Cerebras WSE-3——4兆トランジスタのウェハスケールAIチップ

「チップを大きくすれば、もっと速くなる」——この単純な発想を極限まで推し進めたのがCerebras Systemsだ。同社の第3世代ウェハスケールエンジンWSE-3は、300mmウェハの全面を1つのチップとして使用する。面積46,225mm²、トランジスタ数4兆個、AIコア90万個。通常のGPUチップ（約800mm²）の57倍の面積を持つ文字通り「巨大なチップ」だ。

Nvidia H200がAI学習の王者として君臨する中、Cerebrasは全く異なるアプローチで挑戦する。WSE-3はH200をどこまで脅かせるのか。Condor Galaxy 3スパコンの構想とあわせて徹底解説する。

ウェハスケールチップとは何か

通常の半導体製造では、300mmウェハ上に数十〜数百個の同一チップを並べて製造し、ダイシング（切断）して個々のチップに分離する。ウェハ上には必ず欠陥のあるダイ（不良品）が含まれるため、歩留まり（良品率）を管理するのが常識だ。

Cerebrasのウェハスケールエンジン（WSE）は、この常識を覆す。ウェハを切断せず、ウェハ全面を1枚の巨大チップとして使用する。当然、ウェハ上に欠陥部分は存在するが、WSEは冗長コアを備え、欠陥コアを自動的にバイパスする設計になっている。

以下の図は、WSE-3とNvidia H200のサイズ比較を示しています。

ウェハスケールの最大のメリットは、チップ内通信の高速化だ。通常のGPUクラスタでは、複数のGPU間をPCIeやNVLinkで接続するが、チップ間通信にはレイテンシとバンド幅の制約がある。WSEではすべてのコアが1枚のシリコン上のオンチップ配線で接続されるため、通信遅延がナノ秒オーダーに抑えられる。

WSE-3の技術仕様

項目	WSE-3	WSE-2	Nvidia H200
ダイサイズ	46,225 mm²	46,225 mm²	814 mm²
トランジスタ数	4兆	2.6兆	800億
AIコア数	90万	85万	16,896 (CUDA)
オンチップSRAM	44 GB	40 GB	96 MB (L2)
メモリ帯域幅 (オンチップ)	21 PB/s	20 PB/s	4.8 TB/s (HBM)
インターコネクト帯域	214 Pb/s	220 Pb/s	900 GB/s (NVLink)
外部メモリ	1.5 TB (DRAM)	1.2 TB (DRAM)	141 GB (HBM3e)
製造プロセス	TSMC 5nm	TSMC 7nm	TSMC 4nm
TDP	~23 kW	~23 kW	700 W
価格 (推定)	$3〜5M/システム	$2〜3M/システム	~$30K/GPU

44GBのオンチップSRAM

WSE-3の最も特異な仕様は、44GBのオンチップSRAMだ。通常のGPUではL2キャッシュが数十〜数百MBに過ぎないが、WSEは全コアに分散配置されたSRAMを合計すると44GBに達する。

このSRAMにモデルの重みをすべて格納できれば、外部メモリ（HBMやDRAM）へのアクセスが不要になり、メモリ帯域幅のボトルネックが消滅する。Cerebrasによると、パラメータ数数百億規模のLLMであれば、重みの大部分をオンチップSRAMに保持できるという。

90万AIコアのアーキテクチャ

WSE-3の90万AIコアは、それぞれ独立した演算ユニットとルーター（通信機構）を持つ。コア間通信はメッシュネットワークで構成され、各コアは最近傍の4コアと直接通信する。

この設計は、畳み込みニューラルネットワーク（CNN）や大規模言語モデル（LLM）のテンソル演算に適している。特にLLMのパイプライン並列処理では、モデルの各レイヤーを異なるコア群に割り当て、データをシリコン内で順次流していく。GPU間のネットワーク通信が不要なため、パイプラインバブル（待ち時間）が最小化される。

Condor Galaxy 3——WSE-3を64基搭載するスパコン

CerebrasはUAE（アラブ首長国連邦）のG42と共同で、WSE-3を搭載したスーパーコンピュータCondor Galaxy 3を構築中だ。

以下の図は、CS-3システムとCondor Galaxy 3の構成を示しています。

Condor Galaxy 3は、64基のCS-3システムをファブリックで接続する。合計演算性能は**256 ExaFLOPS（FP16）**で、Nvidia H200ベースのクラスタと比較して：

• 同一パラメータ数のLLM学習: 約3〜5倍の高速化（Cerebras公称）
• 電力効率: ワットあたり性能で約2倍（Cerebras公称）
• セットアップ時間: NvidiaクラスタのInfiniBand設定が不要で、大幅に簡素化

ただしこれらの数値はCerebrasの自社ベンチマークに基づいており、独立した第三者検証はまだ限定的だ。

Nvidia H200 / B200との比較——実際のところどうなのか

WSE-3の「90万コア」「4兆トランジスタ」という数値は印象的だが、実際のAIワークロードでの比較はより慎重に見る必要がある。

WSE-3が強い領域：

• メモリバウンドな推論: 大規模LLMの推論で、モデル全体がオンチップSRAMに収まる場合。HBMアクセスのレイテンシがないため圧倒的に速い
• パイプライン並列学習: GPU間通信がボトルネックになる超大規模学習で、オンチップ通信の低レイテンシが活きる
• スパースモデル: 重みのスパース性（ゼロが多い構造）を活用するモデルで、WSEのアーキテクチャが最適化されている

Nvidia H200/B200が強い領域：

• 汎用性: CUDAエコシステムの圧倒的な成熟度。PyTorch/JAXの最適化、デバッグツール、プロファイラーが充実
• コストパフォーマンス: H200は約$30K、WSE-3搭載CS-3は$3〜5M。同じ予算で100基以上のH200を購入可能
• 柔軟なスケーリング: GPU数を柔軟に増減可能。WSE-3は1ウェハ＝1チップで分割不可
• エコシステム: 数千社のソフトウェアベンダーがNvidiaに最適化。Cerebras向けの最適化はまだ限定的

CerebrasのIPOと事業展望

Cerebrasは2025年にIPOを計画していたが、米政府のG42（UAE）向け輸出規制の影響で延期された。2026年3月時点で、IPOは2026年後半に再設定されている。

同社の資金調達状況：

ラウンド	時期	金額	評価額
Series A〜E	2016〜2021	約$7.2億	$40億
Series F	2024	$2.5億	$41億
IPO (計画中)	2026年後半	未定	$70〜80億 (推定)

売上の大部分はG42との大型契約（Condor Galaxy 1〜3）に依存しており、顧客基盤の多様化が課題だ。IPOに向けて、北米・欧州の大手クラウドプロバイダーやAI企業への販売拡大を進めている。

日本への影響

研究機関での活用可能性

日本の主要AI研究機関（理化学研究所、産業技術総合研究所など）は、次世代スパコン計画でNvidiaベースの構成を中心に検討している。しかしWSE-3のメモリバウンド性能が実証されれば、特定の研究ワークロード（大規模言語モデル、創薬シミュレーション）での採用が検討される可能性がある。

クラウドでの利用

CerebrasはCerebrasCloudとしてクラウド推論サービスを提供している。日本からも利用可能で、Llama 3.1 70Bの推論を約2,100トークン/秒で実行できる（GPU比で約10倍の速度）。ただし料金は比較的高く、大量推論にはAWSやGoogle CloudのGPUインスタンスの方がコスト効率が良いケースも多い。

日本の半導体産業への示唆

WSEのウェハスケール技術は、「ウェハの欠陥を許容して冗長設計で補う」という従来とは異なるパラダイムだ。この考え方は、歩留まりの課題を抱えるRapidusなど日本の先端半導体プロジェクトにとっても参考になる。ただし、WSEレベルの冗長設計には膨大なエンジニアリング投資が必要で、すぐに応用できるものではない。

まとめ——ウェハスケールは「異端」から「選択肢」へ

Cerebras WSE-3は、半導体設計の常識を覆すアプローチで一定の成果を上げている。4兆トランジスタ、90万AIコア、44GBオンチップSRAMという仕様は、特定のAIワークロードで圧倒的な性能を発揮する。

ただし、CUDAエコシステムの壁は厚く、Nvidiaを完全に置き換えることは当面ない。WSE-3は「Nvidiaとは別の最適解」として、特化型AIワークロードでの採用拡大が現実的なシナリオだ。

今後のアクションステップ：

1. AIインフラ担当者: CerebrasCloudの無料トライアルでLlama推論速度を体験。GPU比での速度差を実感した上で、コスト対効果を自社ワークロードで試算
2. 半導体業界ウォッチャー: CerebrasのIPO（2026年後半予定）を追跡。IPO目論見書で明かされる売上構成・顧客名・利益率に注目
3. 研究者: スパースモデルやMixture of Experts（MoE）アーキテクチャの研究で、WSE-3の適合性を評価。Cerebrasの研究者プログラムへの参加も検討

「チップは切り出すもの」という常識が、Cerebrasによって書き換えられつつある。WSE-3はその最新章だ。