Cerebras Nexus: أداء ثلاثي للذكاء الاصطناعي وDRAM مكدس برقائق CS-6

مقدمة تحليلية

كشفت Cerebras في مؤتمر Hot Chips 2026 بتاريخ 27 أغسطس 2026 عن بنية نظام Nexus الجديدة، مدعية مضاعفة أداء رفوف الذكاء الاصطناعي ثلاث مرات. هذا الإعلان يأتي بالتزامن مع تفاصيل حول رقاقة CS-6 المستقبلية، التي ستدمج ذاكرة DRAM مكدسة، في محاولة لتعزيز الموارد المتاحة لمعالجاتها. تركز الشركة على مجال خدمة نماذج الذكاء الاصطناعي منخفضة الكمون وعالية الإنتاجية، وهو ما مكّن خدمات مثل "ChatGPT-5.6 Sol Ultrafast tier" من OpenAI. التحدي يكمن في التزايد المستمر لمتطلبات الذاكرة لنموذج الذكاء الاصطناعي، وتوسيع سعات التخزين المؤقت (KV caches) للسياقات الطويلة، وهي ضغوط تواجهها الصناعة بأكملها.

التحليل التقني

لمواجهة قيود الذاكرة وتحديات الأداء، قدمت Cerebras بنية Nexus ضمن نظام CS-4 ذو مقياس الرفوف. يشتمل CS-4 على ثلاث رقائق WS-3T مُحدثة، موضوعة داخل "حقائب" مستقلة. هذه الوحدات المكتفية ذاتيًا تدمج توصيل الطاقة والشبكات التصعيدية (scale-up networking) والبنية التحتية للتبريد السائل، مما يتيح استبدال محركات WSEs المستقبلية دون الحاجة لتغيير الرف بأكمله. ينتقد المهندس المعماري لأنظمة Cerebras، JP Fricker، استخدام 5,000 كابل لتوصيل نطاق "Rubin NVL72 NVLink" كـ "فوضى"، مما يقارنه بالتصميم الأنظف لنظام Nexus.

تُفصل واجهات الإدخال/الإخراج لـ WSE عن مكونات الحقيبة الأخرى. تتصل وحدتان للإدخال/الإخراج بحواف الرقاقة، وتوفران اتصالات RoCE v2 RDMA للتوافق مع الأنظمة الأخرى، بالإضافة إلى اتصال مباشر برقائق الويفر الأخرى في الرف. هذا يوفر مسارًا آخر للترقيات المستقبلية بشكل مستقل عن رقاقة المعالجة الأساسية. يضم تصميم Nexus ما يصل إلى 10 وحدات لتوصيل الطاقة لكل حقيبة في مقدمة الرف، مع إمكانية تهيئة مستويات زائدة مختلفة حسب الحاجة، ويوفر الرف أيضًا تبريدًا هوائيًا للمكونات.

تعزيز الأداء والذاكرة

تسمح طريقة تثبيت محركات WSE عموديًا في وحدات الحقيبة بتوصيل قضيب ناقل نحاسي كبير، يغذي الرقاقة مباشرة بجهد كهربائي، إلى الجانب الخلفي. هذا الاتصال الوثيق يقلل من فقدان الطاقة مقارنة بأسلوب BGA GPU التقليدي. تدعي Cerebras أن تصميم Nexus يوفر ضعف الطاقة لـ WS-3T مقارنة بالتصاميم السابقة، مما يؤدي إلى زيادة سرعات الساعة وما يصل إلى ضعف أداء WS-3. باستخدام نفس السيليكون الأساسي لـ WS-3، يقدم WS-3T ضعف عدد عمليات FP16 petaFLOPS المتفرقة وضعف عرض نطاق الذاكرة من SRAM. ومع ذلك، يظل WS-3T مقيدًا بذاكرة 44GB عبر رقاقة الويفر بأكملها، وترتفع ثلاثة منها في رف CS-4 إلى 132GB إجماليًا.

للتوسع الخارجي، يمكن ربط أنظمة CS-4 باستخدام نفس تقنية التوصيل من رقاقة إلى رقاقة، مما يوفر 2.4 Tb/s من عرض النطاق الترددي المباشر التصعيدي لكل رقاقة داخل الرف، بإجمالي 7.2 Tb/s وعنونة كمون 2 μs. تدعي الشركة أن هذا النطاق الترددي المنخفض نسبيًا ليس عائقًا لأن "تنشيطات النموذج" فقط تحتاج إلى المرور بين محركات الويفر، بينما يتميز "النسيج الداخلي" لـ WSE-3T بعرض نطاق ترددي يبلغ 53.4 PB/s.

رقائق CS-6 المستقبلية

تعتزم Cerebras التوسع في تصميمات الرقائق المكدسة مع نظام CS-6، الذي سيتضمن رقائق WSE مُصممة لدمج ذاكرة DRAM مكدسة ثلاثية الأبعاد فوق منطق ورقاقة SRAM لأول مرة. يتوقع أن يحافظ هذا التغيير على ريادة الشركة في أداء الاستدلال ويقلل من المساحة المطلوبة للرقاقة الكلية. يشير التخفيض المتوقع في المساحة إلى إمكانية زيادة عدد محركات WSEs المنتجة، وهو ما قد يخفف من قيود الإنتاج في ظل تزايد الطلب على رقائق الويفر بحجم 300mm في المستقبل المنظور. يضع CS-4 الأساس لمسرع CS-5 من الجيل التالي في عام 2027، والذي يتوقع أن يقدم ما يصل إلى 10,000 رمز في الثانية لكل مستخدم للنماذج الأصغر، و 5,000 رمز في الثانية للنماذج الكبيرة من مختبرات مثل DeepSeek أو OpenAI.

السياق وتأثير السوق

تواصل Cerebras تعزيز مكانتها في مجال استدلال الذكاء الاصطناعي عالي الكفاءة من خلال نهجها الفريد للرقائق على مستوى الويفر. في حين يعالج صانعو وحدات معالجة الرسوميات التقليديون ضغوط الذاكرة من خلال تكديس HBM أعلى واستخدام المزيد منها لكل مسرع، فإن تصميم Cerebras على مستوى الويفر، والذي يتم استغلال 100% من مساحته بواسطة المنطق والذاكرة، يواجه قيودًا. المقارنة المباشرة تظهر الفارق: رف CS-4، الذي يضم ثلاث رقائق WS-3T، يوفر 132 GB من الذاكرة. هذا يتضاءل أمام أنظمة المنافسين مثل نظام Vera Rubin NVL72 من Nvidia بذاكرة HBM بسعة 20.7 TB، ونظام Helios من AMD بذاكرة HBM بسعة 31 TB. هذا التباين الكبير في سعة الذاكرة يبرز أن Cerebras لا تزال تستهدف حلاً متخصصًا للاستدلال بدلاً من التدريب العام للنماذج الضخمة.

تجنب Cerebras نشر أرقام "PFLOPS الكثيفة" (dense PFLOPS)، مشيرة إلى أن تصميمها المعماري يعتمد على الاستفادة من "الندرة" (sparsity) في معالجة البيانات، وهو ما يختلف عن وحدات معالجة الرسوميات التقليدية. هذا التخصص يحدد مجال المنافسة. تصريحات Jensen Huang، الرئيس التنفيذي لـ Nvidia، بأن "وكلاء الذكاء الاصطناعي لا يتحلون بالصبر"، تؤكد أهمية القدرة على توفير أعداد هائلة من الرموز في الثانية، وهو ما تسعى Cerebras لاستغلاله بالتعاون مع شركائها مثل OpenAI وAMD. يمثل Nexus تطورًا في الكفاءة والتصميم، خاصة مع حل مشكلة الكابلات المتعددة، ولكنه لا يغير المعادلة الأساسية لسعة الذاكرة التي تظل نقطة ضعف واضحة أمام الأنظمة المنافسة ذات السعات الهائلة.

رؤية Glitch4Techs

تقدم Cerebras من خلال بنية Nexus وخطط CS-6 تحسينات هندسية دقيقة وكفاءة تشغيلية. مضاعفة أداء WS-3T بنسبة تصل إلى الضعف مقارنة بـ WS-3، وتصميم الرف الذي يقلل من فقدان الطاقة، خطوات تقنية واضحة. لكن الادعاء "بمضاعفة أداء الرفوف ثلاث مرات" يظل مضللاً عند تقييمه بمعزل عن قيود الذاكرة الأساسية. مع سعة 132GB للذاكرة في رف CS-4 الكامل، مقارنة بـ 20.7 TB في Vera Rubin NVL72 أو 31 TB في AMD’s Helios، تظل Cerebras حبيسة شريحة سوقية محددة هي الاستدلال منخفض الكمون.

لن تتمكن إضافة DRAM المكدسة في CS-6 من سد هذه الفجوة الهائلة في السعة، بل ستعمل على تقليل المساحة وزيادة عدد الوحدات المنتجة، وهذا لا يحل تحدي سعة الذاكرة المطلوبة لتدريب النماذج الكبيرة أو خدمة نماذج ذات سياقات طويلة جدًا بكفاءة مماثلة للمنافسين. هي ليست "مستقبل الذكاء الاصطناعي على مستوى الويفر" بل هي تحسينات تكتيكية ضمن مسار محدد ومحدود الإمكانيات.