Cerebras CS-4、3枚ウェーハ並列構成でGPU比最大30倍の推論速度を実現と発表

2026年8月18日、CerebrasはCS-4推論システムを発表した。同システムは3枚のWSE-3 Turboウェーハを並列接続した構成で、公式データによれば1兆パラメータ以上のモデルにおいて毎秒1,000トークン超を出力可能とされており、GPUソリューションと比較して最大30倍の速度、前世代CS-3比でワット当たりスループットが10倍向上したとしている。

分解型アーキテクチャの具体的な設計

CS-4はNexusラックレベルプラットフォームを採用し、ウェーハ間通信レイテンシを2マイクロ秒に低減、50兆パラメータ超のモデルをサポートする。システムの総演算能力は750 PFLOPs、メモリ帯域幅は129.6 PB/s、ウェーハ間I/O帯域幅は7.2 Tbpsに達する。

AIの世界において、速度は生産性そのものだ。Cerebras CS-4は最大規模のフロンティアモデルにおいて業界最高水準の速度を提供し、パラダイムを根本から変える。――Andrew Feldman、Cerebras CEO兼共同創業者

OpenAIとの協業によりGPT-5.6 Sol Ultrafastモードを提供し、標準モードの14倍の速度を実現。AMDとの協業では分解型推論アーキテクチャを採用し、AMDのHeliosがPrefillフェーズを、CerebrasがDecodeフェーズを担当することで、総合スループットをさらに5倍向上させている。

推論インフラへの実際の影響

分解型アーキテクチャはPrefillとDecodeを分離することで、理論上は全体のスループット向上が見込める。CS-4の低レイテンシなウェーハ間相互接続は、ベンダー横断的な協調処理におけるネットワーク遅延と消費電力配分の課題に対して最適化が施されている。

ワット当たりスループットの10倍向上は、同一の電力予算でより多くのトークンを生成できることを意味する。これはデータセンターの収益性に直接影響し、特に高いインタラクティブ体験が求められるエージェント型アプリケーションの分野で重要となる。

• 開発者は応答性の高い推論サービスを利用でき、リアルタイム推論やマルチターン対話に適している。
• オペレーターは固定電力制約のもとで高い総スループットを確保できる。
• 新規参入者はモジュール型ラックにより迅速なスケールアップが可能となり、初期ハードウェアコストの障壁が低減する。

背景と構造的要因の分析

NVIDIAが長期にわたり推論市場を支配してきた背景には、CUDAエコシステムと成熟したソフトウェアスタックがある。Cerebrasはウェーハレベル統合という手法を選択することで、従来型GPUのマルチチップ相互接続のボトルネックを回避し、大規模モデルにおける通信レイテンシの解消を核心的な課題として捉えている。AMDとの協業は、孤立した競争ではなくヘテロジニアスなソリューション構築を志向していることを示している。

この戦略の根底にある動因は、フロンティアモデルのパラメータ規模が拡大し続けることで、単一のアクセラレータではインタラクティブな速度を維持することが難しくなっているという現実だ。CS-4の2マイクロ秒というウェーハ間レイテンシは、まさにこの課題に正面から対応したものである。

独立した評価

CS-4は量産可能なハードウェアの選択肢を提供しており、性能データには具体的な裏付けがある。OpenAIおよびAMDとの協業は、商業展開への明確な意図を示している。開発者がデプロイ方針を検討する際は、ピーク速度の宣伝文句だけでなく、実際のAPIの安定性と総所有コストを優先的な判断基準とすべきだろう。