“切换任务的瞬间，任务就已经完成了。”OpenAI研究员Jeffrey Wang这样形容AMD与Cerebras联合打造的AI推理硬件方案带给他的体验。他在社交平台上表示，以前可能需要等几分钟才能完成的推理任务，现在几乎不再有等待感，效率被大幅推高。

这套方案的目标场景是超低延迟AI推理。它把AMD的Helios机架级方案和Cerebras的晶圆级引擎（Wafer-Scale Engine）做了分工：Helios机架负责吞吐量大、对上下文窗口要求高的提示词处理，充当高性能吞吐引擎；Cerebras的芯片则聚焦Token生成与解码，这一过程对内存带宽和时延极其敏感，由专用硬件跑更合理。双方还结合两个计算引擎，整体设计追求每瓦每秒能产出更多Token。

打开网易新闻 查看精彩图片

官方给出的预估数据是，每瓦每秒Token吞吐可提升5倍。这背后是Cerebras晶圆级架构在面对生成式任务时，在带宽和延迟上的天生优势。OpenAI已经在Cerebras芯片上内部运行了部分自有模型，Jeffrey Wang的评价是“表现非常出色，推理速度非常亮眼”。

此次合作也直接指向了当前AI推理市场的竞争格局。就在不久前，英伟达与Groq已经在低延迟推理上联手，而AMD与Cerebras的组合被视为另一种解题思路：用分离式引擎承担推理流程中不同环节的计算特性，试图在功耗和时延上找到新平衡。Jeffrey Wang的发声，无疑给这套方案增加了一层来自顶尖AI实验室的实际验证。