Cerebras เปิดตัว CS-4 เซิร์ฟเวอร์ AI ใส่ชิปขนาดจานอาหาร 3 ตัว หวังเร่งคำตอบแชตบอต

Cerebras Systems เปิดตัว CS-4 ระบบเซิร์ฟเวอร์ AI ระดับแร็กที่ออกแบบมาเพื่อเร่งการประมวลผลคำตอบของแชตบอต หรือขั้นตอนที่โมเดล AI เปลี่ยนคำสั่งของผู้ใช้ให้เป็นข้อความตอบกลับ ระบบใหม่นี้รวมชิปประมวลผลแบบเวเฟอร์ WSE-3 Turbo ขนาดใกล้เคียงจานอาหารไว้ 3 ตัว และถูกวางตำแหน่งให้เป็นคู่แข่งโดยตรงของโครงสร้างพื้นฐาน AI ที่ใช้ GPU ของ Nvidia 213

จุดเด่นของ CS-4 อยู่ที่การรวมชิปขนาดใหญ่ไว้ในแร็กเดียว

CS-4 ใช้สถาปัตยกรรมเซิร์ฟเวอร์ Nexus ของ Cerebras โดยติดตั้ง WSE-3 Turbo ทั้งสามตัวบนโมดูลที่ถอดเปลี่ยนได้ พร้อมออกแบบระบบเครือข่ายใหม่เพื่อเร่งการเคลื่อนย้ายข้อมูลระหว่างชิป ซึ่งเป็นส่วนสำคัญต่อความเร็วในการสร้างโทเคนและตอบสนองต่อคำสั่งของแชตบอต 27

WSE-3 Turbo ผลิตโดย TSMC ด้วยกระบวนการผลิตขนาด 5 นาโนเมตร ขณะที่ Cerebras ระบุว่า CS-4 ใช้ชิ้นส่วนโดยรวมน้อยกว่าคลัสเตอร์ GPU แบบทั่วไป เป้าหมายคือทำให้การติดตั้งระบบขนาดใหญ่และต้นทุนการดำเนินงานมีประสิทธิภาพมากขึ้น 313

อ้างเร็วกว่า GPU สูงสุดหลายสิบเท่า แต่ตัวเลขขึ้นกับเงื่อนไขทดสอบ

Cerebras ระบุว่า CS-4 ให้ประสิทธิภาพเร็วขึ้น 4 เท่าและมีปริมาณงานสูงขึ้น 20 เท่าในการเปรียบเทียบที่บริษัทนำเสนอ ส่วนหน้าผลิตภัณฑ์ของบริษัทระบุว่าอาจให้ความเร็วการประมวลผลคำตอบเร็วกว่า GPU ได้สูงสุด 30 เท่า 13

อย่างไรก็ตาม ตัวเลขเหล่านี้เป็นคำกล่าวอ้างของบริษัท ไม่ใช่ผลทดสอบอิสระที่ยืนยันได้กับงานแชตบอตทุกประเภท ประสิทธิภาพจริงอาจเปลี่ยนแปลงตามโมเดล AI ลักษณะงาน ปริมาณคำขอ และการตั้งค่าของระบบที่นำมาเปรียบเทียบ

เริ่มวางจำหน่ายไตรมาส 3 พร้อมแผนรุ่นใหม่ปี 2027

Cerebras ระบุว่า CS-4 มีกำหนดวางจำหน่ายในไตรมาส 3 และบริษัทวางแผนเปิดตัวระบบรุ่นถัดไปในปี 2027 โดยแผนงานด้านวิศวกรรมจะมุ่งเพิ่มปริมาณข้อมูลที่ชิปและระบบรุ่นอนาคตสามารถประมวลผลได้ 39

Andrew Feldman ประธานเจ้าหน้าที่บริหารของ Cerebras คาดการณ์ว่า บริษัทจะมีกำลังประมวลผลที่ติดตั้งใช้งานรวม 600 เมกะวัตต์ ภายในสิ้นปี 2027 516

รายได้เพิ่ม แต่ยังขาดทุนสูงตามตัวเลข GAAP

ในด้านการเงิน Cerebras รายงานรายได้ตามมาตรฐานบัญชี GAAP ที่ 180.1 ล้านดอลลาร์สหรัฐ ขณะที่ผลขาดทุนสุทธิแบบ “Core” ซึ่งเป็นตัวเลขที่ไม่ใช่ GAAP อยู่ที่ 6.9 ล้านดอลลาร์ และผลขาดทุนสุทธิตาม GAAP อยู่ที่ 450.5 ล้านดอลลาร์ 114

ตัวเลขดังกล่าวสะท้อนว่าบริษัทกำลังเร่งขยายธุรกิจโครงสร้างพื้นฐานสำหรับการประมวลผล AI ขณะเดียวกันยังมีต้นทุนและรายการทางบัญชีที่ทำให้ผลขาดทุนตามมาตรฐาน GAAP แตกต่างจากตัวเลข Core อย่างมาก