AMD 和 Cerebras 搞了个"分离式推理"方案，号称每瓦 token 速度提升 5 倍
Advancing AI 2026 消息，AMD 和 Cerebras 官宣合作了，搞了个挺有意思的 AI 推理架构，简单说下要点：
核心思路：把推理拆成两段，各用各的硬件
- Prefill 阶段（处理 prompt、大上下文窗口）→ 交给 AMD Helios 机架级方案（Instinct GPU），主打高吞吐
- Decode 阶段（逐 token 生成）→ 交给 Cerebras Wafer-Scale Engine，主打超低延迟
两边通过一个统一的推理 workflow 串起来，官方说法是"disaggregated inference"（分离式推理）。
关键数据：
- 对比纯 Cerebras WSE 方案，联合方案预计 每瓦 token 生成速度（T/s/W）提升最高 5 倍（基于 Kimi 2.6 1T 模型建模，2026 年 7 月 AMD 性能实验室数据）
- 不牺牲吞吐的前提下拿到超低延迟
落地时间：
Cerebras 计划在自己数据中心部署 AMD Helios，联合方案预计 2026 下半年 先通过 Cerebras Cloud 上线。
Lisa Su 原话大意：
AI 推理正在成为 AI 领域最大的基础设施机会之一，工作负载越来越多样化，需要更灵活的方案。和 Cerebras 合作是把 AMD 的领导力延伸到最敏感的延迟场景，给实时 Agent AI 造一个新平台。