście, ale rzuca się w oczy brak konkretów finansowych. Bez tego to tylko marketing. Jak na razie nie widzę powodu, by ufać ich wynikom na ślepo.
Od jakiegoś czasu śledzę rynek AI i to partnerstwo brzmi ciekawie, ale wciąż nie jestem przekonany, czy to coś zmieni. Cerebras ma świetne rozwiązania, ale ich potencjał wciąż jest nieznany. Zobaczymy, jak to wyjdzie w praktyce.
Myślę, że współpraca AMD i Cerebras może być dobrym krokiem, ale muszą się naprawdę postarać, żeby przekonać rynek. Wszyscy patrzą teraz na Nvidię, więc jakikolwiek błąd może ich drogo kosztować. Szykuję się na więcej szczegółów i testów w przyszłości.