Cerebras 發表了什麼？

AI 晶片新創 Cerebras Systems 發表 CS-4，一套以機架為單位設計的 AI 推理系統，主打加快聊天機器人產生回應的速度。系統一次整合三枚 WSE-3 Turbo 晶片；每枚晶片的尺寸約如餐盤，與主流以大量 GPU 組成的 AI 伺服器叢集形成不同的硬體路線。213

Cerebras 將 CS-4 定位為 Nvidia GPU 基礎設施的競爭方案，特別鎖定推理工作負載，也就是模型已完成訓練後，實際處理使用者提問並生成文字回覆的階段。公司宣稱，CS-4 在其公布的比較中可提供 4 倍更快的效能與 20 倍吞吐量；產品頁則以「最高 30 倍更快推理」作為與 GPU 系統比較的宣傳數字。13

三枚 WSE-3 Turbo 如何協同運作？

CS-4 建基於 Cerebras 的 Nexus 伺服器架構，三枚 WSE-3 Turbo 安裝在可插拔模組上。公司也重新設計網路元件，目標是加快晶片之間的資料交換，降低多晶片協同處理時的傳輸瓶頸。27

WSE-3 Turbo 採用台積電 5 奈米製程。Cerebras 表示，CS-4 相較傳統 GPU 叢集減少了部分系統元件，藉此簡化部署，並改善整體運算與營運經濟性。313

何時推出？2027 年還有下一代系統

Cerebras 表示，CS-4 預計在 2026 年第三季開始供貨，下一代 WSE-3 Turbo 與伺服器產品則規劃於 2027 年推出。39

執行長 Andrew Feldman 也表示，公司預期到 2027 年底可提供 600 兆瓦的已部署運算容量。516 這項規模展望反映的不是單一 CS-4 機架的功耗，而是公司對整體運算基礎設施部署量的預測。

「4 倍快、20 倍吞吐」要怎麼解讀？

這些數字目前是 Cerebras 自行公布的性能主張，而不是已在所有聊天機器人任務中獨立驗證的普遍結論。實際結果可能取決於採用的模型、輸入與輸出內容、同時服務的使用者數量，以及拿來比較的 GPU 系統配置。13

因此，CS-4 的重點不只是單一晶片的運算能力，也包括晶片間的資料傳輸、機架級整合，以及每瓦吞吐量等系統層面的設計。Cerebras 產品頁稱，CS-4 相較 CS-3 可提供最高 10 倍的每瓦吞吐量，並宣稱生成 token 的速度最高可達生產環境 GPU 系統的 30 倍；這些同樣應視為特定基準條件下的公司數據。13

最新財務表現：營收增加，但仍錄得虧損

在公布 CS-4 前後，Cerebras 的財務數據也受到關注。公司公布 GAAP 營收為 1.801 億美元；以公司所稱的核心口徑（非 GAAP）計算，淨虧損為 690 萬美元，但 GAAP 淨虧損則為 4.505 億美元。114

這意味著 CS-4 不只是產品更新，也是 Cerebras 試圖擴大 AI 推理業務、爭取更多基礎設施部署的押注。至於它能否在真實工作負載中持續展現相對 GPU 的速度與成本優勢，仍須等待更多客戶部署與可比測試結果。

Cerebras 發表了什麼？

AI 晶片新創 Cerebras Systems 發表 CS-4，一套以機架為單位設計的 AI 推理系統，主打加快聊天機器人產生回應的速度。系統一次整合三枚 WSE-3 Turbo 晶片；每枚晶片的尺寸約如餐盤，與主流以大量 GPU 組成的 AI 伺服器叢集形成不同的硬體路線。213

Cerebras 將 CS-4 定位為 Nvidia GPU 基礎設施的競爭方案，特別鎖定推理工作負載，也就是模型已完成訓練後，實際處理使用者提問並生成文字回覆的階段。公司宣稱，CS-4 在其公布的比較中可提供 4 倍更快的效能與 20 倍吞吐量；產品頁則以「最高 30 倍更快推理」作為與 GPU 系統比較的宣傳數字。13

三枚 WSE-3 Turbo 如何協同運作？

CS-4 建基於 Cerebras 的 Nexus 伺服器架構，三枚 WSE-3 Turbo 安裝在可插拔模組上。公司也重新設計網路元件，目標是加快晶片之間的資料交換，降低多晶片協同處理時的傳輸瓶頸。27

WSE-3 Turbo 採用台積電 5 奈米製程。Cerebras 表示，CS-4 相較傳統 GPU 叢集減少了部分系統元件，藉此簡化部署，並改善整體運算與營運經濟性。313

何時推出？2027 年還有下一代系統

Cerebras 表示，CS-4 預計在 2026 年第三季開始供貨，下一代 WSE-3 Turbo 與伺服器產品則規劃於 2027 年推出。39

執行長 Andrew Feldman 也表示，公司預期到 2027 年底可提供 600 兆瓦的已部署運算容量。516 這項規模展望反映的不是單一 CS-4 機架的功耗，而是公司對整體運算基礎設施部署量的預測。

「4 倍快、20 倍吞吐」要怎麼解讀？

這些數字目前是 Cerebras 自行公布的性能主張，而不是已在所有聊天機器人任務中獨立驗證的普遍結論。實際結果可能取決於採用的模型、輸入與輸出內容、同時服務的使用者數量，以及拿來比較的 GPU 系統配置。13

因此，CS-4 的重點不只是單一晶片的運算能力，也包括晶片間的資料傳輸、機架級整合，以及每瓦吞吐量等系統層面的設計。Cerebras 產品頁稱，CS-4 相較 CS-3 可提供最高 10 倍的每瓦吞吐量，並宣稱生成 token 的速度最高可達生產環境 GPU 系統的 30 倍；這些同樣應視為特定基準條件下的公司數據。13

最新財務表現：營收增加，但仍錄得虧損

在公布 CS-4 前後，Cerebras 的財務數據也受到關注。公司公布 GAAP 營收為 1.801 億美元；以公司所稱的核心口徑（非 GAAP）計算，淨虧損為 690 萬美元，但 GAAP 淨虧損則為 4.505 億美元。114

這意味著 CS-4 不只是產品更新，也是 Cerebras 試圖擴大 AI 推理業務、爭取更多基礎設施部署的押注。至於它能否在真實工作負載中持續展現相對 GPU 的速度與成本優勢，仍須等待更多客戶部署與可比測試結果。