Cerebras ha presentato CS-4, il proprio sistema AI di quarta generazione, progettato principalmente per accelerare l’inferenza dei modelli di grandi dimensioni. La piattaforma combina tre processori WSE-3 Turbo sviluppati internamente e introduce una riprogettazione complessiva dell’architettura di calcolo, alimentazione, raffreddamento e I/O. Secondo i benchmark diffusi dall’azienda, CS-4 può raggiungere prestazioni di inferenza fino a 30 volte superiori rispetto ai sistemi commerciali basati su GPU, con l’obiettivo di ridurre il tempo necessario per generare le risposte dei modelli e aumentare contemporaneamente il throughput complessivo dei data center.
Il WSE-3 Turbo viene prodotto utilizzando il processo TSMC a 5 nanometri e mantiene l’approccio wafer-scale che caratterizza l’architettura Cerebras. Invece di suddividere il carico di calcolo tra numerosi chip di dimensioni convenzionali, il sistema utilizza processori realizzati su un wafer di dimensioni molto maggiori rispetto a una GPU tradizionale. Una parte più ampia dei dati necessari al modello può quindi rimanere sullo stesso chip, riducendo gli spostamenti tra processori differenti e, di conseguenza, latenza e consumo energetico associati alla comunicazione tra componenti.
La velocità di inferenza rappresenta l’elemento centrale di CS-4. Nei test condotti su diversi modelli AI, Cerebras dichiara prestazioni fino a 30 volte superiori a quelle di sistemi GPU commerciali. La piattaforma è inoltre progettata per eseguire modelli con più di 10.000 miliardi di parametri mantenendo velocità superiori a 1.000 token al secondo. L’obiettivo è sostenere applicazioni nelle quali la rapidità della generazione è particolarmente importante, come chatbot in tempo reale, sistemi di coding e agenti AI incaricati di eseguire sequenze di operazioni complesse.
Rispetto alla precedente generazione CS-3, CS-4 migliora anche l’efficienza energetica, con un throughput per watt dichiarato fino a dieci volte superiore. Cerebras punta così a superare il compromesso tradizionale tra velocità percepita dal singolo utente e volume totale di richieste gestibili da un’infrastruttura. Il nuovo sistema è progettato per mantenere una generazione rapida dei token senza rinunciare a un’elevata capacità aggregata, consentendo quindi di elaborare più workload con lo stesso budget energetico.
Alla base di questo risultato c’è la nuova architettura Nexus, che riprogetta congiuntamente calcolo, alimentazione e comunicazioni. La latenza tra wafer è stata ridotta a circa 2 microsecondi, mentre la larghezza di banda I/O è stata raddoppiata rispetto alla generazione precedente. Collegando più sistemi CS-4 è quindi possibile costruire cluster destinati all’esecuzione di modelli AI estremamente grandi mantenendo velocità di generazione superiori ai 1.000 token al secondo anche in configurazioni distribuite.
Cerebras ha modificato anche il sistema di alimentazione. La conversione dell’energia viene effettuata in una posizione quasi 100 volte più vicina al processore rispetto a quanto avviene nelle tradizionali schede GPU, riducendo le perdite associate alla distribuzione della corrente. Questa soluzione permette di raddoppiare la potenza fornibile al WSE-3 Turbo e di utilizzare frequenze operative più elevate, contribuendo direttamente all’aumento della velocità di generazione dei token.
Il sistema introduce inoltre una nuova struttura denominata wafer-scale backpack, nella quale vengono integrati attorno al wafer i moduli di conversione dell’alimentazione, il raffreddamento liquido diretto, le connessioni I/O ad alta velocità e l’elettronica di controllo. Rispetto alla generazione precedente, Cerebras dichiara una riduzione del 50% del numero di componenti e un incremento del 60% del livello di automazione impiegato nella produzione. La maggiore modularità permette anche di ridurre i tempi necessari per l’installazione nei data center, passando da diversi giorni a poche ore.
CS-4 supporta sia reti standard basate su RoCE v2 sia connessioni dirette proprietarie tra sistemi Cerebras. La piattaforma può quindi essere integrata nelle infrastrutture di rete già presenti nei data center oppure utilizzata per costruire cluster composti da numerose unità CS-4. La struttura modulare è stata progettata anche per consentire futuri aggiornamenti dei processori senza richiedere la sostituzione dell’intero sistema, aumentando la possibilità di espandere gradualmente l’infrastruttura.
L’architettura è orientata soprattutto all’inferenza e non all’addestramento dei modelli. Cerebras considera infatti la velocità di generazione dei token uno dei principali fattori che determinano sia l’esperienza dell’utente sia il costo operativo dei servizi basati su modelli generativi. Durante l’esecuzione di chatbot, applicazioni di coding e agenti AI, una parte significativa dei tempi di risposta dipende dalla velocità con cui il modello può produrre nuovi token. La riduzione dei trasferimenti di dati ottenuta con l’approccio wafer-scale rappresenta quindi il principale elemento con cui l’azienda intende differenziare CS-4 dalle grandi infrastrutture composte da cluster di GPU.
Le prime consegne di CS-4 sono previste nel terzo trimestre del 2026. Cerebras ha già iniziato a fornire sistemi di prova ad alcuni clienti e prevede di ampliare progressivamente la distribuzione. L’azienda punta inoltre a raggiungere entro la fine del 2027 una capacità di calcolo installata pari a 600 megawatt, aumentando ulteriormente velocità e throughput della propria infrastruttura.
Il lancio avviene mentre Cerebras sta ampliando il proprio business hardware per i data center AI. Dopo la quotazione in borsa avvenuta nel 2026, l’azienda ha comunicato ricavi trimestrali pari a 180,1 milioni di dollari e una perdita netta rettificata di 6,9 milioni di dollari. Sulla base della crescita della domanda di infrastrutture per l’intelligenza artificiale, Cerebras punta a triplicare il fatturato nel corso del prossimo anno.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)