AMDとCerebras、HeliosとWafer-Scale Engineを統合──推論性能を5倍に向上
AMDの最新ラックシステムHeliosとCerebrasのWSE-3を組み合わせ、メモリ帯域のボトルネックを解消することで1兆パラメータ超のモデル推論を高速化する。
リリース: 2026-07-23 · 読了 3 分記事の要約
1. 核心（What）
- AMDがラック単位の推論システムHelios（Instinct MI455X GPU 72基搭載）を発表。
- CerebrasのWafer-Scale Engine（WSE-3）と連携し、推論処理をPrefillとDecodeに分離するアーキテクチャを採用。
- 1兆パラメータ超のモデルにおいて、従来のGPUクラスタ比で5倍の推論容量と高速なトークン生成を実現。
2. 影響（Why）
- 推論ボトルネックの解消: 従来のGPUはHBMからのデータ転送が帯域制限となるが、WSE-3のオンダイSRAM（44GB）によりメモリ帯域を21PB/sまで引き上げ、トークン生成のレイテンシを劇的に改善する。
- 国内事業者への影響: 大規模言語モデルを商用提供する国内のVertical SaaSやAIスタートアップにとって、推論コストとレイテンシの壁を突破する選択肢となり、特にリアルタイム性が求められるエージェント開発の設計指針が変わる。
3. 根拠・詳細（How）
- 推論パイプラインの分離: PrefillフェーズをAMD Heliosの演算能力で並列処理し、DecodeフェーズをCerebras WSE-3のオンダイメモリで完結させることで、モデル重みの転送コストを排除する。
- ハードウェア仕様の統合: Heliosは72基のMI455X GPUと31TBのHBM4メモリを搭載し、FP4演算で2.9exaflopsの性能を確保。WSE-3は90万コアを搭載し、従来のGPUクラスタが10-12msを要する推論を10ms以下に短縮する。
4. 展望・課題（Next）
- 商用化のタイムライン: 具体的なAPI提供時期やクラウドプロバイダー経由の利用開始日は未定。今後のベンチマーク公開と実環境でのスケーラビリティ検証が焦点となる。