Cerebras CS-4 เทียบ Nvidia: ตัวเลข 30 เท่าคือชัยชนะครั้งใหญ่หรือแค่ผลทดสอบเฉพาะทาง?

WSE-3 Turbo เป็น WSE-3 รุ่นที่เพิ่มความเร็วสัญญาณนาฬิกา โดยยังคงจำนวนคอร์ 900,000 คอร์, SRAM 44 GB และกระบวนการผลิตขนาด 5 นาโนเมตรไว้เหมือนเดิม ข้อมูลจากรายงานระบุว่ารุ่น Turbo เพิ่มสมรรถนะการทำงานขึ้นจากรุ่นก่อน

สเปกเด่นของ WSE-3 Turbo และ CS-4

ตัวเลขสำคัญที่ Cerebras และรายงานเกี่ยวกับการเปิดตัวระบุไว้มีดังนี้

• WSE-3 Turbo จำนวน 3 โปรเซสเซอร์ต่อแร็ก
• กำลังประมวลผล AI ที่โฆษณาไว้ 750 เพตาฟลอปส์ต่อแร็ก
• แบนด์วิดท์หน่วยความจำ 129.6 เพตะไบต์ต่อวินาทีต่อแร็ก
• แบนด์วิดท์ I/O 7.2 เทราบิตต่อวินาทีต่อแร็ก
• 900,000 คอร์และ SRAM 44 GB ต่อโปรเซสเซอร์
• ความเร็วต่อ wafer สูงสุด 2 เท่าของรุ่นก่อน ตามข้อมูลของ Cerebras

The Register รายงานว่า WSE-3 Turbo เพิ่มกำลังประมวลผล FP16 แบบ sparse จาก 125 เป็น 250 เพตาฟลอปส์ต่อ wafer เพิ่มแบนด์วิดท์หน่วยความจำจาก 21.6 เป็น 43.2 เพตะไบต์ต่อวินาที และเพิ่มแบนด์วิดท์ I/O จาก 1.2 เป็น 2.4 เทราบิตต่อวินาที นอกจากนี้ยังระบุกำลังประมวลผล FP16 แบบ dense ของ Turbo ไว้ที่ 25 เพตาฟลอปส์

อย่างไรก็ตาม ตัวเลขเหล่านี้เป็นค่าทางทฤษฎีหรือค่าที่ผู้ผลิตรายงาน ไม่ใช่ตัวชี้วัดประสิทธิภาพการใช้งานจริงที่ใช้ได้กับทุกโมเดลและทุกวิธีให้บริการ AI กำลัง FLOPS สูงสุดของแร็กไม่ได้แปลเป็นจำนวนโทเคนต่อวินาทีโดยตรงเสมอไป

ทำไม Cerebras จึงเชื่อว่าสู้คลัสเตอร์ GPU ในเรื่องความหน่วงได้?

ระบบที่ใช้ GPU มักกระจายการทำงานของโมเดลไปยังโปรเซสเซอร์หลายตัว วิธีนี้ช่วยให้ขยายระบบได้ดี แต่ต้องแลกกับการส่งข้อมูลระหว่างชิป รวมถึงการประสานงานผ่านชั้นหน่วยความจำและเครือข่าย

แนวทาง wafer-scale ของ Cerebras วางคอร์ประมวลผลจำนวนมากและโครงสร้าง SRAM ขนาดใหญ่ไว้บนโปรเซสเซอร์เดียวกัน บริษัทระบุว่า WSE-3 ใช้ SRAM บนชิปโดยตรง แทนการพึ่งพา HBM นอกชิปซึ่งพบได้ทั่วไปใน GPU เป้าหมายคือการลดต้นทุนการสื่อสารระหว่างคอร์ในช่วง decode หรือการสร้างคำตอบทีละโทเคน ซึ่งแต่ละโทเคนอาจได้รับผลกระทบจากความล่าช้าในการเข้าถึงหน่วยความจำและการซิงโครไนซ์

จุดนี้ทำให้ CS-4 น่าสนใจเป็นพิเศษสำหรับแอปพลิเคชันแบบโต้ตอบที่ให้ความสำคัญกับความเร็วที่ผู้ใช้รับรู้ เช่น แชตบอต เครื่องมือช่วยเขียนโค้ด หรือบริการ AI ที่ต้องตอบต่อเนื่องแบบทันที

แต่สิ่งนี้เป็นการท้าทาย Nvidia ในตลาดเฉพาะทาง มากกว่าจะเป็นข้อสรุปว่า wafer-scale เหนือกว่า GPU ในทุกงาน การฝึกโมเดล การอนุมานแบบแบตช์จำนวนมาก ขนาดโมเดล ความต้องการหน่วยความจำ และความเข้ากันได้กับซอฟต์แวร์ ล้วนเปลี่ยนผลการเปรียบเทียบได้

คำว่า “เร็วขึ้นสูงสุด 30 เท่า” หมายถึงอะไร?

Cerebras โปรโมตว่า CS-4 ให้ประสิทธิภาพการอนุมานเร็วกว่า GPU สูงสุด 30 เท่า แต่รายงานเกี่ยวกับการเปิดตัวอธิบายการเปรียบเทียบนี้ในแง่ของ จำนวนโทเคนต่อวินาทีต่อผู้ใช้ ไม่ใช่การปรับปรุง 30 เท่าในงาน AI ทุกประเภท

ความแตกต่างนี้สำคัญมาก เพราะการเปรียบเทียบตัวเร่งความเร็ว AI ที่น่าเชื่อถือควรระบุอย่างน้อยว่า

• ใช้โมเดลใดและมีพารามิเตอร์กี่ตัว
• ใช้ระบบ GPU รุ่นใดเป็นค่าฐาน
• ใช้ขนาดแบตช์เท่าไร และรองรับผู้ใช้พร้อมกันกี่ราย
• ความยาวบริบทขาเข้าเท่าไร
• สร้างผลลัพธ์ยาวเท่าไร
• ใช้ความแม่นยำและ quantization แบบใด
• วัดเฉพาะช่วง prefill ช่วง decode หรือทั้งสองช่วง
• เปรียบเทียบการใช้พลังงาน ต้นทุนฮาร์ดแวร์ และค่าให้บริการด้วยหรือไม่

ข้อมูลที่มีอยู่ยังไม่ได้ให้รายละเอียดทั้งหมดสำหรับการทดสอบซ้ำอย่างเป็นระบบ และยังไม่มีผลเปรียบเทียบที่ตรวจสอบโดยอิสระครบถ้วน ดังนั้นตัวเลข 30 เท่าควรถูกอ่านว่าเป็น คำเคลมของ Cerebras ภายใต้เงื่อนไขการให้บริการบางรูปแบบ ไม่ใช่ข้อได้เปรียบที่รับประกันเหนือการติดตั้ง Nvidia ทุกประเภท

ข้อควรระวังเรื่องตัวเลข FLOPS แบบ sparse

ตัวเลขกำลังประมวลผลสูงสุดอาจทำให้เข้าใจผิดได้เป็นพิเศษเมื่อคำนวณจากการประมวลผลแบบ sparse การวิเคราะห์หนึ่งระบุว่าตัวเลข FP16 ที่ Cerebras รายงานสำหรับ WSE-3 ซึ่งอยู่ที่ 125 เพตาฟลอปส์ เป็นค่าจากการคำนวณแบบ sparse โดยสมมติให้มี sparsity แบบไม่เป็นโครงสร้างในอัตรา 8:1 หากคิดเป็นการประมวลผลแบบ dense จะอยู่ที่ประมาณ 15.625 เพตาฟลอปส์

ประเด็นเดียวกันต้องนำมาใช้เมื่อตีความตัวเลข 250 เพตาฟลอปส์แบบ sparse ของ WSE-3 Turbo ซึ่งรายงานคู่กับตัวเลข 25 เพตาฟลอปส์แบบ dense ประสิทธิภาพแบบ sparse จะมีประโยชน์ก็ต่อเมื่อโมเดลและซอฟต์แวร์สามารถใช้รูปแบบความเบาบางดังกล่าวได้อย่างมีประสิทธิภาพ ไม่ได้หมายความว่าจะเป็นอัตราการประมวลผลของ LLM แบบ dense โดยอัตโนมัติ

สำหรับการใช้งานจริง ตัวชี้วัดที่มีประโยชน์กว่าคือ

• เวลาหน่วงตั้งแต่รับคำขอจนเริ่มตอบ
• จำนวนโทเคนต่อวินาทีที่ทำได้ต่อเนื่อง
• ปริมาณงานเมื่อกำหนดจำนวนผู้ใช้พร้อมกัน
• การใช้พลังงาน
• ต้นทุนต่อโทเคนที่สร้าง

ผลลัพธ์เหล่านี้ยังเปลี่ยนแปลงได้ตามขนาด KV-cache, การแบ่งโมเดลข้ามโปรเซสเซอร์, การทำแบตช์, สัดส่วนงาน prefill กับ decode, การบีบอัดโมเดล และความพร้อมของซอฟต์แวร์รันไทม์

Nexus และสถานะการส่งมอบ

CS-4 ถูกอธิบายว่าเป็นระบบแรกที่สร้างบนสถาปัตยกรรมแพลตฟอร์ม Nexus ของ Cerebras Reuters รายงานว่าระบบจะพร้อมใช้งานในไตรมาส 3 ของปี 2026 ขณะที่ข่าวเปิดตัวระบุว่าการจัดส่งล็อตแรกจะเริ่มภายในไตรมาสดังกล่าว

อย่างไรก็ดี แหล่งข้อมูลที่มีอยู่ยังไม่เพียงพอที่จะยืนยันรายละเอียดทางสถาปัตยกรรมทุกประเด็นที่ถูกพูดถึงก่อนหน้านี้ โดยเฉพาะการออกแบบแบบโมดูลาร์ที่เรียกว่า “backpack” โครงข่ายเชื่อมต่อแบบ 2D torus ที่ไม่ใช้สวิตช์ รวมถึงตัวเลขการใช้พลังงาน ระบบระบายความร้อน และแผนกำลังประมวลผลรวมของแร็ก

รายละเอียดเหล่านี้จึงไม่ควรถูกนำเสนอเป็นสเปกที่ยืนยันแล้วของ CS-4 หากยังไม่มีเอกสารทางเทคนิคที่หนักแน่นกว่านี้รองรับ

ความร่วมมือกับ AWS และ AMD

Cerebras มีความร่วมมือกับ AWS ที่มีการเปิดเผยรายละเอียดแล้ว โดยเป็นแนวทาง disaggregated inference หรือการแยกขั้นตอนของการอนุมานออกจากกัน ในระบบดังกล่าว เซิร์ฟเวอร์ AWS Trainium รับผิดชอบช่วง prefill ส่วนระบบ Cerebras CS-3 รับผิดชอบช่วง decode ทั้งสองส่วนเชื่อมต่อผ่านเครือข่าย Elastic Fabric Adapter ของ Amazon และให้บริการผ่าน Amazon Bedrock

ความร่วมมือนี้สะท้อนว่า Cerebras อาจทำงานเสริมกับตัวเร่งความเร็วประเภทอื่นได้ ไม่จำเป็นต้องแข่งขันในรูปแบบ “ผู้ชนะหนึ่งเดียว” เสมอไป เนื่องจาก prefill และ decode มีลักษณะงานต่างกัน ระบบแบบผสมจึงสามารถมอบหมายแต่ละช่วงให้ฮาร์ดแวร์ที่เหมาะสมกว่า

รายงานที่มีอยู่ยังกล่าวถึงการทำงานร่วมกันระหว่าง AMD กับ Cerebras โดยให้ GPU ของ AMD ทำ prefill และให้โปรเซสเซอร์ของ Cerebras ทำ decode ผู้บริหาร Cerebras ระบุว่าการจัดรูปแบบดังกล่าวอาจเพิ่ม throughput ได้ 5 เท่า และคาดว่าจะเริ่มใช้งานในไตรมาส 4 ของปี 2026 อย่างไรก็ตาม นี่เป็นคำกล่าวเชิงคาดการณ์ของบริษัท ไม่ใช่ผลลัพธ์จากระบบใช้งานจริงที่ได้รับการตรวจสอบโดยอิสระ

หลักฐานที่มีอยู่ยังไม่ยืนยันว่า AWS หรือ AMD ได้ให้คำมั่นว่าจะติดตั้ง CS-4 ในขนาดที่ระบุไว้แน่นอน สิ่งที่ยืนยันได้คือมีความร่วมมือและแผนพัฒนาระบบอนุมานแบบผสม ไม่ใช่การรับประกันว่าจะเพิ่ม throughput ได้ในระดับเดียวกันสำหรับลูกค้าทุกราย

แล้ว CS-4 จะมาแทน Nvidia ได้หรือไม่?

ยังไม่ใช่ในตอนนี้

CS-4 เป็นความท้าทายด้านสถาปัตยกรรมที่น่าเชื่อถือในตลาดที่แคบกว่าแต่มีมูลค่าสูง นั่นคือ การ decode LLM ที่ต้องการความหน่วงต่ำสำหรับผู้ใช้แบบโต้ตอบ โปรเซสเซอร์แบบ wafer-scale, SRAM บนชิป และแบนด์วิดท์ภายในระดับสูงของระบบถูกออกแบบมาเพื่อลดต้นทุนการสื่อสารที่เกิดขึ้นเมื่อกระจายงานไปยัง GPU หลายตัว

แต่ความแข็งแกร่งของ Nvidia ไม่ได้ตัดสินจากตัวเลข accelerator สูงสุดเพียงอย่างเดียว ระบบนิเวศซอฟต์แวร์ การรองรับโมเดล ความพร้อมในการจัดหา เครือข่าย ต้นทุนตลอดอายุการใช้งาน และความสามารถในการรองรับงาน AI ที่หลากหลายก็สำคัญไม่แพ้กัน

ส่วนคำเคลมเร็วกว่า GPU 30 เท่าจะมีน้ำหนักในฐานะข้อสรุปเชิงตลาดได้ก็ต่อเมื่อมีการทดสอบด้วยโมเดล เงื่อนไขการให้บริการ และระบบ GPU ที่เทียบเคียงกันอย่างชัดเจน

ข้อสรุปที่รอบคอบที่สุดคือ CS-4 กำลังเพิ่มทางเลือกให้ตลาดโครงสร้างพื้นฐาน AI โดยอาจเหมาะกับงานที่ให้ความสำคัญกับความเร็วในการสร้างโทเคนต่อผู้ใช้เป็นอันดับแรก แต่ CS-4 จะเร็วกว่า คุ้มค่ากว่า หรือใช้พลังงานน้อยกว่าในการติดตั้งใดเป็นพิเศษหรือไม่ ยังคงขึ้นอยู่กับลักษณะงานและวิธีการวัดผล