AMD e Cerebras anunciam solução conjunta de inferência IA

Parceria AMD e Cerebras para inferência de IA

AMD e Cerebras anunciaram em 23 de julho de 2026 uma parceria técnica para criar uma solução de inferência de IA com latência ultrabaixa e alto throughput. A solução combina o AMD Helios (solução rack-scale com GPUs Instinct) com o Cerebras Wafer-Scale Engine em um fluxo de trabalho de inferência desagregado.

Como funciona

A abordagem separa as duas etapas principais da inferência:

• AMD Helios atua como motor de alto throughput, processando prompts e janelas de contexto grandes.
• Cerebras Wafer-Scale Engine acelera a geração de tokens (decode), que é intensiva em largura de banda de memória, com latência ultrabaixa.

Juntas, as duas tecnologias devem entregar até 5x mais tokens por segundo por watt (T/s/W), segundo modelagem interna da AMD Performance Labs e da Cerebras, comparando a solução conjunta com uma configuração Cerebras WSE isolada no modelo Kimi 2.6 1T.

Contexto de mercado

A justificativa é que workloads de inferência têm requisitos cada vez mais diversos: aplicações de alto volume priorizam throughput máximo, enquanto copilots em tempo real, agentes autônomos e workflows agênticos exigem tempos de resposta mais rápidos. Isso demanda infraestrutura heterogênea que combine diferentes tecnologias de computação para cada tipo de carga.

Disponibilidade

A Cerebras planeja implantar sistemas AMD Helios em seus data centers. A solução conjunta deve estar disponível inicialmente via Cerebras Cloud no segundo semestre de 2026.

Declarações

Lisa Su (CEO da AMD) afirmou que a inferência de IA está se tornando uma das maiores oportunidades de infraestrutura em IA e que a parceria estende a liderança da AMD para aplicações sensíveis a latência, criando uma plataforma para IA agêntica em tempo real. Andrew Feldman (CEO da Cerebras) destacou que a demanda por inferência ultrarrápida cresce em ritmo sem precedentes e que a parceria com a AMD permite levar esse desempenho a mais clientes.