Cerebras ในงาน Supernova 2026: ความเร็วคือขอบเขตใหม่ของ AI

Cerebras (CBRS) ใช้งานประชุม Supernova 2026 ในวันอังคารที่ 18 ส.ค. 2026 เพื่อนําเสนอแนวคิดว่าความเร็วได้กลายเป็นคุณสมบัติสําคัญของผลิตภัณฑ์ AI ไม่ใช่เพียงตัวชี้วัดทางเทคนิคอีกต่อไป บริษัทได้จับคู่สารนั้นกับฮาร์ดแวร์ใหม่ ตัวอย่างลูกค้าล่าสุด และเครือข่ายพันธมิตรที่กว้างขึ้น แม้ว่าหุ้นของบริษัทจะร่วงลงอย่างรวดเร็วในช่วงการซื้อขายปกติก่อนจะปรับตัวขึ้นเล็กน้อยในช่วงหลังตลาดปิด

ประเด็นสําคัญ

• Cerebras กล่าวว่าระบบ CS-4 ใหม่สามารถให้ความเร็วในการอนุมานผลลัพธ์ได้เร็วกว่าโซลูชัน GPU ถึง 30 เท่าบนโมเดล ชายขอบ พร้อมลดเวลาการติดตั้งและจํานวนชิ้นส่วน
• บริษัทและ OpenAI เปิดตัว GPT-5.6 Sol Ultrafast mode ซึ่งรันโมเดล ชายขอบ ด้วยความเร็วสูงสุดถึง 14 เท่าของระดับมาตรฐาน
• Cerebras เน้นย้ําการใช้งานของลูกค้าในด้านการออกแบบ การเขียนโค้ด และ Cybersecurity โดยระบุว่าเวลาตอบสนองที่เร็วขึ้นสามารถเปลี่ยนแปลงวิธีที่ผู้คนทํางานร่วมกับ AI
• บริษัทระบุว่ามีกําลังการผลิตของศูนย์ข้อมูล 600 เมกะวัตต์ที่ออนไลน์หรืออยู่ภายใต้สัญญาสําหรับการส่งมอบภายในสิ้นปี 2025
• ความร่วมมือกับ AMD, Arista Networks, AWS, Figma, Cognition และ CrowdStrike ถูกนําเสนอเป็นส่วนหนึ่งของการผลักดันที่กว้างขึ้นเพื่อสร้างโครงสร้างพื้นฐาน AI แบบกระจาย

ธีมของงานประชุม: ความเร็วในฐานะคุณสมบัติของผลิตภัณฑ์

Andrew Feldman ประธานเจ้าหน้าที่บริหารและผู้ร่วมก่อตั้ง Cerebras กล่าวว่าอุตสาหกรรมกําลังก้าวข้ามความเร็วในฐานะเกณฑ์มาตรฐาน และมุ่งสู่ความเร็วในฐานะข้อกําหนดของผลิตภัณฑ์

• เขากล่าวว่าความเร็วในปัจจุบันกําหนดรูปแบบการสร้างผลิตภัณฑ์และประสบการณ์ของผู้ใช้
• เขาโต้แย้งว่าการตอบสนองที่รวดเร็วช่วยให้ผู้ใช้จดจ่อกับปัญหา ซึ่งสามารถเปลี่ยนพฤติกรรมและเปิดหมวดหมู่ผลิตภัณฑ์ใหม่ได้
• เขาเปรียบเทียบการเปลี่ยนแปลงนี้กับการเปลี่ยนแปลงก่อนหน้าในสื่อดิจิทัล เมื่อความเร็วอินเทอร์เน็ตที่ดีขึ้นเปลี่ยนแปลงสิ่งที่บริษัทสามารถสร้างได้

สารของบริษัทคือระบบ AI ไม่ควรบังคับให้ผู้ใช้ต้องเลือกระหว่างความฉลาดและความตอบสนอง วิทยากรกล่าวซ้ําๆ ว่าเป้าหมายคือทําให้โมเดล ชายขอบ รู้สึกทันทีเพียงพอสําหรับงานแบบเรียลไทม์

การเปิดตัวผลิตภัณฑ์: CS-4 และ Platform Nexus

Cerebras เปิดตัว CS-4 ซึ่งเป็นสถาปัตยกรรมระบบรุ่นต่อไปที่สร้างบน Platform ระดับ rack Nexus บริษัทระบุว่าระบบนี้ออกแบบมาสําหรับการใช้งานในระดับ hyperscale และการอัปเกรดในอนาคตจนถึงปี 2027

• CS-4 ให้ความเร็ว tokens ต่อวินาทีเร็วกว่ารุ่น CS-3 ปัจจุบันถึง 2 เท่า
• มีประสิทธิภาพเร็วกว่าโซลูชัน GPU บนโมเดล ชายขอบ ถึง 30 เท่า
• แต่ละ rack ประกอบด้วยชิป Wafer-Scale Engine สามตัวที่ใช้การออกแบบ WSE-3 Turbo
• แต่ละชิปให้แบนด์วิดท์หน่วยความจํา 43 เพตาไบต์ต่อวินาที
• บริษัทระบุว่านั่นมากกว่า GPU รุ่นต่อไปของ NVIDIA ถึง 2,000 เท่าในด้านนั้น
• CS-4 มีแบนด์วิดท์หน่วยความจํา ประสิทธิภาพการคํานวณ แบนด์วิดท์ fabric และแบนด์วิดท์ IO มากกว่า CS-3 ถึง 6 เท่า
• เวลาแฝงของ IO ระหว่างเวเฟอร์ลดลงเหลือ 2 ไมโครวินาทีจากรุ่นก่อนหน้า ซึ่งดีขึ้น 2.5 เท่า
• เวลาแฝงของเครือข่ายผ่านโมดูล wafer IO ใหม่อยู่ที่ 3 ไมโครวินาที เทียบกับ 5 ไมโครวินาทีก่อนหน้า
• แบนด์วิดท์ลิงก์เวเฟอร์เพิ่มขึ้นเป็น 2.4 เทราบิตต่อวินาทีจาก 1.2 เทราบิต
• ระบบใช้ชิ้นส่วนน้อยลง 50% และมีระบบอัตโนมัติในการผลิตเพิ่มขึ้น 60%
• Cerebras ระบุว่าเวลาการติดตั้งในศูนย์ข้อมูลสามารถลดลงจากหลายวันเหลือเพียงไม่กี่ชั่วโมง หรือเร็วขึ้นถึง 3 เท่า

บริษัทระบุว่าการออกแบบ backpack ของ CS-4 ใช้โครงสร้างโมดูลแนวตั้งพร้อมการส่งพลังงานแนวตั้งโดยตรง ให้พลังงานมากขึ้น 2 เท่าและการระบายความร้อนมากขึ้น 2 เท่า Cerebras กล่าวว่าการออกแบบนี้มีจุดมุ่งหมายเพื่อรองรับรุ่นต่อไปของการประมวลผลระดับเวเฟอร์ รวมถึง CS-5 ในปี 2027

ความร่วมมือกับ OpenAI และการอนุมานผลลัพธ์แบบ Ultrafast

การประกาศซอฟต์แวร์ที่โดดเด่นที่สุดคือ GPT-5.6 Sol Ultrafast mode ซึ่งเป็นความร่วมมือระหว่าง Cerebras และ OpenAI บริษัทระบุว่าโหมดนี้รันโมเดลที่ฉลาดที่สุดของ OpenAI ด้วยความเร็วสูงสุดถึง 14 เท่าของระดับมาตรฐาน

• Thibault Imbert จาก OpenAI กล่าวว่า Ultrafast mode ขจัดความจําเป็นในการเลือกระหว่างความเร็วและความฉลาด
• เขากล่าวว่ามันช่วยลดภาระทางปัญญาและทําให้ผลิตภัณฑ์รู้สึกเป็นธรรมชาติมากขึ้นในการใช้งาน
• เขากล่าวว่ากลยุทธ์ของ OpenAI คือการสร้างโมเดลที่ดีที่สุดและให้บริการในระดับขนาดใหญ่
• เขาเสริมว่า agent คืออนาคตและต้องการโครงสร้างพื้นฐานที่สามารถรันได้อย่างปลอดภัยในระดับขนาดใหญ่
• วิศวกรของ OpenAI กําลังใช้ Ultrafast สําหรับโครงการที่มีความสําคัญสูงสุด การตอบสนองต่อเหตุการณ์ และการวิจัยที่สําคัญอยู่แล้ว
• กําลังสํารองความจุสําหรับการเข้าถึง API ของลูกค้า โดยเริ่มทดสอบกับลูกค้าที่คัดเลือก

Feldman กล่าวว่าการเปิดตัวนี้แสดงให้เห็นระดับบนสุดใหม่ของตลาด โดยอ้างอิงถึงแผนภูมิเปรียบเทียบ เขากล่าวว่า "สิ่งเดียวที่อยู่ตรงนี้คือ GPT-5.6-Sol Ultrafast ที่รันบน Cerebras ในทั้งอุตสาหกรรม สิ่งเดียวที่อยู่ตรงนี้"

ตัวอย่างลูกค้า: การออกแบบ การเขียนโค้ด และความปลอดภัย

Cerebras ใช้การสาธิตลูกค้าหลายรายเพื่อแสดงให้เห็นว่าเวลาแฝงที่ต่ําลงสามารถเปลี่ยนแปลงพฤติกรรมของผลิตภัณฑ์ได้อย่างไร

Figma

• Pavi Bhattar กล่าวว่า Design Agent ของ Figma รันบนโครงสร้างพื้นฐานของ Cerebras
• โมเดลได้รับการปรับแต่งอย่างละเอียดสําหรับการแก้ไขไฟล์ Figma และฝึกบนคลังข้อมูลดีไซน์นับพันล้านชิ้นที่สะสมมาตลอดทศวรรษของบริษัท
• ผลิตภัณฑ์อยู่ในช่วงเบต้า โดยจะเปิดให้ใช้งานทั่วไปในเร็วๆ นี้
• Figma กล่าวว่าการทํางานร่วมกันแบบเรียลไทม์มีความสําคัญเพราะช่วยรักษาวงจรการทําซ้ําเชิงสร้างสรรค์
• Bhattar กล่าวว่า "การทํางานร่วมกับ Cerebras ไม่ใช่แค่การปรับปรุงประสิทธิภาพสําหรับเรา แต่มันคือสิ่งที่ช่วยให้ผลิตภัณฑ์นี้เป็นไปได้"

Cognition

• Silas Alberti กล่าวว่าการอนุมานผลลัพธ์ที่เร็วขึ้นช่วยให้ coding agent มีคุณภาพระดับ ชายขอบ
• โมเดล Sui 1.7 ของบริษัทมีคุณภาพเทียบเท่า GPT-5.5 Opus ที่ความเร็วใกล้เคียง 1,000 tokens ต่อวินาที
• SuiGrab รันที่ 680 tokens ต่อวินาที ในขณะที่ SuiGrab Mini รันที่ 2,800 tokens ต่อวินาที
• โมเดลได้รับการฝึกให้เรียกใช้เครื่องมือ 5 ถึง 8 รายการพร้อมกัน
• Cognition กล่าวว่าแนวทางนั้นสามารถปรับปรุงการทํางานให้เสร็จสิ้นจากต้นจนจบได้ 4 เท่าเมื่อเทียบกับวิธีแบบลําดับ
• บริษัทกล่าวว่า agent หลายร้อยตัวสามารถรันพร้อมกันได้เป็นเวลาหลายชั่วโมง

CrowdStrike และ Armis

• Keith Coley จาก CrowdStrike กล่าวว่าเครื่องมือ Cybersecurity ต้องดําเนินการภายในกรอบเวลาที่สั้นมาก
• Cerebras ระบุว่าเวลาที่บันทึกได้เร็วที่สุดสําหรับการโจมตีแบบฝ่ายตรงข้ามคือ 27 วินาที
• Angela Young กล่าวว่าคําตอบที่ฉลาดที่สุดนั้นไร้ประโยชน์หากมาถึงหลังจากกรอบเวลานั้นปิดลง
• บริษัทกล่าวว่าการอนุมานผลลัพธ์ที่เร็วขึ้นสามารถอนุญาตให้ตรวจสอบได้มากขึ้น 5 ถึง 10 เท่าภายในกรอบเวลาที่ยอมรับได้
• Armis ถูกอ้างถึงเป็นตัวอย่างที่การสแกนความปลอดภัยของโค้ดเสร็จสิ้นในหนึ่งในสามของเวลา พบช่องโหว่มากขึ้น และมีต้นทุนน้อยกว่าทางเลือกที่ใช้ GPU

ความร่วมมือกับ AMD, Arista และ AWS

Cerebras ยังวางกรอบการเติบโตของตนรอบๆ โมเดลโครงสร้างพื้นฐานแบบกระจาย ซึ่งส่วนต่างๆ ของการอนุมานผลลัพธ์รันบนระบบที่แตกต่างกัน

• AMD และ Cerebras กําลังรวม AMD Helios Rack สําหรับการเติมข้อมูลล่วงหน้ากับ Cerebras CS-4 สําหรับการถอดรหัส
• บริษัทระบุว่าการตั้งค่านี้สามารถเร็วกว่าระบบที่ใช้ GPU เพียงอย่างเดียวถึง 10 เท่า และมีปริมาณงานสูงกว่าระบบที่ใช้ Cerebras เพียงอย่างเดียวถึง 5 เท่า
• Mark Papermaster กล่าวว่าแนวทางนี้ขับเคลื่อนโดยขนาดของการสร้างโครงสร้างพื้นฐานและความต้องการในการปรับปรุงเศรษฐศาสตร์การอนุมานผลลัพธ์
• Cerebras ระบุว่า AMD EPYC CPU ถูกใช้ในคลัสเตอร์ของตนสําหรับการจัดการระบบ
• AMD ROCm AI stack ถูกอธิบายว่าเป็นส่วนหนึ่งของแนวทางระบบนิเวศแบบเปิด
• AWS ยังถูกระบุชื่อเป็นส่วนหนึ่งของกลยุทธ์การอนุมานผลลัพธ์แบบกระจายที่กว้างขึ้นของบริษัท

Arista Networks

• Jayshree Ullal อธิบายโมเดลเครือข่ายสามชั้น: scale-up ภายใน rack, scale-out ระหว่าง rack และ scale-across ข้ามสถานที่
• เธอกล่าวว่าแบนด์วิดท์ได้เคลื่อนจาก 10 กิกะบิตไปสู่ 100 กิกะบิต จากนั้น 400 กิกะบิตและ 800 กิกะบิต โดยมีเส้นทางสู่ 3.2 เทราบิตและ 6.4 เทราบิต
• เธอกล่าวว่าวงจรการอัปเกรดเครือข่ายอยู่ที่ประมาณ 18 เดือน
• จุดเน้นอยู่ที่ความพร้อมใช้งานสูง การอัปเกรดอัจฉริยะ และการวิเคราะห์สําหรับการกู้คืนการประมวลผล

อัปเดตด้านการเงินและการดําเนินงาน

Cerebras ไม่ได้นําเสนอการอัปเดตผลประกอบการแบบดั้งเดิมในงานประชุม แต่ได้ให้ตัวเลขขนาดและการติดตั้งหลายรายการที่ชี้ให้เห็นถึงโมเมนตัมทางธุรกิจของตน

• บริษัทระบุว่ามีกําลังการผลิตของศูนย์ข้อมูล 600 เมกะวัตต์ที่ออนไลน์หรืออยู่ภายใต้สัญญาสําหรับการส่งมอบภายในสิ้นปี 2025
• สถานที่ถูกระบุไว้ใน Santa Clara, โตรอนโต, Dallas, Minneapolis, Montreal, Oklahoma City, Lyon ใน ฝรั่งเศส, Mikkeli ใน ฟินแลนด์ และสถานที่เพิ่มเติมใน นอร์เวย์
• Cerebras ระบุว่าเพิ่งเข้าจดทะเบียนในตลาดหลักทรัพย์หลังจากการพัฒนามาเป็นเวลาหนึ่งทศวรรษ
• บริษัทระบุว่า CS-4 อยู่ในช่วงการเข้าถึงล่วงหน้าในปัจจุบัน และจะเปิดให้ใช้งานทั่วไปในช่วงหลังของปี 2024
• Cerebras ระบุว่าวางแผนที่จะเพิ่มประสิทธิภาพดิบเป็นสองเท่าทุกปีจนถึงปี 2027
• บริษัทยังกล่าวว่ามีเป้าหมายที่จะบรรลุปริมาณงานสูงขึ้น 20 เท่าภายในปี 2027

OpenAI กล่าวเมื่อสัปดาห์ที่แล้วว่ามีผู้ใช้งานรายสัปดาห์ที่ใช้งาน Codex และ agent ของ ChatGPT 15 ล้านคน ในขณะที่ ChatGPT มีผู้ใช้รวมทั้งหมดเกิน 1,000 ล้านคน บริษัทกล่าวว่าเวิร์กโฟลว์แบบ agentic ยังคงเป็นส่วนเล็กๆ ของการใช้งาน แต่กําลังเติบโตอย่างรวดเร็ว

การวางตําแหน่งในการแข่งขันและกรณีทางเทคนิค

ตลอดงาน Cerebras เปรียบเทียบการออกแบบระดับเวเฟอร์ของตนกับระบบที่ใช้ GPU

• บริษัทระบุว่า GPU มีความแข็งแกร่งในด้านปริมาณงาน แต่เวลาแฝงต่อผู้ใช้ที่ช้ากว่าอาจจํากัดการใช้งานแบบโต้ตอบ
• Cerebras กล่าวว่าสถาปัตยกรรมของตนสร้างขึ้นเพื่อความเร็ว โดยเฉพาะในระหว่างการถอดรหัส เมื่อโมเดลสร้าง token ผลลัพธ์ทีละตัว
• บริษัทกล่าวว่าการจัดเก็บน้ําหนักบนชิปช่วยหลีกเลี่ยงคอขวดแบนด์วิดท์หน่วยความจําที่ส่งผลกระทบต่อระบบ GPU
• บริษัทระบุว่าการสื่อสารบนชิปให้แบนด์วิดท์มากกว่าสายเคเบิลนอกชิปถึง 200 เท่า
• บริษัทยังกล่าวว่าการออกแบบระดับเวเฟอร์ช่วยหลีกเลี่ยงความต้องการสายเคเบิลหลายพันเส้นที่ใช้ในบางระบบที่แข่งขัน
• Sean Lee CTO และผู้ร่วมก่อตั้งของ Cerebras กล่าวว่าแบนด์วิดท์หน่วยความจําคือคอขวดที่สําคัญในการอนุมานผลลัพธ์

บริษัทกล่าวว่าผลการทดสอบบน Humanity’s Last Exam แสดงให้เห็นประเด็นเดียวกัน Cerebras ระบุว่าทําข้อสอบ 2,500 ข้อเสร็จในเวลา 11 ชั่วโมง 11 นาที 26 วินาที ซึ่งน้อยกว่าครึ่งวัน ในขณะที่คู่แข่งใช้เวลามากกว่าสามวัน

แนวโน้มในอนาคต

Cerebras นําเสนอแผนงานที่ขยายออกไปนอกเหนือจากการเปิดตัว CS-4

• CS-5 มีแผนสําหรับปี 2027 พร้อม Wafer-Scale Engine รุ่นต่อไป
• บริษัทระบุว่าสถาปัตยกรรมโมดูลของตนจะช่วยให้สามารถสร้างนวัตกรรมแยกกันในด้านพลัง

  บทความนี้ถูกแปลโดยใช้ความช่วยเหลือจากปัญญาประดิษฐ์(AI) สำหรับข้อมูลเพิ่มเติม โปรดอ่านข้อกำหนดการใช้งาน