AMD正在為即將推出的Helios機架級AI系統補上一塊關鍵拼圖。

在Advancing AI 2026大會上，AMD宣佈與AI晶片公司Cerebras展開技術合作，將Helios機架級系統與Cerebras晶圓級引擎Wafer-Scale Engine連接起來，組成一套面向大模型推理的異構計算平台。

這套方案並不是簡單地把兩種晶片放進同一個機櫃，而是把大模型推理的不同階段拆開，讓不同架構分別處理自己更擅長的任務。

與單獨使用Cerebras晶圓級引擎相比，這套聯合方案的每千瓦Token生成量最高可提升5倍。

Helios處理長提示詞，Cerebras負責快速生成Token

大模型推理通常可以分成兩個主要階段。

第一個階段是預填充，也就是讀取使用者輸入的提示詞、文件和歷史上下文，完成大規模平行計算。這個階段更看重整體計算吞吐量和視訊記憶體容量。

第二個階段是解碼。模型需要逐個生成Token，這一過程通常更依賴記憶體頻寬和訪問延遲，計算平行度反而沒有預填充階段那麼高。

AMD與Cerebras的方案，實際上就是把這兩個階段分配給不同的計算引擎。

AMD Helios負責處理提示詞、長上下文以及大量並行請求，充當高吞吐量的預填充引擎。Cerebras的Wafer-Scale Engine則負責延遲更加敏感的解碼和Token生成。

可以把它理解成一條分工明確的生產線：Helios先批次處理原材料，Cerebras再快速完成最後的輸出。

AMD表示，兩套計算引擎將通過統一的推理工作流連接，讓系統在保持整體吞吐量的同時，進一步降低單次請求的響應延遲。

Cerebras的技術路線與傳統GPU不同。

普通AI加速器會將一塊晶圓切割成大量獨立晶片，再通過高速網路連線多個晶片。Cerebras則直接使用接近整塊晶圓大小的晶片，將大量計算核心、片上記憶體和互連網路整合在一塊矽片上。

Cerebras公佈的晶圓級引擎擁有約90萬個AI核心、44GB片上SRAM，以及極高的片上記憶體頻寬。

由於大量資料可以直接在晶片內部移動，系統不需要頻繁經過外部網路或視訊記憶體介面，因此特別適合對延遲敏感的Token生成任務。

不過，晶圓級晶片的片上記憶體容量仍然有限。面對超大模型和長上下文場景，僅依靠Cerebras單一架構並不一定能夠獲得最佳的整體吞吐量。

AMD Helios的作用，就是利用大規模GPU叢集處理模型權重、長上下文和高並行請求，再將延遲敏感的生成階段交給Cerebras。

AMD與Cerebras宣稱，聯合系統的每千瓦Token吞吐量最高可達到單獨使用Cerebras系統的5倍。

這項結果來自2026年7月進行的內部建模，測試對象為Kimi 2.6兆參數模型，比較的是Helios加Cerebras組合方案與單獨使用Cerebras晶圓級引擎的配置。

測試是在相近互動速度下，對每千瓦Token生成能力進行比較。不同模型、量化精度、批處理規模和系統配置，都可能影響最終結果。

對於無法完全依靠晶圓級晶片高效承載的超大模型，增加Helios作為高吞吐量引擎後，可以顯著提高整套系統的利用率和能源效率。

AMD與Cerebras的合作，也可以看作對輝達推理架構的一次回應。

輝達已經將Groq的LPU低延遲推理技術納入Vera Rubin平台。Groq 3 LPX機架通過大量專用LPU晶片，為Token生成和即時AI應用提供低延遲推理能力。

現在，AMD採取了相似但並不完全相同的路線。

輝達選擇將GPU、CPU、網路和Groq LPU整合進自己的平台體系。AMD則通過開放合作，將Instinct GPU和Cerebras晶圓級引擎組合起來。

兩家公司背後的判斷基本一致：未來的大模型推理，不一定全部由同一種晶片完成。

GPU擅長高吞吐量計算和複雜模型處理，專用推理晶片則更適合低延遲Token生成。隨著模型規模、上下文長度和智能體任務複雜度不斷增加，推理基礎設施正在從單一GPU架構，轉向多種計算引擎協同工作的異構架構。

傳統聊天機器人通常只需要回答一個問題，而智能體可能需要持續呼叫工具、讀取大量上下文、執行程式碼，並連續生成數千甚至數萬個Token。

在這類場景中，首個Token延遲、Token生成速度和整體吞吐量都會直接影響使用者體驗。

例如，程式碼助手、即時語音模型、機器人控制和自動化智能體，不僅要求系統能處理大量請求，還要求每一步響應足夠快。

如果只追求吞吐量，系統可能一次處理很多請求，但單個使用者需要等待較長時間。如果只追求低延遲，系統又可能難以支撐大規模並行。

AMD和Cerebras試圖通過拆分推理流程，同時解決這兩個問題。

將於2026年下半年通過Cerebras Cloud提供

按照雙方計畫，Cerebras將在自己的資料中心部署AMD Helios系統。

聯合推理方案預計將在2026年下半年率先通過Cerebras Cloud對外提供。目前雙方尚未公佈具體價格、系統規模以及Helios與Wafer-Scale Engine之間的連接方式。

從目前披露的資訊看，這項合作更像是一套面向雲服務的資料中心級方案，而不是單獨銷售的通用伺服器產品。

對AMD來說，與Cerebras合作意味著Helios不再只是由Instinct GPU組成的機架級系統，而是可以擴展到專用低延遲推理引擎。

更重要的是，它反映出AI計算市場競爭的重點正在變化。

過去，廠商主要比較單塊GPU的算力。現在，競爭已經轉向整個機架、資料中心和推理工作流。誰能把預填充、解碼、網路、記憶體和軟體調度組合得更高效，誰就更有可能降低大模型的實際Token成本。

AMD與Cerebras的合作，正是這一趨勢的最新體現。 (費曼的AI實驗室)

6月8日，輝達（NVDA）與SK海力士宣佈建立多年期技術合作夥伴關係，圍繞全球AI工廠建設所需的下一代記憶體展開聯合研發，並將AI技術應用於半導體（881121）晶片設計與製造。

根據雙方公佈的資訊，此次合作將覆蓋多個重要計算平台。根據協議，SK海力士將為輝達（NVDA）Vera Rubin AI超級電腦、Vera CPU、RTX Spark PC及Jetson Thor機器人計算平台協同開發專用記憶體，由此進入輝達（NVDA）正在開拓的AI基礎設施、個人AI及物理AI等新市場。

在半導體（881121）製造領域，SK海力士將採用輝達（NVDA）CUDA-X庫及PhysicsNeMo框架加速晶片模擬和光刻計算工作流；同時借助輝達（NVDA）Omniverse和cuOpt建構晶圓廠數字孿生（885820），推動工廠自主化營運。

雙方表示，隨著全球AI工廠建設速度不斷加快，對高性能記憶體的需求也在持續增長。由於先進記憶體產品研發周期較長，此次多年期合作協議有助於雙方提前規劃技術路線和產能佈局，確保未來產品能夠與輝達AI基礎設施的發展節奏保持同步。

除了記憶體技術研發之外，雙方還計畫在半導體製造領域展開更深入合作。按照規劃，SK海力士將引入輝達CUDA-X庫以及PhysicsNeMo框架，用於提升晶片模擬、光刻計算等關鍵環節的效率，從而加快晶片設計和製造流程。

與此同時，SK海力士還將利用輝達Omniverse和cuOpt技術建構晶圓廠數字孿生系統，對生產流程進行數位化模擬和最佳化，進一步提升工廠營運效率，並推動製造環節向更高程度的自動化和智能化發展。

一天前，黃仁勳在首爾與SK集團董事長Chey Tae-won、SK海力士首席執行長以及SK電信的高管共進晚餐。黃仁勳當時透露，該公司即將推出的Vera CPU將採用SK海力士公司的記憶體晶片，因為兩家公司正準備在未來一年進一步拓展業務。

據此前報導，輝達已敲定下一代Vera Rubin人工智慧算力平台的核心零部件HBM4供應商，三星電子、SK 海力士、美光科技三大行業頭部企業悉數入選。

作為AI 算力硬體的關鍵組成部分，HBM直接決定高端GPU與AI伺服器的性能，輝達新一代Vera Rubin更是對HBM4有著剛性需求，隨著三大巨頭順利通過輝達的資質稽核，也意味著HBM4逐步進入量產階段，將全面保障Vera Rubin供貨需求。

目前全球AI產業蓬勃發展，市場對HBM的需求持續上升，行業長期處於供需偏緊的狀態。對於輝達而言，手握穩定、優質的HBM供貨管道，是其GPU 業務和AI算力版圖持續擴張的基礎；而對於三星、SK海力士、美光這三家壟斷全球主流計算級儲存半導體市場的企業來說，拿下輝達的大額訂單，意味著可觀的利潤增量與行業地位的進一步鞏固，三方也因此展開激烈角逐。 (半導體行業圈)

台北時間6月8日，輝達公告稱，輝達與 SK 海力士達成多年期技術合作，攜手研發適配輝達人工智能基礎設施發展規劃的下一代存儲產品。

該合作協議將保障高端存儲產品的供應，應對高端存儲產品研發周期長、製造工藝複雜以及高額資本投入等問題，支撐全球人工智能工廠的持續建設。

SK 海力士將進軍輝達開拓的全新市場，業務覆蓋人工智能基礎設施、個人人工智能以及物理人工智能三大領域，雙方將聯合爲輝達 Vera Rubin 人工智能超級計算機、Vera 中央處理器、搭載 RTX Spark 技術的個人電腦以及 Jetson Thor 機器人計算平台研發配套存儲產品。

兩家企業將把人工智能技術應用於半導體芯片的設計與製造環節，藉助輝達 CUDA-X 程序庫與 NVIDIA PhysicsNeMo 框架，加快半導體仿真、技術計算機輔助設計工作流程以及企業內部工程代碼的運行效率。

SK 海力士將整合輝達 Omniverse 平台、OpenUSD 場景優化技術以及輝達 cuOpt 決策優化引擎，打造工廠數字孿生系統，推動晶圓工廠實現全自動化運營。

輝達與 SK 海力士於今日宣佈達成多年期技術合作，旨在爲全球人工智能工廠建設研發下一代存儲產品，並提速半導體設計與製造進程。本次合作建立在雙方多年深度聯合工程研發的基礎之上，此前雙方的合作成果已支撐起多款全球頂尖的人工智能計算平台。

輝達創始人兼首席執行長黃仁勳表示：「人工智能工廠是新一輪工業革命的核心動力，而高端存儲是保障其性能的關鍵。SK 海力士一直是輝達極爲出色的合作伙伴，在爲輝達人工智能計算平台提供高端存儲技術的過程中發揮着核心作用。雙方將攜手爲人工智能工廠研發下一代存儲產品，助力全球人工智能基礎設施加速拓展，相關應用場景涵蓋前沿模型訓練、智能自主人工智能以及物理人工智能等多個領域。」

SK 集團董事長崔泰源表示：「SK 海力士與輝達多年來始終朝着共同目標努力，本次合作也印證了雙方合作的深度。雙方將聯合研發面向人工智能工廠的下一代存儲產品，同時運用人工智能技術優化半導體的設計與製造流程，這些工作將深刻影響未來人工智能基礎設施的發展格局。」

這份多年期合作協議將保障存儲產品穩定供應，化解高端存儲產品研發周期漫長的難題。隨着全球人工智能工廠規模不斷擴大，這項戰略合作能夠讓存儲產品供應緊跟輝達基礎設施發展規劃，保障全球人工智能基礎設施持續落地。依託本次合作，SK 海力士將切入輝達開闢的新興市場，業務範圍覆蓋人工智能基礎設施、個人人工智能與物理人工智能。雙方將攜手爲輝達 Vera Rubin 人工智能超級計算機、輝達 Vera 中央處理器、搭載輝達 RTX Spark 技術的個人電腦以及輝達 Jetson Thor 機器人計算平台研發專用存儲產品。

加速技術計算機輔助設計與半導體仿真工作

SK 海力士正藉助輝達 CUDA-X 程序庫以及人工智能技術提升半導體仿真效率，優化技術計算機輔助設計與計算光刻相關工作流程。

同時，SK 海力士依託 CUDA-X 程序庫與 NVIDIA PhysicsNeMo 框架，爲企業內部仿真代碼以及人工智能物理相關工作負載實現全面加速。

該合作將相關技術延伸至半導體電子設計自動化與仿真生態領域，也爲芯片廠商、輝達以及電子設計自動化軟件服務商開展三方合作創造了條件。

打造晶圓工廠數字孿生，實現自動化生產

SK 海力士正在搭建晶圓工廠數字孿生系統，以此作爲工廠自動化運營的基礎。技術團隊可藉助場景優化技術、輝達 Omniverse 程序庫以及 OpenUSD 工作流搭建三維工廠場景，實現對複雜半導體生產環境的可視化呈現、仿真模擬與運行優化。

結合開源且依託圖形處理器加速的輝達 cuOpt 決策優化引擎以及輝達 Metropolis 平台，這些數字孿生系統還可對工廠內自主移動機器人及其他生產設備的運轉進行運營優化。

兩家企業還在探索將數字孿生系統與現有傳統軟件、智能自主人工智能工作流相連接，讓人工智能系統能夠分析工廠數據、自動執行各項任務，進一步提升生產決策的智能化水平。    (富途牛牛)

彙整鉅亨號中所有使用「技術合作」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

奇怪，AMD為什麼要跟Cerebras合作？

輝達與SK海力士宣佈合作！

輝達與SK海力士宣佈多年期技術合作，為人工智能工廠推進存儲技術