Cerebras CS-4 AI Chip: ਕੰਪਨੀ ਨੇ ਤਿੰਨ wafer-scale ਚਿਪਾਂ ਵਾਲਾ ਨਵਾਂ rack-scale ਸਿਸਟਮ ਪੇਸ਼ ਕੀਤਾ; Q3 ਵਿੱਚ ਉਪਲਬਧਤਾ ਅਤੇ ਤੇਜ਼ inference ਦਾ ਦਾਅਵਾ ਹੈ।
ਅਮਰੀਕੀ AI hardware ਕੰਪਨੀ Cerebras Systems ਨੇ ਨਵਾਂ CS-4 rack-scale ਸਿਸਟਮ ਪੇਸ਼ ਕੀਤਾ ਹੈ, ਜਿਸ ਦਾ ਟੀਚਾ ਵੱਡੇ AI ਮਾਡਲਾਂ ਦੇ inference workload ਨੂੰ ਤੇਜ਼ ਕਰਨਾ ਹੈ। ਕੰਪਨੀ ਨੇ 18 ਅਗਸਤ ਨੂੰ San Francisco ਦੇ Supernova event ਵਿੱਚ ਇਸ ਦੀ ਘੋਸ਼ਣਾ ਕੀਤੀ। CS-4 ਵਿੱਚ ਤਿੰਨ ਵੱਡੇ Wafer Scale Engine modules ਵਰਤੇ ਜਾਂਦੇ ਹਨ। Cerebras ਇਸ architecture ਨੂੰ GPU-ਅਧਾਰਿਤ systems ਦੇ ਮੁਕਾਬਲੇ ਵੱਖਰਾ ਰਸਤਾ ਦੱਸਦੀ ਹੈ, ਪਰ performance ਬਾਰੇ ਵੱਡੇ ਅੰਕ ਹਾਲੇ vendor claims ਹਨ।
Cerebras CS-4 AI Chip ਵਿੱਚ ਕੀ ਨਵਾਂ ਹੈ?
Reuters ਦੀ ਰਿਪੋਰਟ ਮੁਤਾਬਕ CS-4, Cerebras ਦੇ Nexus server architecture ’ਤੇ ਬਣਿਆ rack ਹੈ। ਇਸ ਵਿੱਚ ਤਿੰਨ pluggable modules ਹਨ ਅਤੇ ਹਰ module ਵਿੱਚ ਕੰਪਨੀ ਦਾ wafer-scale processor ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਨਵੇਂ ਸਿਸਟਮ ਵਿੱਚ WSE-3 Turbo chip ਅਤੇ updated networking components ਸ਼ਾਮਲ ਹਨ। Cerebras ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ single-wafer design data ਨੂੰ ਕਈ ਛੋਟੀਆਂ chips ਵਿਚਕਾਰ ਵਾਰ-ਵਾਰ ਭੇਜਣ ਦੀ ਲੋੜ ਘਟਾਉਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ latency ਅਤੇ energy overhead ਘਟ ਸਕਦੇ ਹਨ।
Cerebras ਦੀ ਆਪਣੀ product release WSE-3 Turbo ਲਈ 250 PFLOPS AI compute, 43.2 petabytes per second memory bandwidth ਅਤੇ 2.4 terabits per second off-chip I/O ਦੱਸਦੀ ਹੈ। ਤਿੰਨ engines ਵਾਲੇ CS-4 rack ਲਈ ਕੰਪਨੀ 750 PFLOPS aggregate compute ਦਾ ਦਾਅਵਾ ਕਰਦੀ ਹੈ। ਇਹ specifications primary vendor data ਹਨ। Independent benchmark ਤੋਂ ਬਿਨਾਂ ਇਨ੍ਹਾਂ ਨੂੰ ਕਿਸੇ ਖਾਸ Nvidia ਜਾਂ AMD GPU system ਉੱਤੇ ਬਰਾਬਰ ਹਾਲਾਤਾਂ ਵਿੱਚ ਸਾਬਤ ਜਿੱਤ ਮੰਨਣਾ ਠੀਕ ਨਹੀਂ ਹੋਵੇਗਾ।
30 ਗੁਣਾ ਤੇਜ਼ ਹੋਣ ਦੇ ਦਾਅਵੇ ਨੂੰ ਕਿਵੇਂ ਪੜ੍ਹੀਏ?
ਕੰਪਨੀ ਕੁਝ inference scenarios ਵਿੱਚ GPU-based solutions ਨਾਲੋਂ “up to 30x” ਤੇਜ਼ performance ਦਾ ਦਾਅਵਾ ਕਰਦੀ ਹੈ। “Up to” ਹਰ model, batch size ਜਾਂ deployment ਵਿੱਚ ਇੱਕੋ ਨਤੀਜੇ ਦੀ ਗਾਰੰਟੀ ਨਹੀਂ। Inference speed model architecture, context length, memory movement, batching, software stack ਅਤੇ power limits ਸਮੇਤ ਕਈ ਗੱਲਾਂ ’ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਇਸ ਲਈ ਖਰੀਦਦਾਰਾਂ ਅਤੇ developers ਲਈ third-party tests ਅਤੇ ਆਪਣੇ workload ਦੀ testing ਮਹੱਤਵਪੂਰਨ ਰਹੇਗੀ।
Reuters ਮੁਤਾਬਕ Cerebras ਨੇ CS-4 ਨੂੰ 50% ਘੱਟ components ਨਾਲ ਆਸਾਨੀ ਨਾਲ deploy ਹੋ ਸਕਣ ਵਾਲਾ design ਵੀ ਦੱਸਿਆ ਹੈ। CTO Sean Lie ਨੇ media briefing ਵਿੱਚ ਕਿਹਾ ਕਿ ਇਹ data-center construction ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦਾ ਹੈ। ਨਵੀਆਂ chips TSMC ਦੀ 5-nanometer process ’ਤੇ ਬਣਦੀਆਂ ਹਨ। PunjabiTime ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ TSMC ਦੀ AI-chip ਮੰਗ ਨਾਲ ਜੁੜੀ revenue growth ਬਾਰੇ ਰਿਪੋਰਟ ਕੀਤਾ ਸੀ, ਜੋ advanced AI hardware ਲਈ manufacturing demand ਦਾ ਸੰਬੰਧਤ ਸੰਦਰਭ ਦਿੰਦੀ ਹੈ।
ਉਪਲਬਧਤਾ ਅਤੇ Cerebras ਦੀ ਵੱਡੀ ਯੋਜਨਾ
Cerebras ਨੇ CS-4 ਦੀ availability 2026 ਦੀ ਤੀਜੀ ਤਿਮਾਹੀ ਲਈ ਦੱਸੀ ਹੈ। CEO Andrew Feldman ਨੇ ਕਿਹਾ ਕਿ ਕੰਪਨੀ 2027 ਦੇ ਅੰਤ ਤੱਕ 600 megawatts compute capacity deliver ਕਰਨ ਦੀ ਉਮੀਦ ਕਰਦੀ ਹੈ। ਉਸ ਨੇ year-end ਤੱਕ performance ਨੂੰ ਚਾਰ ਗੁਣਾ ਅਤੇ 2027 ਤੱਕ throughput ਨੂੰ 20 ਗੁਣਾ ਵਧਾਉਣ ਦਾ engineering target ਵੀ ਦੱਸਿਆ। ਇਹ future targets ਹਨ, ਪੂਰੇ ਹੋਏ ਨਤੀਜੇ ਨਹੀਂ, ਇਸ ਲਈ ਇਨ੍ਹਾਂ ਨੂੰ forecast ਵਜੋਂ ਹੀ ਪੜ੍ਹਨਾ ਚਾਹੀਦਾ ਹੈ।
CS-4 ਦੀ launch ਵੇਲੇ Cerebras ਆਪਣੇ cloud business ਅਤੇ hardware deployment ਨੂੰ ਵਧਾ ਰਹੀ ਹੈ। ਨਵਾਂ system inference market ਵਿੱਚ commercial expansion ਦਾ ਹਿੱਸਾ ਹੈ, ਜਿੱਥੇ speed, power use, availability, software support ਅਤੇ deployment cost ਮੁਕਾਬਲਾ ਤੈਅ ਕਰਦੇ ਹਨ।
ਹੁਣ ਅਸਲੀ ਟੈਸਟ ਕੀ ਹੋਵੇਗਾ?
CS-4 ਲਈ ਸਭ ਤੋਂ ਅਹਿਮ ਅਗਲਾ ਮਾਪਦੰਡ real-world deployment ਹੋਵੇਗਾ। Q3 shipments, independent benchmarks, customer workloads ਅਤੇ cost-per-token ਵਰਗੇ ਅੰਕ ਦੱਸਣਗੇ ਕਿ vendor claims ਅਮਲੀ ਵਰਤੋਂ ਵਿੱਚ ਕਿੰਨੇ ਟਿਕਦੇ ਹਨ। Wafer-scale design Cerebras ਨੂੰ ਤਕਨੀਕੀ ਤੌਰ ’ਤੇ ਵੱਖਰੀ ਪਛਾਣ ਦਿੰਦੀ ਹੈ, ਪਰ AI infrastructure ਬਾਜ਼ਾਰ ਵਿੱਚ ਸਫਲਤਾ ਲਈ hardware performance ਦੇ ਨਾਲ software ecosystem, supply, reliability ਅਤੇ scale ’ਤੇ ਲਗਾਤਾਰ ਨਤੀਜੇ ਦੇਣੇ ਵੀ ਲਾਜ਼ਮੀ ਹਨ।
ਇਸ ਵੇਲੇ CS-4 ਨੂੰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਨਵਾਂ product launch ਕਹਿਣਾ ਸਹੀ ਹੈ। “GPU ਨੂੰ ਪਿੱਛੇ ਛੱਡ ਦਿੱਤਾ” ਵਰਗਾ ਅੰਤਿਮ ਨਤੀਜਾ independent evidence ਤੋਂ ਬਿਨਾਂ ਕੱਢਣਾ ਜਲਦੀ ਹੋਵੇਗਾ। ਕੰਪਨੀ ਦੀਆਂ specifications ਅਤੇ Reuters ਦੀ independent reporting announcement ਨੂੰ ਮਜ਼ਬੂਤ ਤੌਰ ’ਤੇ establish ਕਰਦੀਆਂ ਹਨ, ਜਦਕਿ performance comparison ਲਈ ਅਗਲੇ independent tests ਦੀ ਲੋੜ ਰਹੇਗੀ।