Cerebras CS-4: o chip a escala de wafer que quer matar a dependência de GPUs

A Cerebras Systems apresentou nesta semana o CS-4, sua nova plataforma de aceleração para Inteligência Artificial em escala de rack. Anunciado oficialmente em 18 de agosto de 2026, o sistema é construído em torno de três processadores WSE-3 Turbo (Wafer Scale Engine 3 Turbo), cada um deles fabricado em processo de 5 nm e operando em conjunto como um único acelerador de 750 PFLOPS de capacidade de computação. A empresa afirma que o CS-4 oferece até 30× mais tokens processados por segundo na inferência do que soluções baseadas em GPUs da Nvidia — um salto que, se confirmado em benchmarks independentes, representaria uma mudança significativa na arquitetura preferencial para inferência de modelos de linguagem de grande porte.

O que é o CS-4 e o que ele faz diferente

O CS-4 pertence à nova linha Nexus da Cerebras e adota uma arquitetura modular que separa hardware de computação, energia e entrada/saída em módulos independentes. Essa abordagem permite que cada componente seja fabricado, instalado ou atualizado sem a necessidade de reconstruir todo o sistema. Cada rack CS-4 integra três WSE-3 Turbo conectados via Direct Wafer Links — a tecnologia proprietária de comunicação wafer-a-wafer da Cerebras — que delivers 7,2 terabits por segundo de largura de banda entre os chips, eliminando a necessidade de switches de interconexão que consomem energia e aumentam a latência em sistemas baseados em GPUs tradicionais.

As especificações técnicas são impressionantes quando analisadas isoladamente: 750 PFLOPS de computação em precisão FP8, 129,6 PB/s de largura de banda de memória e 7,2 Tbps de I/O. Para contextualizar, 129,6 PB/s de largura de banda é aproximadamente 1.000 vezes mais do que o que a maioria das GPUs de datacenter oferece. Essa é exatamente a vantagem que a Cerebras tem vindo perseguir desde sua fundação — eliminar o gargalo de memória que limita a velocidade de inferência e treinamento em qualquer arquitetura baseada em GPUs convencionais.

O contexto da indústria e o lugar do CS-4

A Cerebras não é a única empresa apostando em hardware especializado para IA. A Nvidia continua dominando o mercado com suas GPUs H200 e a futura Blackwell Ultra, enquanto a AMD oferece suas MI300X e MI350, e startups como SambaNova e Groq seguem caminhos distintos de aceleração. O diferencial da Cerebras sempre foi a abordagem radical de usar chips em escala de wafer — em vez de empilhar milhares de chips menores com interconexões complexas, a empresa tenta fazer todo o modelo caber em um único chip do tamanho de uma placa de pizza, eliminando a necessidade de comunicação entre chips.

O problema dessa abordagem, porém, está na própria capacidade de memória por wafer. Conforme apontado pela SemiAnalysis em análise dedicada ao CS-4, a reutilização do WSE-3 — originalmente lançado com o CS-3 — significa que a Cerebras ainda enfrenta o mesmo desafio fundamental: modelos com trilhões de parâmetros podem não caber inteiramente no memory do wafer, forçando migrações de dados que comprometem a vantagem de latência que a arquitetura promete.

O que observar nos próximos meses

O anúncio do CS-4 ocorre em um momento crucial. A demanda por inferência de IA está crescendo exponencialmente — não apenas por causa do aumento no volume de consultas, mas porque cada nova geração de modelos está se tornando cada vez mais "agente", com cadeias de raciocínio que multiplicam as etapas de inferência por cada interação do usuário. Para empresas que rodam modelos como GPT-5.6 ou Claude com 10T+ de parâmetros, cada milissegundo de latência adicional representa um custo significativo em energia, hardware e experiência do usuário.

O que torna o CS-4 particularmente interessante é que a Cerebras não está apenas tentando competir com a Nvidia em performance bruta — ela está tentando substituir a própria lógica de como datacenters de IA são construídos. Um rack CS-4, com seus três WSE-3 Turbo, substituiria centenas de GPUs Nvidia em uma configuração tradicional, reduzindo drasticamente a quantidade de cabos, switches, fontes de alimentação e espaço físico necessário. A redução de 50% nas peças por rack, anunciada junto com o CS-4, é um indicativo dessa mudança de paradigma.

A pergunta que fica é se a adoeração em escala será suficiente para justificar a aposta em wafer-scale em vez de seguir o caminho mais consolidado das GPUs — e se, à medida que os modelos evoluem para arquiteturas cada vez maiores, a limitação de memória por wafer se tornará um gargalo intransponível para a Cerebras ou se a empresa encontrará uma maneira de contornar esse desafio.

Fontes: The Register, Cerebras Press Release, SemiAnalysis

✓ Fontes independentes cruzadas e verificadas antes da publicação