Nvidia dominerer stadig AI-træning, men inference, altså selve kørslen af en færdigtrænet model, er et andet spil. To nye systemer presser sig nu ind i det rum: Amazons AWS Trainium3, der blev gjort generelt tilgængeligt i Trn3 UltraServer-form i december 2025, og Cerebras’ CS-4, som blev præsenteret i august 2026 på en helt ny rack-skala-platform kaldet Nexus. Begge sælger sig selv som Nvidia-alternativer. Ingen af dem konkurrerer dog på nøjagtig samme bane. Trainium3 er bygget til skaleret cloud-træning og “prefill”, mens Cerebras’ wafer-chip er optimeret til lynhurtig token-generering, altså “decode”. Denne artikel stiller de to op mod hinanden på specifikationer, pris og reelle brugsscenarier, så du kan vurdere hvilken platform der passer til din AI-arbejdsbyrde.

To nye bud på AI-inference uden Nvidia

Nvidias H100, H200 og B200 sidder stadig tungt på markedet for AI-chips, men prisen og ventetiderne på GPU-kapacitet har fået både hyperscalere og specialiserede hardwarefirmaer til at bygge egne acceleratorer. AWS har kørt sit Trainium-program siden 2021, og med tredje generation lægger Amazon vægt på, at kunder kan træne og køre inference på samme chip-familie uden at skifte platform. Cerebras går en anden vej. Firmaet bygger hele sin forretning på wafer-scale-teknologi, hvor en komplet 300mm-silicium-wafer fungerer som én enkelt, kæmpe chip i stedet for at blive skåret ud i tusindvis af små dies.

Forskellen i tilgang betyder, at de to platforme sjældent konkurrerer om præcis det samme workload. AWS beskriver selv en opsplitning, hvor Trainium håndterer den beregningstunge prefill-fase af en forespørgsel, mens hukommelsesbåndbredde-hungrende decode-opgaver kan sendes til en wafer-scale-accelerator som Cerebras’. Det gør sammenligningen mere interessant end endnu et rent specifikationsslagsmål, for de to chips er designet til at løse forskellige flaskehalse i den samme AI-pipeline.

For danske og nordiske virksomheder, der kører egne LLM-baserede produkter eller overvejer at flytte inference væk fra dyre Nvidia-instanser, er spørgsmålet ikke længere kun “hvilken GPU er hurtigst”. Det er “hvilken arkitektur passer til min trafikprofil, min model og mit budget”. Den vinkel er det, denne sammenligning forsøger at besvare.

Det sker samtidig med, at hele AI-hardwaremarkedet er under pres fra en global hukommelsesmangel, som rammer Nvidia, AWS og en lang række andre chipproducenter forskelligt afhængigt af, hvilken type hukommelse deres arkitektur bygger på. Den detalje er en vigtig del af historien, fordi den kan ændre både pris og tilgængelighed på begge platforme i løbet af 2027, uanset hvad specifikationsarkene siger i dag.

Hvad er AWS Trainium3?

Trainium3 er Amazons tredje generation af egenudviklede AI-acceleratorer og er målrettet både træning og inference af store sprogmodeller. Ifølge AWS’ egen produktside leverer hver Trainium3-chip 144 GB HBM3e-hukommelse og en båndbredde på 4,9 TB/s, hvilket er cirka 1,7 gange så meget som forgængeren Trainium2. Hver chip er opgivet til 2,52 PFLOPS FP8-regnekraft, og AWS har bygget otte store beregningskerner ind i chippen sammen med dedikerede Tensor-, Vector-, Scalar- og GPSIMD-enheder, der kan arbejde parallelt.

En vigtig detalje for moderne modeller er, at Trainium3 har indbygget hardwarestøtte til Mixture-of-Experts-routing. De fleste nye flagskibsmodeller, inklusive flere 2026-generationer, bruger MoE-arkitektur til at holde beregningsomkostningerne nede, så den type hardwareunderstøttelse betyder noget i praksis, ikke kun på papiret.

Den store nyhed er dog skalering. AWS’ Trn3 UltraServer kan koble op til 144 Trainium3-chips sammen i én enhed. Ifølge AWS’ lancerings-announcement fra december 2025 leverer et fuldt Trn3 UltraServer-system op til 362 PFLOPS i MXFP8-regnekraft, 20,7 TB samlet HBM3e-hukommelse og 706 TB/s samlet hukommelsesbåndbredde. Det er tal, der placerer Trn3 i samme liga som Nvidias største GB200/GB300-rack-systemer, i hvert fald på papiret.

Trainium3 og Trn3 UltraServers blev gjort generelt tilgængelige fra 2. december 2025, så platformen er stadig under et år gammel. AWS har løbende opdateret Neuron-softwarestakken gennem 2026, hvilket gør efteråret 2026 et naturligt tidspunkt at vurdere, hvor moden platformen reelt er blevet.

Hvad er Cerebras CS-4 og wafer-scale-arkitekturen?

Cerebras har siden 2019 bygget sin forretning på ét grundlæggende princip: i stedet for at skære en silicium-wafer op i hundredvis af små GPU-dies, bruger Cerebras hele waferen som én sammenhængende chip. Det firmaet kalder Wafer Scale Engine (WSE) er resultatet, og CS-4-systemet, som blev præsenteret i august 2026, er den nyeste generation bygget på en ny rack-skala-platform ved navn Nexus.

Ifølge Cerebras’ egen lancering leverer et CS-4-system 750 PFLOPS AI-regnekraft, en I/O-båndbredde på 7,2 Tb/s og en intern hukommelsesbåndbredde på hele 129,6 PB/s. Til sammenligning er WSE-3T-chippen alene opgivet til 250 PFLOPS pr. wafer og 43,2 PB/s i intern båndbredde. Forskellen mellem chip-tal og system-tal skyldes, at CS-4 kobler flere wafer-scale-enheder sammen i samme rack via Nexus-platformen, på samme måde som AWS kobler flere Trainium3-chips sammen i et Trn3 UltraServer.

Det, der adskiller Cerebras fra både Nvidia og AWS, er hukommelsestypen. Hvor Trainium3 og Nvidias GPU’er bruger HBM3e, der sidder uden på selve regnechippen, placerer Cerebras enorme mængder SRAM direkte på waferen. Det eliminerer stort set den klassiske flaskehals, hvor data skal pendle frem og tilbage mellem regnekerne og ekstern hukommelse, hvilket er netop den flaskehals, der normalt bremser token-generering (decode) i store sprogmodeller.

Specifikationer side om side

Nedenfor er de centrale, officielt opgivne specifikationer for begge platforme. Bemærk, at Cerebras og AWS ikke altid måler på samme niveau (chip vs. fuldt system), så tallene er markeret, hvor det er relevant.

SpecifikationAWS Trainium3 (pr. chip)Cerebras WSE-3T / CS-4
LanceringGA 2. december 2025Annonceret 18. august 2026
HukommelsestypeHBM3eOn-wafer SRAM
Hukommelse pr. chip144 GBIkke opgivet som separat GB-tal (integreret SRAM)
Hukommelsesbåndbredde (chip)4,9 TB/s43,2 PB/s (WSE-3T)
Regnekraft (chip)2,52 PFLOPS FP8250 PFLOPS (WSE-3T)
I/O-båndbredde (system)Ikke separat opgivet7,2 Tb/s (CS-4)
Hukommelsesbåndbredde (fuldt system)706 TB/s (Trn3 UltraServer, 144 chips)129,6 PB/s (CS-4)
Samlet regnekraft (fuldt system)362 PFLOPS MXFP8 (Trn3 UltraServer)750 PFLOPS (CS-4)
SkaleringOp til 144 chips pr. UltraServerRack-skala via Nexus-platform
MoE-hardwarestøtteJa, indbygget routingUnderstøttet via software-stack
Primær styrkePrefill, træning, skaleret cloud-kapacitetDecode og lav-latency token-generering
TilgængelighedAWS-cloud (udvalgte regioner)Cerebras-cloud og udvalgte cloud-partnere

Tabellen illustrerer, hvorfor et direkte “hvem vinder på specs” ikke giver mening. AWS måler sin regnekraft og båndbredde i TB/s og PFLOPS pr. chip, ganget op over 144 enheder. Cerebras måler på waferniveau, hvor hele chippen i praksis fungerer som ét enormt, sammenhængende regneunivers. De to tal er ikke direkte substituerbare, men de fortæller hver sin historie om, hvor pengene er investeret: AWS i skalerbar HBM3e-kapacitet, Cerebras i rå intern båndbredde.

Ydelse og benchmarks: tokens pr. sekund

Rå PFLOPS siger ikke meget om, hvor hurtigt en chatbot eller et API faktisk svarer. Her bliver tokens pr. sekund den mest konkrete målestok, selvom metoderne bag tallene ikke altid er identiske mellem leverandører.

Cerebras har historisk markedsført sin Inference-cloud med meget høje tokens-per-sekund-tal. I firmaets egen “instant speed”-annoncering for Cerebras Inference er Llama 3.1 8B opgivet til omkring 1.800 tokens pr. sekund, mens Llama 3.1 70B er opgivet til omkring 450 tokens pr. sekund. Cerebras har selv beskrevet det som op til cirka 20 gange hurtigere end traditionel GPU-baseret inference hos store hyperscalere, en sammenligning der stammer fra firmaets egen benchmarking og derfor bør læses som et leverandørtal, ikke en uafhængig test.

AWS har ikke offentliggjort et direkte sammenligneligt tokens-per-sekund-tal for Trainium3 på samme modeller, hvilket gør en 1:1-sammenligning svær. Det AWS i stedet fremhæver, er samlet systemgennemløb og skalerbarhed: Trn3 UltraServer er bygget til at håndtere mange samtidige forespørgsler på tværs af 144 chips, snarere end at optimere for den enkelte brugers svartid.

Konklusionen fra de tilgængelige kilder er derfor forsigtig, men klar: Cerebras’ arkitektur er bygget til at minimere latency pr. token, hvilket giver mening, når SRAM-hukommelsen sidder lige ved siden af regnekernerne i stedet for at skulle hentes via en ekstern HBM3e-bus. AWS’ styrke ligger i stedet i samlet kapacitet og fleksibilitet, altså hvor mange forespørgsler og hvor store modeller man kan køre parallelt på tværs af en hel cloud-flåde. En fair, uafhængig benchmark kræver samme model, præcision, batch-størrelse og kontekstlængde på begge platforme, og det findes ikke offentligt endnu for CS-4 og Trn3 side om side.

For at give et bredere billede er det værd at sammenholde tal fra flere kilder, i stedet for kun at læne sig op ad én leverandørs marketing. Tabellen nedenfor samler tre forskellige kilder: Cerebras’ egen officielle lancering, en uafhængig tredjeparts-opsamling af tidligere målte resultater, og markedsprisdata, der indirekte afspejler, hvor meget ydelse man reelt får for pengene på Nvidia-baseret infrastruktur.

KildeModelMålt/opgivet ydelseType kilde
Cerebras officiel “Instant Speed”-lanceringLlama 3.1 8B~1.800 tokens/sekundLeverandørens egne tal
Cerebras officiel “Instant Speed”-lanceringLlama 3.1 70B~450 tokens/sekundLeverandørens egne tal
Anygen.io, tredjeparts-opsamlingLlama 3.1 70B~2.100 tokens/sekund (tidligere målt resultat)Uafhængig opsamling, anden måleperiode
Coloprice.com, markedsprisanalyseNvidia H100/B200 (GPU-baseret sammenligning)1,40-14,24 USD/time afhængigt af udbyderMarkedsprisdata, indirekte ydelses-per-dollar-mål

Forskellen mellem Cerebras’ egne 450 tokens/sekund og tredjepartskildens 2.100 tokens/sekund for samme model illustrerer præcis, hvorfor benchmark-tal fra AI-hardwarebranchen skal læses med forbehold. De to tal stammer fra forskellige måleperioder og formentlig forskellige test-betingelser, såsom batch-størrelse, kontekstlængde og hvor mange samtidige forespørgsler systemet betjente, da målingen blev taget. Det ændrer ikke ved den overordnede konklusion om, at Cerebras’ arkitektur er bygget til høj token-hastighed, men det bør gøre enhver køber forsigtig med at tage et enkelt markedsføringstal for pålydende værdi uden selv at teste på egne data.

Hukommelseskrisen: HBM-mangel rammer de to platforme forskelligt

Ingen sammenligning af AI-hardware i 2026 er fuldstændig uden at nævne hukommelseskrisen. HBM-markedet (High Bandwidth Memory) er strammet markant gennem året, og det rammer de to platforme forskelligt, fordi de bogstaveligt talt bruger forskellig hukommelsesteknologi.

Ifølge analysefirmaet TrendForce ventes HBM-priserne at mere end fordobles i det kommende år, og en separat TrendForce-prognose peger på en stigning på 121 procent år-til-år i gennemsnitlige HBM-salgspriser for 2027, blandt andet drevet af den dyrere HBM4-generation. Samsung og SK Hynix, to af verdens største hukommelsesproducenter, faldt ifølge en rapport citeret af KB Securities til under 10 dages lagerbeholdning af færdigvarer pr. 7. september 2026, et tal der illustrerer, hvor lille bufferen reelt er blevet i det globale hukommelsesmarked.

SK Hynix har ifølge TrendForce måttet udskyde massefremstillingen af HBM4 til tredje kvartal af 2026 på grund af synkroniseringsproblemer i interfacet, mens noget produktionskapacitet er blevet omdirigeret til DDR5 og LPDDR5. Samsung begyndte ifølge rapporterne HBM4-massefremstilling i februar 2026, og TrendForce rapporterede senere, at udbyttet var forbedret fra under 60 procent til omkring 80 procent. Meget af den tilgængelige HBM4-kapacitet prioriteres i øjeblikket til Nvidias kommende Vera Rubin-platform, hvilket lægger yderligere pres på resten af markedet, inklusive AWS’ Trainium-serie. Center for Strategic and International Studies vurderer, at branchen forventer, at manglen fortsætter gennem 2027 og potentielt 2028, før betydelig ny kapacitet bliver tilgængelig.

Her bliver arkitekturforskellen mellem de to platforme pludselig en forretningsmæssig fordel for Cerebras. Fordi CS-4 bruger SRAM integreret direkte på waferen i stedet for eksterne HBM-stakke, er platformen i en snæver, arkitektonisk forstand mindre direkte afhængig af SK Hynix, Samsung og Micron’s HBM-leverancer og dermed mindre eksponeret for HBM-kontraktprisstigninger. Det betyder dog ikke, at Cerebras er fuldstændig isoleret fra den bredere halvlederkrise: firmaet er stadig afhængigt af avanceret foundry-kapacitet, wafer-forsyning, pakning, substrater, netværk og strømforsyning, ligesom resten af branchen. SRAM fylder desuden markant mere silicium-areal end tilsvarende DRAM-kapacitet, så fraværet af HBM betyder ikke, at Cerebras får samme hukommelseskapacitet til samme pris, kun at flaskehalsen flytter sig til et andet sted i forsyningskæden.

For AWS betyder HBM-manglen potentielt højere produktionsomkostninger eller leveringstider på fremtidige Trainium-generationer, da Trainium3 i lighed med Nvidias GPU’er er direkte afhængig af HBM3e-stakke. Der findes dog intet offentligt, specifikt tal for, hvor meget AWS’ egen HBM-allokering eller prisudvikling er påvirket, så den konklusion må betragtes som en strukturel risiko snarere end en bekræftet, kvantificeret effekt på Trn3-platformen i dag.

Pris og tilgængelighed i 2026

Prisbilledet er markant forskelligt mellem de to platforme, og det skyldes dels forskellige forretningsmodeller, dels at Trn3 stadig er en meget ny platform.

Cerebras sælger primært inference via et API med pay-per-token-prissætning. Ifølge Cerebras’ egen lancering koster Llama 3.1 70B 0,60 USD pr. million tokens på selvbetjenings-tieret, mens Llama 3.1 8B koster 0,10 USD pr. million tokens. Det gør det nemt for udviklere at regne på konkrete workloads, uden at skulle leje hele serverracks.

AWS har, så vidt det kan verificeres i offentligt tilgængeligt materiale pr. 1. oktober 2026, endnu ikke offentliggjort et fast timepris- eller pris-pr-chip-tal for Trn3-instanser. Trn3 markedsføres i stedet via AWS’ produktside og tilgås gennem EC2-prisberegneren, hvor prisen afhænger af region, instansstørrelse og eventuelle reserverede aftaler. Det står i kontrast til ældre Nvidia-baserede alternativer, hvor markedspriser er bedre dokumenterede.

For at give et realistisk sammenligningsgrundlag er det værd at kigge på, hvad markedet betaler for Nvidia-kapacitet lige nu, da det er det, både AWS og Cerebras reelt konkurrerer med.

Platform / instansPrismodelOpgivet pris
Cerebras Inference, Llama 3.1 70BPay-per-token (Developer tier)0,60 USD pr. mio. tokens
Cerebras Inference, Llama 3.1 8BPay-per-token (Developer tier)0,10 USD pr. mio. tokens
AWS Trn3 UltraServerEC2 on-demand / reserveretIngen offentlig timepris pr. okt. 2026
Nvidia H100, neocloud-udbydereTimelejeCa. 1,40-2,60 USD/time
Nvidia H100, hyperscaler-cloudTimelejeCa. 6-12 USD/time
Nvidia B200, neocloud-udbydereTimelejeCa. 3,70-6,00 USD/time
Nvidia B200, AWS P6-instansTimelejeOp til ca. 14,24 USD/time

Tallene for Nvidia-leje er markedsestimater og ikke officielle listepriser, da Nvidia primært sælger hardware gennem OEM-partnere og systemleverandører frem for at udgive en universel timepris selv. Alligevel giver de et billede af, hvor stor variationen er, afhængigt af om man lejer kapacitet hos en specialiseret “neocloud” eller hos en af de tre store hyperscalere.

Arkitektur: HBM3e vs. SRAM, og hvorfor det betyder noget

For at forstå, hvorfor de to platforme performer forskelligt, må man kigge under motorhjelmen.

HBM3e-hukommelsen i Trainium3

HBM3e (High Bandwidth Memory) er den samme grundlæggende hukommelsesteknologi, som sidder i Nvidias H200 og B200. Den er stablet i lag lige ved siden af selve regnechippen og giver en god balance mellem kapacitet og båndbredde. Trainium3s 144 GB pr. chip og 4,9 TB/s båndbredde ligger i den øvre ende for den type hukommelse, men data skal stadig fysisk rejse fra HBM3e-stakken over en interconnect til regnekernerne. Det er hurtigt, men det er ikke nul-latency.

SRAM og wafer-scale-tilgangen i Cerebras

Cerebras’ løsning er at droppe den eksterne hukommelsesbus helt. Ved at bygge SRAM direkte ind i selve waferen, lige ved siden af regnekernerne, undgår WSE-arkitekturen den rejsetid, som HBM-baserede chips er underlagt. Det er grunden til, at CS-4 kan opgive en intern båndbredde på 129,6 PB/s, et tal der er flere størrelsesordener højere end selv de mest avancerede HBM3e-systemer. Prisen for den fordel er, at SRAM generelt er dyrere pr. gigabyte end HBM, og at hele waferen skal fungere som én enhed, hvilket historisk har været en produktionsmæssig udfordring, Cerebras har brugt over syv år på at løse.

Konsekvensen i praksis: jo større og mere hukommelseskrævende en model er under selve genereringen af tekst, jo mere kan Cerebras’ arkitektur udnytte sin fordel. Jo mere en arbejdsbyrde handler om rå, parallel gennemstrømning på tværs af mange samtidige brugere, jo mere giver AWS’ skalerbare HBM3e-tilgang mening.

Prefill vs. decode: hvorfor AWS kombinerer begge platforme

En af de mest interessante detaljer i 2026 er, at AWS og Cerebras ikke udelukkende konkurrerer med hinanden. De to firmaer har offentligt beskrevet en opsplitning, hvor inference-processen deles i to faser: prefill, hvor modellen læser og behandler hele inputtet (prompten), og decode, hvor modellen genererer ét token ad gangen baseret på det, den allerede har læst.

Prefill er typisk beregningstungt og kan køre effektivt parallelt, hvilket passer godt til Trainium3s store, skalerbare HBM3e-kapacitet. Decode er derimod hukommelsesbåndbredde-begrænset, fordi modellen konstant skal slå op i sin egen tilstand for hvert nyt token, hvilket er præcis den type opgave, Cerebras’ SRAM-baserede wafer er designet til at løse hurtigt. Ved at lade Trainium håndtere prefill og en wafer-scale-accelerator som Cerebras håndtere decode, kan man i teorien få det bedste fra begge arkitekturer i samme pipeline, i stedet for at tvinge én chip-type til at løse begge opgaver lige godt.

Det er en vigtig pointe for danske virksomheder, der overvejer egen AI-infrastruktur: valget står sjældent mellem “enten Trainium eller Cerebras”. I mange tilfælde er det mere relevant at spørge, om man overhovedet har et workload, der er stort nok til at retfærdiggøre en opdelt pipeline, eller om en enkelt, simplere platform er nok.

Reelle brugsscenarier og eksempler

Begge platforme er stadig unge i markedet, men brugsmønstrene begynder at tegne sig tydeligere. Her er fem konkrete scenarier, hvor valget mellem Trainium3 og Cerebras CS-4 typisk falder forskelligt ud.

  • Stor cloud-baseret chatbot med millioner af samtidige brugere: Her giver AWS Trn3 UltraServers mening, fordi arbejdsbyrden kræver massiv parallel kapacitet og allerede kører i AWS’ økosystem sammen med andre tjenester som S3, Bedrock og SageMaker.
  • Lav-latency kundeservice-bot, hvor svartid er kritisk: Cerebras Inference er bygget til hurtig token-generering, så en virksomhed, hvor hvert sekunds ventetid koster konverteringer, kan have gavn af den lavere decode-latency.
  • Intern model-træning på egne data: Trainium3 er designet til både træning og inference på samme hardware, hvilket gør det enklere for teams, der vil finjustere egne modeller uden at skifte platform mellem trænings- og inferensfasen.
  • API-produkt med uforudsigelig, bursty trafik: Cerebras’ pay-per-token-model på Developer-tieret gør det nemt at starte småt og skalere betalingen med den faktiske brug, uden at skulle reservere hele instanser på forhånd.
  • Forskningsmiljø, der eksperimenterer med store kontekstvinduer: Den store samlede HBM3e-kapacitet i et Trn3 UltraServer-system (20,7 TB) kan være en fordel, når man arbejder med meget lange prompts eller dokumentanalyse, hvor hukommelseskapacitet, ikke kun båndbredde, er flaskehalsen.
  • Dokumentanalyse og sammenfatning af store juridiske eller finansielle tekster: Når opgaven primært er at læse og forstå et stort dokument, før modellen skal svare kort, ligger belastningen tungere på prefill end på decode. Her spiller Trainium3s store samlede HBM3e-kapacitet godt sammen med opgavens karakter, fordi der skal være plads til at holde hele dokumentet i hukommelsen ad gangen.

Fælles for alle seks scenarier er, at valget sjældent handler om, hvilken platform der er “bedst” i absolut forstand. Det handler om, hvilken flaskehals i ens egen pipeline man forsøger at løse, prefill-kapacitet, decode-latency, træningsfleksibilitet, betalingsmodel eller hukommelseskapacitet. En virksomhed, der blander flere af disse behov i samme produkt, ender ofte med at bruge mere end én platform parallelt, frem for at vælge én vinder for hele arkitekturen.

Skalering: Trn3 UltraServer vs. CS-4 Nexus

Begge platforme har forladt tanken om, at én enkelt chip er nok til moderne AI-arbejdsbyrder. AWS’ svar er Trn3 UltraServer, som kobler op til 144 Trainium3-chips sammen i én logisk enhed via AWS’ interne interconnect. Det giver en samlet kapacitet på 362 PFLOPS og 20,7 TB HBM3e, som kan allokeres fleksibelt på tværs af AWS’ regioner, afhængigt af hvor kunden kører sine øvrige cloud-tjenester.

Cerebras’ svar er Nexus, en rack-skala-platform, der kobler flere CS-4-systemer sammen. Fordi hvert CS-4-system allerede indeholder en hel wafer som sin grundlæggende byggesten, handler Nexus’ skalering mere om at koble flere “super-chips” sammen end om at samle tusindvis af mindre GPU’er, som traditionelle Nvidia-klynger gør. Det reducerer i teorien antallet af netværksled, data skal krydse, hvilket er en del af forklaringen på de meget høje I/O- og båndbreddetal, Cerebras opgiver for CS-4.

For en virksomhed, der overvejer at bygge egen infrastruktur frem for at leje kapacitet i clouden, er den praktiske forskel også relevant: Trn3 er i udgangspunktet en AWS-cloud-tjeneste, mens Cerebras’ hardware historisk også har kunnet købes eller leases til on-premise-installationer hos udvalgte kunder, ud over adgangen via Cerebras’ egen cloud og cloud-partnere.

Netværkstopologien spiller også en rolle, som ofte overses i rene specifikationssammenligninger. Når AWS kobler 144 individuelle Trainium3-chips sammen i et Trn3 UltraServer, skal data stadig krydse et internt netværk mellem chips, selv om det er optimeret til formålet. Cerebras’ tilgang med én sammenhængende wafer reducerer antallet af sådanne “hop” inden for selve regneenheden, men når flere CS-4-systemer kobles sammen via Nexus på rack-niveau, opstår en lignende netværksudfordring, blot på et andet lag i arkitekturen. Begge firmaer har med andre ord flyttet problemet, ikke fjernet det, hvilket er værd at huske, når man vurderer marketingmateriale, der lover lineær skalering.

Software og økosystem

AWS Neuron SDK

AWS’ Trainium-platform styres gennem Neuron SDK’et, som er dokumenteret i AWS’ officielle Neuron-arkitekturdokumentation. Neuron understøtter integration med populære rammer som PyTorch og JAX, og fordi Trainium lever inde i AWS’ eget cloud-økosystem, kan teams, der allerede bruger SageMaker, Bedrock eller almindelige EC2-instanser, i teorien integrere Trn3 uden at forlade AWS-konsollen. Det er en fordel for organisationer, der allerede har investeret tungt i AWS som skyplatform, men det betyder også, at man i praksis binder sig til AWS’ prissætning og regionstilgængelighed.

Cerebras’ softwarestak

Cerebras tilbyder adgang primært via et API, der minder om andre LLM-inference-API’er, hvilket gør det nemt at komme i gang uden dybere hardwareviden. Den lave adgangstærskel er en del af strategien bag Cerebras Inference: udviklere skal kunne skifte en enkelt API-endpoint-URL og få markant hurtigere token-generering uden at skulle omskrive deres applikation fra bunden. Til gengæld er Cerebras’ økosystem mindre tæt koblet til bredere cloud-infrastruktur-tjenester end AWS’, hvilket kan betyde mere integrationsarbejde, hvis man har brug for tung datapipeline-infrastruktur omkring selve inference-kaldet.

Migrationsguide: sådan flytter du din inference-workload

Hvis din organisation i dag kører inference på Nvidia-baseret GPU-kapacitet og overvejer at teste enten Trainium3 eller Cerebras CS-4, er her en praktisk tilgang til at komme i gang uden at kaste hele produktionsmiljøet om på én gang.

  1. Kortlæg din nuværende workload: skelner du reelt mellem prefill og decode i din pipeline, eller kører du alt på samme hardware i dag? Det afgør, om en opsplittet arkitektur overhovedet giver mening for dig.
  2. Identificér din model: tjek, om din model (eller en kompatibel variant som Llama 3.1-familien) allerede understøttes på Cerebras Inference eller via AWS Neuron SDK, før du planlægger en fuld migration.
  3. Start med et lille, isoleret API-kald via Cerebras’ Developer-tier eller en enkelt Trn3-baseret EC2-instans, og mål faktisk latency og gennemløb på dine egne prompts, ikke kun leverandørens benchmark-tal.
  4. Sammenlign dine målte tal med din nuværende Nvidia-baserede baseline, inklusive den fulde pris pr. million tokens eller pr. time, ikke kun rå hastighed.
  5. Test fejl-håndtering og rate limits under realistisk belastning, især hvis du flytter til en pay-per-token-model, hvor uforudsete trafikspidser kan påvirke regningen markant.
  6. Kør et parallelt A/B-setup i produktion i en afgrænset periode, hvor en del af trafikken sendes til den nye platform, mens resten forbliver på din eksisterende løsning.
  7. Evaluér efter 2-4 uger på tre parametre: faktisk svartid for slutbrugeren, samlet omkostning og driftsstabilitet, før du beslutter en fuld migration.

Et simpelt eksempel på, hvordan et API-kald til Cerebras Inference kan se ud for en Python-baseret applikation, der tester Llama 3.1 70B:

from cerebras.cloud.sdk import Cerebras

client = Cerebras(api_key="DIN_API_NOEGLE")

response = client.chat.completions.create(
    model="llama3.1-70b",
    messages=[
        {"role": "user", "content": "Forklar forskellen paa prefill og decode i AI-inference"}
    ],
)

print(response.choices[0].message.content)

Og tilsvarende for en AWS-baseret test, hvor man via AWS CLI undersøger tilgængelige Trn3-instanstyper i sin region, før man booker kapacitet:

aws ec2 describe-instance-type-offerings \
  --location-type availability-zone \
  --filters Name=instance-type,Values=trn3* \
  --region us-east-1

Begge eksempler er bevidst holdt enkle. Pointen med migrationsfasen er ikke at bygge hele arkitekturen om på dag ét, men at få et lille, målbart datapunkt, du selv kan stole på, før du forpligter dig til en af platformene i stor skala.

Fordele og ulemper ved AWS Trainium3

Fordele: Trainium3 er tæt integreret med resten af AWS’ cloud-økosystem, hvilket gør det enkelt for eksisterende AWS-kunder at komme i gang. Chippen understøtter både træning og inference på samme hardware, hvilket forenkler arkitekturen for teams, der selv finjusterer modeller. Den store samlede HBM3e-kapacitet på 20,7 TB pr. Trn3 UltraServer giver plads til meget store kontekstvinduer og modeller. Indbygget MoE-routing-hardware passer godt til de fleste moderne, sparsomme modelarkitekturer.

Ulemper: Der findes pr. oktober 2026 ingen offentlig, fast timepris for Trn3, hvilket gør budgettering sværere sammenlignet med Cerebras’ gennemsigtige pay-per-token-model. Platformen er under et år gammel i sin nuværende form, hvilket betyder mindre dokumentation og færre tredjeparts-erfaringer at læne sig op ad end etablerede Nvidia-løsninger. Og man binder sig i praksis til AWS som cloud-udbyder, hvilket kan være en ulempe for organisationer, der ønsker multi-cloud-fleksibilitet.

Fordele og ulemper ved Cerebras CS-4

Fordele: Den SRAM-baserede wafer-scale-arkitektur giver markant lavere teoretisk decode-latency end HBM-baserede alternativer, hvilket mærkes direkte i tokens pr. sekund for slutbrugeren. Prismodellen er gennemsigtig og forudsigelig, da man betaler pr. million tokens i stedet for at skulle regne på timepriser og instansstørrelser. API-adgangen gør det nemt at teste platformen uden stort forudgående infrastrukturarbejde.

Ulemper: Cerebras’ økosystem er mindre tæt koblet til bredere cloud-infrastruktur end de store hyperscaleres, hvilket kan kræve mere integrationsarbejde omkring selve API-kaldet. SRAM er dyrere pr. gigabyte end HBM, hvilket historisk har begrænset, hvor stor en samlet model-kapacitet der kan være tilgængelig pr. enhed sammenlignet med HBM-baserede systemer med flere terabyte hukommelse. Og da CS-4 og Nexus-platformen er meget nye (annonceret august 2026), er uafhængige, tredjeparts-benchmarks stadig sparsomme.

Det er også værd at bemærke, at de to leverandørers egne tal, som denne artikel bruger som udgangspunkt, naturligt er optimistiske. Cerebras har en kommerciel interesse i at fremhæve høje tokens-per-sekund-tal, mens AWS har en tilsvarende interesse i at fremhæve samlet systemkapacitet frem for enkeltforespørgsels-latency. Begge dele er sande inden for deres egen ramme, men ingen af dem er en uafhængig, tredjeparts-verificeret sandhed om, hvilken platform der er “bedst” i generel forstand.

Hvornår skal du vælge hvad? Fem konkrete anbefalinger

  • Vælg AWS Trainium3, hvis du allerede kører tungt på AWS, og din arbejdsbyrde kræver både træning og inference på samme platform.
  • Vælg Cerebras CS-4, hvis din applikation er svartids-kritisk, og brugeroplevelsen afhænger direkte af, hvor hurtigt modellen genererer det næste token.
  • Vælg Trainium3, hvis du har brug for meget stor samlet hukommelseskapacitet til lange kontekstvinduer eller dokumenttunge arbejdsbyrder.
  • Vælg Cerebras, hvis du vil starte i lille skala med forudsigelig pay-per-token-pris, før du forpligter dig til større infrastrukturinvesteringer.
  • Vælg ingen af delene endnu, hvis dit nuværende Nvidia-baserede setup allerede opfylder dine latency- og budgetkrav, og du ikke har et konkret, målt problem, en af de to platforme løser bedre. Begge platforme er stadig unge, og en migration bør være drevet af et reelt behov, ikke kun af nysgerrighed på ny hardware.

Konklusion: hvem vinder?

Der er ikke én vinder i denne sammenligning, og det er faktisk den vigtigste pointe. AWS Trainium3 vinder på samlet, fleksibel kapacitet: 362 PFLOPS og 20,7 TB HBM3e-hukommelse fordelt over 144 chips i et enkelt Trn3 UltraServer-system, tæt integreret med resten af AWS’ cloud. Cerebras CS-4 vinder på rå hastighed pr. forespørgsel: en wafer-scale-arkitektur med 129,6 PB/s intern båndbredde, der ifølge Cerebras’ egne tal kan levere op til 450 tokens pr. sekund på Llama 3.1 70B, til en gennemsigtig pris på 0,60 USD pr. million tokens.

Det mest sandsynlige scenarie for 2027 er ikke, at den ene platform udkonkurrerer den anden, men at flere virksomheder begynder at kombinere dem, præcis som AWS allerede har antydet med sin prefill/decode-opdeling. For de fleste nordiske virksomheder, der overvejer at teste alternativer til Nvidia, er den praktiske anbefaling at starte lille: test Cerebras’ API på et afgrænset use case, hvor latency er kritisk, og hold øje med, om AWS offentliggør en fast Trn3-pris i løbet af 2027, før man forpligter sig til en større AWS-baseret investering.

Den globale hukommelsesmangel gør i øvrigt timingen ekstra relevant. Hvis HBM-priserne fortsætter med at stige, som TrendForce forudser, kan Cerebras’ SRAM-baserede tilgang vise sig at være en strukturel fordel, ikke kun en arkitektonisk nysgerrighed. Omvendt kan AWS’ tætte integration med resten af cloud-økosystemet, samt firmaets evne til at forhandle HBM-leverancer i stor skala som en af verdens største cloud-udbydere, veje op for den ulempe. Begge dele er værd at følge, når de to platforme modnes yderligere gennem 2027.

Ofte stillede spørgsmål

Er AWS Trainium3 hurtigere end Nvidia H100 eller H200?
Det afhænger af målemetoden. AWS opgiver 2,52 PFLOPS FP8 pr. Trainium3-chip, men der findes ikke en offentlig, uafhængig benchmark, der direkte sammenligner Trainium3 med H100/H200 på identiske modeller og betingelser. Sammenligningen bør altid læses med forbehold for, hvilken metrik der måles på.

Kan jeg leje Cerebras CS-4-hardware direkte, eller kun via API?
Cerebras’ primære adgangsvej er dens cloud-API med pay-per-token-pris, men firmaet har historisk også tilbudt hardware til udvalgte enterprise- og on-premise-kunder. Tilgængeligheden varierer, så tjek direkte med Cerebras for din specifikke use case.

Hvad koster det at køre Llama 3.1 70B på Cerebras?
Ifølge Cerebras’ egen prissætning koster det 0,60 USD pr. million tokens på Developer-tieret for pay-as-you-go-adgang.

Hvorfor har AWS ikke offentliggjort en timepris for Trn3?
Pr. 1. oktober 2026 er der ikke fundet en offentligt tilgængelig, fast timepris for Trn3-instanser i officielt AWS-materiale. Prisen fastsættes formentlig gennem AWS’ sædvanlige EC2-prismodel, som varierer efter region, instansstørrelse og eventuelle reserverede aftaler.

Hvad betyder “prefill” og “decode” i praksis?
Prefill er den fase, hvor en AI-model læser og analyserer hele din prompt, før den begynder at svare. Decode er selve genereringen af svaret, ét token ad gangen. De to faser belaster hardwaren forskelligt: prefill er beregningstungt, mens decode er hukommelsesbåndbredde-tungt.

Er wafer-scale-teknologi mere pålidelig end almindelige GPU-dies?
Wafer-scale-chips har historisk haft større produktionsmæssige udfordringer, fordi hele waferen skal fungere korrekt som én enhed, i stedet for at man blot kasserer defekte individuelle dies. Cerebras har brugt flere generationer på at forbedre produktionsudbyttet, men det er stadig en mere kompleks produktionsproces end traditionel chip-fremstilling.

Skal en mindre dansk virksomhed overhovedet overveje disse platforme?
For de fleste mindre virksomheder er svaret nej, i hvert fald ikke direkte. Begge platforme er primært relevante for organisationer med betydelig AI-inference-trafik, hvor selv små forbedringer i latency eller pris pr. token har stor økonomisk effekt. Mindre teams vil typisk få mere værdi af at bruge et eksisterende LLM-API, der i baggrunden allerede kører på en af disse platforme, frem for selv at integrere direkte.

Konkurrerer Trainium3 og Cerebras CS-4 direkte med hinanden?
Delvist. De to platforme overlapper på inference-markedet, men er designet til forskellige dele af pipelinen. AWS har selv beskrevet et scenarie, hvor de to teknologier supplerer hinanden fremfor at udelukke hinanden, med Trainium til prefill og wafer-scale-hardware som Cerebras’ til decode.

Påvirker hukommelsesmanglen i 2026 priserne på disse platforme fremover?
Sandsynligvis ja for HBM-baserede systemer som Trainium3, da HBM-priserne ifølge TrendForce ventes at mere end fordobles i det kommende år. Cerebras’ SRAM-baserede arkitektur er mindre direkte eksponeret for HBM-prisstigninger, men er stadig afhængig af avanceret foundry-kapacitet og øvrige komponenter, der også er under pres.

Kan jeg bruge begge platforme i samme applikation?
Ja, og det er faktisk den arkitektur, AWS selv har beskrevet som fremtidig retning: Trainium håndterer den beregningstunge prefill-fase, mens en wafer-scale-accelerator som Cerebras’ håndterer den hukommelsesbåndbredde-krævende decode-fase. Det kræver dog en mere kompleks pipeline end at bruge én enkelt platform til det hele.