Cerebras stellt CS4-System mit 30-fachem GPU-Geschwindigkeitsvorteil vor – OpenAI bestätigt: Nachfrage nach Rechenleistung übersteigt Kapazitäten „bei weitem“
Post-IPO-Produktveranstaltung präsentiert Architektur der nächsten Generation, Roadmap bis 2027 und einen wachsenden Kundenstamm, darunter OpenAI, AMD, Arista und CrowdStrike
Cerebras Systems hat am 18. August 2026 in San Francisco seine erste große öffentliche Veranstaltung seit dem Börsengang Anfang des Jahres abgehalten. Unter dem Namen „Supernova“ nutzte CEO Andrew Feldman den Rahmen, um das CS4-System der nächsten Generation sowie die Rack-Scale-Architektur des Unternehmens vorzustellen. Zudem präsentierte er eine Reihe von Partnern und Kunden – darunter OpenAI, AMD, Arista Networks und CrowdStrike –, die gemeinsam ein breiteres Ökosystem für disaggregierte Inferenz rund um die Wafer-Scale-Chips des Unternehmens skizzieren.
CS4-Architektur: Die wichtigste technische Neuerung
Die für Investoren bedeutendste Information ist die Spezifikation des CS4-Systems. Cerebras gibt an, dass es eine um den Faktor 6 höhere Performance auf Systemebene im Vergleich zur aktuellen CS3-Generation liefert, eine doppelt so schnelle Token-Generierung ermöglicht und bis zu 10-mal mehr Tokens pro Watt erreicht. Chief Technology Officer Sean Lie erklärte, das System basiere auf einem neuen Chip namens WSE-3 Turbo und sei das erste Cerebras-System, das drei Wafer in einer einzigen Einheit integriert. Dies ergebe eine Speicherbandbreite von 43 Petabyte pro Sekunde pro Wafer. Lie behauptete, dies sei „die 2.000-fache Speicherbandbreite von Rubin, Nvidias GPU der nächsten Generation“. Sollte dieser Wert korrekt sein, unterstreicht er den strukturellen Vorteil bei der Speicherbandbreite, den Cerebras für die Dekodierungsphase der Inferenz für sich beansprucht.
Das Unternehmen führt zudem eine neue Rack-Scale-Architektur namens Nexus ein, die auf modularen Netzteilen und „steckbaren Backpacks“ basiert, von denen jedes einen Wafer-Scale-Engine beherbergt. Laut Cerebras reduziert das modulare Design die Anzahl der Komponenten um 50 %, steigert die Fertigungsautomatisierung um 60 % und verkürzt die Bereitstellungszeiten in Rechenzentren von Tagen auf Stunden. Damit zielt das Unternehmen direkt auf die Kapitalintensität und die Implementierungshürden ab, die den Aufbau großskaliger KI-Infrastrukturen bisher belastet haben. Das CS4 befindet sich derzeit im Early Access und soll im Laufe dieses Quartals allgemein verfügbar werden.
Für langfristige Modellierungszwecke ist die Roadmap-Verpflichtung womöglich noch wichtiger: Cerebras stellt eine Verdoppelung der Rohleistung pro Jahr in Aussicht, mit einem spezifischen Ziel von 20-fachem Durchsatz bis 2027, flankiert von einer Wafer-Scale-Engine der nächsten Generation, die für das CS5-System im selben Jahr geplant ist. Es handelt sich um eine mehrjährige architektonische Verpflichtung, nicht um ein einmaliges Produkt-Update, was Investoren einen konkreten Maßstab zur Messung der Umsetzung liefert.
OpenAI-Partnerschaft wächst – Nachfragekommentar als entscheidender Indikator
Cerebras gab bekannt, dass OpenAI in der vergangenen Woche den „GPT-5.6 Sol Ultrafast mode“ angekündigt hat, eine neue Dienstleistungsklasse, die das intelligenteste Modell von OpenAI mit bis zu 14-facher Standardgeschwindigkeit ausführt und exklusiv auf Cerebras-Hardware verfügbar ist. Thibault, Head of Core Products and Platforms bei OpenAI, trat auf der Bühne auf und erklärte unmissverständlich: „Wir würden uns wünschen, dass Ultrafast einfach der Standard wird. Ich denke, es ist ein Ausblick auf das, was kommt.“ Eine Bemerkung, die Feldman direkt als bemerkenswert für die Investment-Community hervorhob.
Noch bedeutsamer als die Produktkategorie selbst war Thibaults Kommentar zu den Kapazitätsengpässen innerhalb der OpenAI-Flotte. Auf die Frage, wie das Unternehmen über Skalierung denke, sagte er: „An einem gewissen Punkt erreicht man einen Stand, an dem das Modell auf der GPU mehr Wert liefert, als die Kosten für den Betrieb auf der GPU betragen. Und an diesem Punkt möchte man über alle Kapazitäten der Welt verfügen, um es einfach laufen zu lassen... das ist ein Thema, über das wir ständig sprechen... die Nachfrage übersteigt die Kapazitäten, die wir in unserer gesamten Flotte haben, bei weitem. Ich sehe keinen Grund zu der Annahme, dass sich das verlangsamen oder ändern wird.“ Dies ist ein direkter, offizieller Datenpunkt zur Nachfrageseite beim Aufbau von KI-Infrastruktur, der von einem der größten Käufer von Rechenleistung der Branche stammt und die „Bull Case“-Argumentation für Hardware-Anbieter allgemein – nicht nur für Cerebras – untermauert.
Thibault merkte zudem an, dass OpenAI mittlerweile 15 Millionen wöchentliche Nutzer von Codex- und ChatGPT-Agenten verzeichnet, wobei innerhalb der Woche mit einem aktualisierten, höheren Wert gerechnet wird. Er mahnte jedoch zur Vorsicht, da die Nutzung von Agenten „nur einen sehr kleinen Bruchteil“ der rund 1 Milliarde wöchentlichen ChatGPT-Nutzer ausmache, was auf erhebliches Wachstumspotenzial für das Inferenzvolumen in der gesamten Branche hindeutet.
Disaggregierte Inferenz: AMD-Partnerschaft formalisiert neues Architekturmuster
Cerebras nutzte die Veranstaltung, um eine Partnerschaft mit AMD zu erläutern, die auf der sogenannten disaggregierten Inferenz basiert. Dabei wird die Prefill-Phase der Inferenz (die Verarbeitung von Benutzereingaben, die parallelisierbar und weniger bandbreitenintensiv ist) auf AMD-GPUs – speziell dem kommenden Helios-Rack – ausgeführt, während die Dekodierungsphase (die sequentielle Token-Generierung, die speicherbandbreitenintensiv ist) auf Cerebras-Wafer geleitet wird. Laut Feldman kann diese Kombination eine 10-mal schnellere Performance als GPUs allein und einen 5-mal höheren Durchsatz als Cerebras allein liefern. AMD-CTO Mark Papermaster bezeichnete dies als „eine Innovation, die aus der Notwendigkeit heraus entstanden ist“ und die eine branchenweite Verschiebung der Infrastrukturausgaben von trainingsdominierten Aufbauten hin zu Inferenz-optimierter Architektur widerspiegelt. Das I/O-Modul des CS4 wurde explizit als „programmierbare universelle Disaggregationsschnittstelle“ unter Verwendung von RoCE-basierter Vernetzung konzipiert, wodurch Cerebras hardwareagnostisch positioniert wird, anstatt zu versuchen, GPUs vollständig zu verdrängen – ein bemerkenswertes strategisches Signal angesichts der Größe der installierten Basis von Nvidia.
Ausbau der Rechenzentren und die Abhängigkeit von der Vernetzung
Feldman gab bekannt, dass Cerebras bis Ende nächsten Jahres Rechenzentrumskapazitäten von 600 Megawatt in Betrieb genommen oder vertraglich gesichert hat. Die Standorte umfassen Santa Clara, Toronto, Dallas, Minneapolis, Montreal, Oklahoma City, Alabama, Lyon sowie Standorte in Norwegen und Finnland. Er räumte offen ein, dass dies „bei weitem nicht genug“ sei, und erkannte an, dass der Kapazitätswettlauf weiterhin eine dauerhafte Einschränkung und kein gelöstes Problem darstelle.
Jayshree Ullal, CEO von Arista Networks, erläuterte die Netzwerkschicht, die diesen Clustern zugrunde liegt. Sie merkte an, dass Arista differenzierte Verkehrsklassen für KI-Workloads entwickelt habe, die sich von traditionellen Cloud-Netzwerken unterscheiden. Zudem wies sie darauf hin, dass die Akzeptanz von Agenten-KI in Unternehmen – im Gegensatz zu Bereitstellungen bei Hyperscalern und Neo-Clouds – „noch kaum begonnen hat“, was auf einen großen, noch nicht erschlossenen Nachfragepool hindeutet. Sie betonte zudem die Netzwerkausfallsicherheit als nächsten großen Engpass und stellte klar: „Die größte Herausforderung in Zukunft wird sein, wie man die Verfügbarkeit der Rechenleistung aufrechterhält“, wenn Hardware ausfällt oder Kabel gezogen werden. Eine Erinnerung daran, dass Skalierbarkeit und Zuverlässigkeit, nicht nur rohe Geschwindigkeit, ein Differenzierungsmerkmal sein werden.
Kundenvalidierung: Figma, Cognition, Armis und CrowdStrike quantifizieren die Geschwindigkeitsthese
Über die Infrastrukturpartnerschaften hinaus präsentierte Cerebras konkrete Bereitstellungsdaten. Cognition, Hersteller des Coding-Agenten Devin, gab bekannt, dass sein internes SWE-grep-Modell auf Cerebras mit bis zu 2.800 Tokens pro Sekunde läuft – mehr als 10-mal schneller als vergleichbare Large Language Models. Das neuere SWE-1.7-Modell erreiche die Qualität von GPT-5.5 und Opus 4.8 bei einer Geschwindigkeit von fast 1.000 Tokens pro Sekunde und zu deutlich niedrigeren Kosten als vergleichbare Modelle wie Kimi K2.7 Code oder GLM 5.2. Figma stellte einen neuen, auf Cerebras basierenden Design-Agenten vor, der direkt in seine Multiplayer-Canvas integriert ist. Das Unternehmen argumentierte, dass schnelle Inferenz iterative, nicht verifizierbare kreative Arbeit wie Design für Agenten erst praktikabel mache, was mit langsamerer Inferenz nicht möglich wäre.
Cerebras verwies zudem auf Armis, einen Kunden für Codesicherheits-Scans, der Scans in etwa einem Drittel der Zeit von Benchmark-Frontier-Modellen abschließt und dabei mehr Schwachstellen zu geringeren Kosten findet. Keith Culley, VP of Engineering bei CrowdStrike, fasste das Sicherheitsargument für Geschwindigkeit prägnant zusammen: Mit schnellerer Inferenz könnten Sicherheitstools innerhalb desselben akzeptablen Zeitfensters „5- bis 10-mal mehr Inspektionen durchführen“, was Reibungsverluste senke und die Akzeptanz von Sicherheitskontrollen insgesamt erhöhe. Er verwies auf einen Branchen-Benchmark von 27 Sekunden als die schnellste aufgezeichnete Netzwerkeinbruchszeit durch einen Angreifer und argumentierte, dass Entscheidungsfenster in der Cybersicherheit heute in Sekundenbruchteilen gemessen werden – ein Anwendungsfall, bei dem die Inferenzlatenz einen direkten und quantifizierbaren finanziellen Effekt hat, anstatt nur einen UX-Vorteil zu bieten.
Zusammengenommen fungiert die Veranstaltung weniger als reine Produktvorstellung, sondern eher als Verteidigung einer systemweiten These: Cerebras setzt darauf, dass speicherbandbreitenintensive Dekodierungs-Workloads auf Wafer-Scale-Silizium strukturell im Vorteil bleiben, dass disaggregierte Architekturen mit GPU-Partnern (statt eines GPU-Ersatzes) der kommerziell tragfähige Weg sind und dass ein wachsender Kreis zahlender Kunden aus den Bereichen Programmierung, Design und Sicherheit die Zahlungsbereitschaft für Geschwindigkeit als eigenständiges Produktmerkmal validiert – und nicht nur als Benchmark-Kuriosität.