Imagine um chip do tamanho de um prato de jantar. Um único pedaço de silício tão grande que, para fabricá-lo, a empresa usa uma pastilha inteira de semicondutor — algo que a indústria passou décadas tentando evitar, porque quanto maior o chip, maior a chance de dar errado no meio do caminho. A Cerebras ignorou essa regra e construiu o CS-4, apresentado agora como o acelerador de IA mais rápido do mercado. A promessa é ousada: fazer a inferência de modelos de linguagem até 30 vezes mais rápida do que os sistemas com GPU.
Se você acompanha IA só pelos nomes dos modelos — GPT, Claude, Gemini — talvez nunca tenha ouvido falar da Cerebras. Mas é justamente essa empresa de Sunnyvale, na Califórnia, que está por trás de uma das apostas mais radicais do hardware de inteligência artificial. E o CS-4 chega num momento em que a velocidade deixou de ser luxo e virou o próprio produto.
Velocidade virou o novo gargalo da IA
Durante anos, a corrida da IA foi sobre tamanho: modelos cada vez maiores, treinados com quantidades absurdas de dados e de dinheiro. Mas algo mudou nos últimos meses. A IA agêntica — aquela que não só responde perguntas, mas executa tarefas, toma decisões em sequência e conversa com outras IAs — precisa pensar rápido.
Um agente que pesquisa a web, lê documentos, planeja os próximos passos e revisa o próprio trabalho pode gerar dezenas de milhares de tokens numa única tarefa. Se cada resposta demora vários segundos, a experiência fica inviável. Foi exatamente esse problema que a Cerebras decidiu atacar.
O que exatamente é o CS-4
O CS-4 é o novo sistema da Cerebras, e ele representa um salto em relação ao CS-3, o modelo anterior. Alguns números ajudam a dimensionar a diferença:
- Até 30x mais rápido na inferência em comparação com sistemas baseados em GPU;
- 10x mais throughput por watt do que o CS-3, o que significa fazer mais trabalho gastando menos energia;
- Mais de 1.000 tokens por segundo em modelos com mais de 10 trilhões de parâmetros;
- Latência de 2 microssegundos entre um wafer e outro, essencial para manter a fluidez em modelos gigantes.
O coração da máquina é o WSE-3 Turbo, uma versão turbinada do wafer-scale engine da geração anterior. Cada sistema reúne três desses wafers, e cada wafer entrega até duas vezes a velocidade da geração passada. Na prática, a Cerebras afirma que o CS-4 "desloca a fronteira de Pareto" da inferência — jargão de engenharia para dizer que ele entrega ao mesmo tempo mais velocidade e mais eficiência, algo que normalmente exige trocar um pelo outro.
A engenharia radical por trás da promessa
Para entender por que o CS-4 é diferente, vale entender o problema que ele resolve. Um cluster de GPUs é formado por milhares de chips menores que precisam conversar entre si o tempo todo. Essa comunicação consome energia, adiciona atraso e limita o tamanho do modelo que consegue rodar com fluidez.
A Cerebras elimina isso na raiz: em vez de juntar milhares de chips, ela fabrica um único chip gigante. Todo o modelo cabe dentro dele, com memória no próprio chip, então quase não existe "viagem" de dados entre processadores diferentes. É como ter uma cidade inteira dentro de um único prédio, em vez de depender de estradas para ir de um bairro a outro.
O design novo também ataca a parte "chata" e cara da infraestrutura: a montagem. O CS-4 introduz o Wafer-Scale Backpack, uma peça autocontida que dobra o wafer, a conversão de energia, o resfriamento líquido direto e a eletrônica de controle num único módulo com 50% menos componentes. A energia chega a apenas 0,5 milímetro do processador — cerca de 100 vezes mais perto do que nas placas de GPU convencionais, que ficam a ~50 milímetros. Isso reduz perdas e permite alimentar o chip com o dobro de potência, elevando a frequência e acelerando a geração de tokens.
O resultado prático, diz a empresa, é que a implantação cai de dias para horas. Numa infraestrutura de data center, onde tempo é dinheiro, essa diferença é enorme.
Por que isso importa para a IA que você usa
A aposta da Cerebras não é vencer a NVIDIA no mercado de treinamento — pelo menos não por enquanto. É ser a melhor opção em inferência: a etapa em que o modelo já treinado gera as respostas. E é nessa etapa que o dinheiro está migrando, porque é ela que acontece toda vez que alguém usa um chatbot, um assistente ou um agente de IA.
Com o CS-4 entregando mais de mil tokens por segundo em modelos de 10 trilhões de parâmetros, a experiência de conversar com uma IA se aproxima da conversa humana em tempo real — sem aquela pausa de "digitando...". Para agentes que precisam encadear dezenas de passos, isso pode significar a diferença entre uma tarefa que leva minutos e uma que leva segundos.
Vale um contexto: a Cerebras não é uma novata. Fundada em 2015 e liderada por Andrew Feldman, ela já vinha quebrando recordes com os chips WSE-1, WSE-2 e WSE-3, este último lançado em 2024 com 4 trilhões de transistores e cerca de 900 mil núcleos. O CS-4 é a consolidação dessa aposta de uma década: transformar a ideia do "chip gigante" de curiosidade de laboratório em produto de data center.
Por que todo mundo não faz um chip gigante?
Se a ideia é tão boa, por que as outras empresas não fabricam wafers inteiros? A resposta curta: porque é muito difícil. Um wafer de silício tem, naturalmente, pequenas imperfeições — os chamados defeitos de fabricação. Num chip tradicional, os pedaços com defeito são simplesmente descartados, e o resto é vendido. Já num wafer-scale, um único defeito pode inutilizar o processador inteiro, porque não dá para "cortar" só a parte ruim.
A Cerebras teve que inventar uma arquitetura com redundância embutida: se um núcleo falha, os vizinhos assumem o trabalho, e o roteamento dos dados simplesmente contorna a área defeituosa. É uma façanha de engenharia que poucos no mundo dominam, e é exatamente isso que protege a empresa da concorrência — não é só uma questão de querer copiar, é uma questão de décadas de conhecimento acumulado.
Também ajuda a entender a briga com a NVIDIA. A NVIDIA domina o mercado com uma vantagem imensa de software: o ecossistema CUDA, que os desenvolvedores já usam há mais de uma década. A Cerebras não tenta vencer nesse terreno. Ela aposta que, em inferência — o uso diário, repetitivo e sensível a custo — a vantagem brutal de velocidade e eficiência energética do wafer-scale vale mais do que a familiaridade do software. É uma aposta de nicho, mas um nicho que cresce a cada agente de IA colocado em produção.
O que isso significa para o Brasil
Para quem acompanha IA de fora, o CS-4 pode parecer mais uma peça de hardware distante. Mas ele toca num ponto sensível para o Brasil: o custo de processamento. Grande parte da inovação em IA por aqui depende de alugar capacidade de computação em nuvem — normalmente paga em dólar, com preços definidos por gigantes americanos.
Se tecnologias como o CS-4 barateiam e aceleram a inferência, o efeito cascata chega a quem desenvolve aplicações no Brasil: chatbots mais responsivos, agentes mais baratos de operar e, no limite, mais viabilidade para startups que querem construir produtos em cima de IA sem quebrar o caixa com conta de GPU. A competição no hardware também tende a derrubar preços, e isso beneficia diretamente quem consome, não quem fabrica.
O CS-4 começa a ser enviado ainda neste trimestre. Se ele cumprir o que promete, a pergunta deixa de ser "quando a IA vai ficar mais rápida?" e passa a ser "o que vamos construir quando a velocidade deixar de ser o limite?". Para o Brasil — e para qualquer lugar que queira participar dessa revolução sem ser apenas espectador — essa é uma pergunta que vale a pena começar a responder agora.