LONDON (IT BOLTWISE) – AMD und Cerebras arbeiten an einer Hochleistungsplattform, die Prompt-Processing und Token-Generation getrennt optimiert. Das Konzept setzt auf eine disaggregierte Architektur, bei der Eingabeaufforderungen mit AMD-Helios-Systemen verarbeitet werden und die eigentliche Texterzeugung auf Cerebras’ Wafer-Scale-Engine mit niedrigen Latenzen läuft. Ziel ist eine messbar höhere Token-Ausgabe pro Sekunde und pro Watt gegenüber bestehenden Ansätzen. Interessant wird das vor allem für Betreiber, die Inferenzkosten senken und gleichzeitig die Performance im Produktivbetrieb stabil halten wollen.
AMD und Cerebras treiben die nächste Welle der KI-Infrastruktur mit einem eher untypischen Ansatz voran: Nicht ein einzelnes Rechenzentrum-System soll die komplette Pipeline abdecken, sondern zwei spezialisierte Teilkomponenten arbeiten entlang des KI-Durchlaufs getrennt zusammen. Im Zentrum steht eine disaggregierte Architektur, die Prompt-Processing und Token-Generation in unterschiedlichen Hardware-Umgebungen abbildet. Dadurch lassen sich Stärken gezielt bündeln: Während Prompts und Kontextaufbereitung stark rechenintensiv sind und oft Latenzspitzen erzeugen, hängt die wahrgenommene Modellleistung im Alltag maßgeblich davon ab, wie schnell die nachfolgenden Tokens ausgegeben werden. Genau an dieser Stelle setzt die Kooperation an, indem sie beide Teilprozesse auf unterschiedliche Plattformen aufteilt.
Technisch betrachtet verändert die Entkopplung der Prozessschritte die Art, wie Ressourcen geplant und skaliert werden. Bei AMD übernehmen die Helios-Systeme den Teil der Eingabeaufforderungen inklusive der rechenintensiven Verarbeitung, also das, was in vielen Inferenz-Setups bereits die ersten Millisekunden bis Sekunden dominiert. Cerebras ergänzt das Setup mit seiner Wafer-Scale-Engine für die Token-Generation und will dabei besonders niedrige Latenzen erreichen. Solche Latenzanforderungen sind in der Praxis nicht nur „nice to have“: Chat-basierte Workflows und Assistenten mit Streaming-Ausgabe benötigen eine gleichmäßige Token-Rate, damit Nutzerinteraktionen flüssig wirken und nachgelagerte Systeme nicht auf den nächsten Output warten müssen.
Ein wesentlicher Hebel liegt laut den Partnern im Speicher- und Datenpfad der Cerebras-Engine. Statt des sonst häufig genutzten HBM4-Speichers setzt das Design auf On-Chip-SRAM. Das adressiert ein klassisches Problem vieler Beschleuniger: Wenn Daten wiederholt zwischen unterschiedlichen Speicherhierarchien hin- und herwandern, steigt die effektive Laufzeit trotz hoher Rechenleistung. SRAM-gestützte Zugriffszeiten können hier die Latenz reduzieren und die Bandbreite im relevanten Pfad erhöhen. In der öffentlichen Argumentation wird zudem ein Effizienzziel genannt: Die integrierte Lösung soll bis zu „fünfmal mehr Tokens pro Sekunde und Watt“ liefern als aktuelle Konkurrenzprodukte. Solche Kennzahlen sind für Enterprise-Beschaffungen besonders wichtig, weil sie nicht nur die Modellgeschwindigkeit, sondern auch die Stromkosten und die Kühlungsanforderungen in einem gemeinsamen Maßstab zusammenfassen.
AMD wiederum verortet das Projekt in die eigene Prozessor-Strategie rund um die Helios-Plattform. Die Ankündigung fällt zeitlich mit der Vorstellung einer neuen Rechner-Generation zusammen, darunter die 6. Generation der EPYC-Prozessoren sowie die Instinct-MI400-Serie. Für Betreiber ist das relevant, weil Inferenz-Systeme typischerweise aus mehreren Schichten bestehen: CPUs übernehmen je nach Architektur Scheduling, Datenhandling und Teile der Infrastruktur-Workloads, während spezialisierte Beschleuniger für die eigentliche KI-Berechnung sorgen. AMD verspricht außerdem eine Steigerung der Inferenz-Tokens pro Euro um bis zu 30 Prozent gegenüber vergleichbaren Angeboten. Diese Aussage adressiert direkt eine der Kernfragen im Rechenzentrumsbetrieb: Wie viel Output lässt sich pro Budgetpunkt tatsächlich erreichen, wenn man nicht nur Benchmarks, sondern auch die Kostenstruktur aus Hardware, Energie und Betriebsaufwand betrachtet?
Auch der Marktkontext zeigt, warum das Timing zählt. Der Text ordnet die Kooperation in eine breitere Bewegung ein, in der neben großen Hyperscalern auch etablierte Plattformanbieter auf AMD-basierte Infrastruktur setzen. Gleichzeitig positionieren sich AMD und Cerebras explizit als Alternative zu einem Ansatz, der häufig mit Groq-LPUs in Verbindung gebracht wird. Wettbewerbsrelevant ist hier weniger die Frage „wer hat die schnellste Einzelkarte“, sondern wie gut ein Gesamtsetup aus Compute, Speicher, Interconnect und Software-Stack für unterschiedliche Workload-Muster funktioniert. Denn Prompt-Charakteristik, Sequenzlängen, Batch-Größe und Ziel-Latenz variieren stark zwischen Use-Cases wie Support-Bots, Code-Assistenz oder Automations-Workflows in der Produktion. Eine disaggregierte Architektur kann dabei helfen, Engpässe gezielt zu entschärfen, etwa wenn sich Prompts anders verhalten als die nachfolgenden Generation-Phasen.
Für Cerebras soll die gemeinsame Lösung in der zweiten Jahreshälfte 2026 über die Cerebras Cloud verfügbar sein, während das Unternehmen die Helios-Systeme zusätzlich in eigenen Rechenzentren für seine Cloud-Dienste einsetzen will. Damit verschiebt sich die Erwartung an die Umsetzung von der Hardware-Folie in Richtung Produktbetrieb: Betreiber werden prüfen wollen, wie stabil die Token-Rate unter Lastschwankungen bleibt und wie sich die Latenz bei parallelen Anfragen in der Praxis verhält. Besonders spannend ist außerdem, wie die getrennte Verarbeitung in Betriebssystem- und Orchestrierungslogik übersetzt wird, also etwa wie Prompts ohne unnötige Pufferzeiten an die Generation-Engine übergeben werden. Wenn das gelingt, kann daraus ein wiederverwendbares Inferenz-Pattern für Unternehmen entstehen, die hohe Durchsatzanforderungen haben, aber gleichzeitig ihre Kosten pro Anfrage senken müssen.
Parallel wächst die Aufmerksamkeit für die rechtlichen Rahmenbedingungen des KI-Einsatzes. Der Artikel verknüpft die technische Entwicklung mit dem Hinweis auf Compliance-Herausforderungen und erwähnt den EU AI Act als Bezugspunkt. Für IT- und Rechtsabteilungen ist dabei weniger die konkrete Hardwareentscheidung entscheidend als die Frage, wie sich Modellrisiken, Datenflüsse und Betriebsprozesse in nachvollziehbare Prüf- und Dokumentationsketten übersetzen lassen. Das wird typischerweise dann zur Aufgabe, wenn neue Inferenz-Setups in Produktion gehen: Selbst wenn die technische Plattform effizienter wird, müssen Verantwortliche klären, welche Modellklassen im Betrieb betroffen sind, wie Outputs bewertet werden, wie Logging und Zugriffsschutz gestaltet sind und wie sich Änderungen an Modellen oder Prompts nachverfolgen lassen.
Unterm Strich ist die Partnerschaft ein weiterer Beleg dafür, dass KI-Infrastruktur inzwischen stärker entlang der Prozesskette optimiert wird als entlang einzelner Chips. Disaggregation, spezialisierte Speicherpfade und die Kopplung an eine Rechenzentrumsplattform wie Helios zielen darauf ab, Effizienz nicht nur im Labor, sondern im laufenden Betrieb messbar zu machen. Ob die versprochenen „fünfmal“ Tokens-pro-Sekunde-und-Watt im realen Deployment bestätigt werden, hängt von der gesamten Systemintegration ab: von Datenpfaden, Software-Optimierungen bis hin zur Lastverteilung. Wenn die Verfügbarkeit über die Cloud wie geplant in der zweiten Jahreshälfte 2026 anrollt, werden Betreiber spätestens dann in der Lage sein, nicht nur einzelne Modell-Performance zu vergleichen, sondern die Kosten-Nutzen-Rechnung für ihre jeweiligen Inferenzprofile neu zu bewerten.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "AMD und Cerebras: Disaggregierte KI-Plattform soll deutlich effizienter werden" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "AMD und Cerebras: Disaggregierte KI-Plattform soll deutlich effizienter werden" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »AMD und Cerebras: Disaggregierte KI-Plattform soll deutlich effizienter werden« bei Google Deutschland suchen, bei Bing oder Google News!