4 万亿晶体管
WSE-3 集成 4 万亿个晶体管，采用 5nm 制程，是上一代 WSE-2 的两倍性能，功耗和价格保持不变。
WSE-3
AI TOOL PROFILE工具资料Cerebras 第三代晶圆级 AI 芯片，4 万亿晶体管，驱动 CS-3 超级计算机
官网地址 https://www.cerebras.net/press-release/cerebras-announces-third-generation-wa…
价格官网未公开芯片与超级计算机价格，推理服务有开发者档位，新用户可获一次性 $5 促销额度。
平台API / 云服务 / 本地部署
归类大模型与开发平台
收录2026-05-13
复核2026-05-13
编辑评分
4.3 / 5
★★★★☆
WSE-3编辑总结
WSE-3 是 Cerebras Systems 于 2024 年 3 月发布的第三代晶圆级引擎，采用 5nm 制程，集成 4 万亿晶体管和 900,000 个 AI 优化计算核心。它驱动 CS-3 AI 超级计算机，提供 125 petaflops 峰值 AI 性能，支持训练高达 24 万亿参数的模型。其优势在于单芯片超大内存系统和数据并行训练能力，训练千亿参数模型如同在 GPU 上训练十亿参数模型一样简单。短板是功耗和散热要求极高，且价格官网未公开。
WSE-3是什么？
WSE-3 是 Cerebras Systems 推出的第三代晶圆级引擎（Wafer Scale Engine），由 CEO Andrew Feldman 领导的团队研发，面向训练业界最大规模 AI 模型的企业和超大规模计算需求。
根据官方发布信息，WSE-3 采用台积电 5nm 制程，拥有 4 万亿晶体管、900,000 个 AI 优化计算核心和 44GB 片上 SRAM。它驱动 Cerebras CS-3 AI 超级计算机，提供 125 petaflops 的峰值 AI 性能，外部内存可选 1.5TB、12TB 或 1.2PB。CS-3 可训练高达 24 万亿参数的模型，集群规模最多可扩展至 2048 个 CS-3 系统，合计提供高达 256 exaFLOPs 的算力。
对普通用户而言，WSE-3 本身不直接面向个人，而是通过 Cerebras 的云服务或合作伙伴 API 间接使用。开发者可以通过 Cerebras 软件框架使用 PyTorch 2.0 原生支持进行模型训练，或通过 AWS Marketplace、OpenRouter、HuggingFace、Vercel 等合作伙伴调用推理服务。企业用户则可以直接采购 CS-3 超级计算机，用于训练前沿大模型。
WSE-3核心功能
900,000 AI 核心
芯片包含 900,000 个 AI 优化计算核心，提供 125 petaflops 峰值 AI 性能，专为训练大规模模型设计。
44GB 片上内存
WSE-3 配备 44GB 片上 SRAM，外部内存可选 1.5TB、12TB 或 1.2PB，支持单逻辑内存空间存储 24 万亿参数模型。
CS-3 超级计算机
WSE-3 驱动 CS-3，可集群至 2048 个系统，提供高达 256 exaFLOPs 算力，用于训练比 GPT-4 和 Gemini 大 10 倍的前沿模型。
数据并行训练
CS-3 支持纯数据并行模式训练 1B 到 24T 参数模型，无需分区或重构，千亿参数模型训练如同 GPU 上十亿参数模型一样简单。
PyTorch 2.0 支持
Cerebras 软件框架原生支持 PyTorch 2.0，并支持多模态模型、视觉 Transformer、混合专家和扩散模型等最新技术。
动态稀疏加速
Cerebras 是唯一为动态和非结构化稀疏提供原生硬件加速的平台，可将训练速度提升高达 8 倍。
推理服务接入
Cerebras Inference 通过 AWS Marketplace、OpenRouter、HuggingFace、Vercel 等合作伙伴提供 API 接入，支持低延迟实时应用。
官方说明 ↗WSE-3值不值得用？
当需要训练超大规模模型（万亿参数级别）时，WSE-3 和 CS-3 值得考虑，其单芯片内存空间和数据并行能力可大幅简化工作流。当需求是中小规模训练或推理时，传统 GPU 集群可能更灵活、更经济。对于预算有限或需要快速试错的团队，建议先通过 Cerebras Inference 的开发者档位或合作伙伴 API 体验，再决定是否采购硬件。
建议选它的情况
- 需要训练 24 万亿参数级别的前沿大模型
- 希望用纯数据并行模式简化训练流程
- 需要动态稀疏硬件加速来提升训练速度
- 能接受较高功耗和散热要求的超大规模部署
不建议选它的情况
- 预算有限，无法承担超级计算机采购和运维成本
- 只需要小规模模型微调或推理
- 对硬件部署灵活性要求高，希望按需扩展 GPU 集群
WSE-3使用建议
入门先把路子走对
- 从云服务开始先通过 Cerebras Inference 的开发者档位或合作伙伴 API 测试模型推理，了解性能后再考虑硬件采购。
- 利用 $5 促销额度在 Cerebras Inference 添加有效支付方式可获得一次性 $5 促销额度，用于开发和实验。
- 查看支持模型列表在开发者档位页面查看完整支持模型列表，确认所需模型是否可用。
进阶省时间也省钱
- 使用纯数据并行训练 1B 到 24T 参数模型时，直接采用纯数据并行模式，无需分区或重构，可节省大量工程时间。
- 启用稀疏加速针对支持动态稀疏的模型，启用 Cerebras 硬件加速，训练速度可提升高达 8 倍。
- 评估集群规模根据模型大小选择 CS-3 集群规模，2048 个系统可在一天内从零训练 Llama 70B。
- 监控功耗预算CS-3 性能翻倍但功耗不变，部署时仍需按每系统功耗规划电力和冷却。
WSE-3适合谁用？
前沿大模型研究团队
推荐需要训练万亿参数级别模型，WSE-3 的单芯片内存和数据并行能力可简化工作流。
企业 AI 部门
有条件有大规模模型训练需求，可采购 CS-3 或通过云服务使用，但需评估成本和运维能力。
个人开发者
有条件可通过 Cerebras Inference 开发者档位或合作伙伴 API 体验推理，但无法直接使用 WSE-3 硬件。
预算有限的小团队
不推荐超级计算机采购和运维成本高，建议先用云服务或 GPU 集群替代。
WSE-3优点和缺点
优点
- 4 万亿晶体管，5nm 制程，性能是 WSE-2 的两倍
- 900,000 个 AI 核心，125 petaflops 峰值性能
- 44GB 片上 SRAM，外部内存最高 1.2PB
- 可训练 24 万亿参数模型，无需分区或重构
- 性能翻倍但功耗和价格与上一代相同
- 训练千亿参数模型如同 GPU 上十亿参数模型
- 纯数据并行模式简化训练工作流
缺点
- 芯片和超级计算机价格官网未公开
- 功耗和散热要求极高，部署门槛高
- 个人用户无法直接购买，只能通过云服务使用
- 集群规模扩展至 2048 系统，成本巨大
- 国内访问和购买渠道官网未说明
WSE-3关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 晶体管数量 | 4 trillion | Cerebras Systems 新闻稿 |
| AI 核心数 | 900,000 | Cerebras Systems 新闻稿 |
| 峰值 AI 性能 | 125 petaflops | Cerebras Systems 新闻稿 |
| 片上 SRAM | 44GB | Cerebras Systems 新闻稿 |
| 制程 | 5nm | Cerebras Systems 新闻稿 |
| 外部内存 | 1.5TB, 12TB, or 1.2PB | Cerebras Systems 新闻稿 |
| 最大模型参数量 | 24 trillion parameters | Cerebras Systems 新闻稿 |
| 集群规模 | 2048 CS-3 systems | Cerebras Systems 新闻稿 |
| 集群算力 | 256 exaFLOPs | Cerebras Systems 新闻稿 |
| 训练加速（稀疏） | 8x | Cerebras Systems 新闻稿 |
| GPT-3 实现代码行数 | 565 lines | Cerebras Systems 新闻稿 |
| 代码量减少 | 97% less code | Cerebras Systems 新闻稿 |
WSE-3常见问题
WSE-3 多少钱？免费吗？＋
WSE-3 芯片和 CS-3 超级计算机的价格官网未公开。Cerebras Inference 推理服务有开发者档位，新用户添加有效支付方式可获得一次性 $5 促销额度，该额度在激活后 30 天内有效，到期或耗尽后 API 和 Playground 访问将暂停，除非另行购买 PayGo 额度。
WSE-3 当前的主力能力是什么？＋
WSE-3 是 Cerebras 第三代晶圆级 AI 芯片，采用 5nm 制程，拥有 4 万亿晶体管、900,000 个 AI 核心、44GB 片上 SRAM，提供 125 petaflops 峰值 AI 性能，可训练高达 24 万亿参数的模型，集群规模最多 2048 个 CS-3 系统。
WSE-3 和 GPU 怎么选？＋
WSE-3 适合训练万亿参数级别的前沿大模型，支持纯数据并行和动态稀疏加速，训练千亿参数模型如同 GPU 上十亿参数模型一样简单。GPU 集群更适合中小规模训练和推理，部署更灵活，成本可能更低。具体选择需根据模型规模、预算和运维能力决定。
国内能用 WSE-3 吗？有什么限制？＋
官网未说明国内是否可以直接购买或使用 WSE-3 和 CS-3。Cerebras Inference 推理服务可通过 AWS Marketplace、OpenRouter、HuggingFace、Vercel 等合作伙伴接入，但国内访问这些服务的可用性需以各平台官方说明为准。
WSE-3 支持哪些 AI 框架和模型？＋
Cerebras 软件框架原生支持 PyTorch 2.0，并支持多模态模型、视觉 Transformer、混合专家和扩散模型等最新技术。开发者可以训练从 1B 到 24T 参数的模型，采用纯数据并行模式，无需分区或重构。
WSE-3 的能效怎么样？＋
CS-3 在性能翻倍的同时保持与上一代相同的功耗，而 GPU 功耗每代翻倍。Cerebras 称 CS-3 在更小空间和更低功耗下提供更多计算性能，但具体功耗数值官网未公开。
CS-3 训练 Llama 70B 需要多久？＋
根据官方发布信息，使用 2048 个 CS-3 系统，Llama 70B 可以从零开始在一天内完成训练；紧凑的四系统配置可以在一天内微调 70B 模型。
WSE-3竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| WSE-3本工具 | 4.3 | 官网未公开芯片与超级计算机价格，推理服务有开发者档位，新用户可获一次性 $5 促销额度。 | 4 万亿晶体管；900,000 AI 核心；44GB 片上内存；CS-3 超级计算机 | API / 云服务 / 本地部署 |
| Lightning | — | 未标价 | 世界上最快的文本到语音模型 | — |
| Animon | — | 未标价 | 世界上最好的免费动漫 AI 模型 | — |
| NEAR AI | — | 未标价 | 构建世界上最好的真正开放的人工智能，让用户拥有数据和 AI 的未来 | — |
| Claude 3 Haiku | — | 未标价 | 我们最快的 AI 模型，能应对各种企业级应用场景 | Web / API / Amazon Bedrock |
| SmolVLM-256M-Instruct | — | 未标价 | SmolVLM-256M 是世界上最小的多模态模型，可高效处理图像和文本输入并生成文本输 | — |
WSE-3最新动态
-
Cerebras 发布第三代晶圆级引擎 WSE-3
WSE-3 采用 5nm 制程，拥有 4 万亿晶体管和 900,000 个 AI 核心，驱动 CS-3 超级计算机，提供 125 petaflops 峰值性能。
官方公告 ↗
