با گسترش مدل‌های زبانی بزرگ و نیاز روزافزون به توان پردازشی، مرزهای زیرساخت‌های محاسباتی فعلی در حال لرزش هستند. اندرو فلدمن، مدیرعامل و هم‌بنیان‌گذار Cerebras Systems، در رویداد TechCrunch Disrupt 2026 به بررسی این پرسش کلیدی می‌پردازد که آیا معماری‌های سنتی تراشه‌ها همچنان پاسخگوی رشد نمایی هوش مصنوعی خواهند بود یا خیر.
پارادایم جدید در پردازش: از تراشه‌های مجزا تا Wafer-Scale
شرکت Cerebras در طول یک دهه گذشته، فرضیه اصلی محاسبات هوش مصنوعی را به چالش کشیده است. در حالی که صنعت بر تولید GPUهای مجزا متمرکز است، این شرکت به جای برش ویفرهای سیلیکونی به تراشه‌های کوچک‌تر، کل ویفر را به یک پردازنده عظیم تبدیل می‌کند. این رویکرد که تحت عنوان Wafer-Scale Computing شناخته می‌شود، تأخیرهای ناشی از ارتباط میان‌تراشه‌ای را به حداقل رسانده و پهنای باند حافظه را به طرز چشمگیری افزایش می‌دهد. با معرفی تراشه نسل جدید CS-4 در مرداد ۱۴۰۵ (آگوست ۲۰۲۶)، این شرکت نشان داد که چگونه می‌توان با کاهش لایه‌های انتزاع سخت‌افزاری، توان عملیاتی مورد نیاز برای مدل‌های هوش مصنوعی فوق‌سنگین را تأمین کرد.
چالش انرژی و زیرساخت فیزیکی
مسئله اصلی تنها سرعت پردازنده نیست؛ بلکه اکوسیستمی است که این پردازنده‌ها در آن قرار دارند. فلدمن تأکید دارد که برای مقیاس‌پذیری هوش مصنوعی، نیاز به ظرفیت‌های عظیم در دیتاسنترها، توان الکتریکی و مدیریت حرارتی است. Cerebras تا پایان سال ۲۰۲۷، متعهد به تأمین بیش از ۶۰۰ مگاوات ظرفیت دیتاسنتر شده است. این زیرساخت شامل مدیریت انرژی بهینه و تولید اختصاصی است که نشان می‌دهد شرکت‌های پیشرو هوش مصنوعی دیگر نه تنها یک تأمین‌کننده تراشه، بلکه بازیگران اصلی در حوزه زیرساخت‌های انرژی و مهندسی دیتاسنتر محسوب می‌شوند.
قرارداد استراتژیک و چشم‌انداز بازار
یکی از نقاط عطف اخیر، امضای قرارداد چندساله با OpenAI برای استقرار ۷۵۰ مگاوات زیرساخت Cerebras بین سال‌های ۲۰۲۶ تا ۲۰۲۸ است. این همکاری نشان‌دهنده اعتماد به زیرساخت‌های مقیاس‌بزرگ برای آموزش نسل‌های بعدی مدل‌های هوش مصنوعی است. فلدمن در کنفرانس Disrupt 2026 ضمن اشاره به عرضه عمومی (IPO) ۵.۵ میلیارد دلاری شرکت در اردیبهشت ۱۴۰۵، بر این نکته تأکید می‌کند که محدودیت‌های فیزیکی در تولید ویفرها و زنجیره تأمین سیلیکون، واقعی‌ترین تهدید برای ادامه روند فعلی مقیاس‌پذیری مدل‌هاست.
مشخصات و دستاوردهای کلیدی Cerebras
- معماری: Wafer-Scale Engine (WSE) – یکپارچه‌سازی پردازش روی کل ویفر سیلیکون.
- نسل جدید پردازنده: CS-4 (معرفی شده در مرداد ۱۴۰۵).
- ظرفیت دیتاسنتر: بیش از ۶۰۰ مگاوات زیرساخت تحت قرارداد تا پایان ۲۰۲۷.
- همکاری راهبردی: قرارداد با OpenAI جهت استقرار ۷۵۰ مگاوات ظرفیت عملیاتی.
- استراتژی توسعه: تمرکز بر افزایش ۱۰ برابری ظرفیت تولید در سال ۱۴۰۵ و گسترش مراکز داده در اروپا.
آینده زیرساخت‌های هوش مصنوعی
سخنرانی اندرو فلدمن در TechCrunch Disrupt 2026، چراغ راهی برای سرمایه‌گذاران و توسعه‌دهندگان است تا درک کنند که وقتی پردازنده‌های سنتی به سقف عملکردی خود می‌رسند، جایگزین‌های مهندسی‌شده چگونه باید عمل کنند. موضوعاتی نظیر محدودیت‌های سرمایش دیتاسنتر، ظرفیت تولید کارخانه‌های سیلیکون و ضرورت بازنگری در پروتکل‌های اتصال شبکه (Interconnects)، از محورهای اصلی تحلیل وی در این رویداد خواهند بود.
