通過著名媒體《連線》,，AI初創(chuàng)公司Cerebras Systems正式公布了史上最大的的單晶圓芯片——Cerebras Wafer Scale Engine，英偉達最大的GPU都不及它的“邊角”,。
簡單來說,，Cerebras 打破了傳統(tǒng)的技術限制,，將一整個300mm硅片直接做成了一顆芯片,，因此“大”是人們對它的第一印象,，但不止于大。
據(jù)悉,，這款芯片擁有40萬個核（4核處理器的10萬倍）,，其處理能力能夠支持大量計算，同時它利用了硅互連的先進封裝工藝,，實現(xiàn)硅片級別的高速通信和存儲,，這在理論上讓整顆芯片能夠用最快的速度調(diào)用算力處理極為復雜的AI任務。
Cerebras Wafer Scale Engine ＝ 整個服務器集群
目前,，官方透露出來的關鍵指標如下：
· 硅片大小42225平方毫米（邊長大約22cm）
· 1．2萬億個晶體管
· 40萬個AI內(nèi)核
· 18GB的片上內(nèi)存
· 存儲帶寬19PB／S
· 架構互聯(lián)（Fabric型）帶寬100PB／S
· 采用了臺積電16nm工藝
從透露的消息可以看出,，這顆芯片擁有史上最大的片上存儲空間（英偉達最好GPU的3000倍）、最多的AI核（每一個核相當于一個小型計算機）和最高的通信速度（最高性能GPU的10000倍內(nèi)存帶寬）,。
Cerebras Systems CEO Andrew Fieldman在一份聲明中說,，“Cerebras WSE專為AI而設計，其中包含了不少基礎創(chuàng)新,，解決了限制芯片尺寸的長達數(shù)十年的技術挑戰(zhàn),，如單晶圓良率、功率輸出,、封裝等,。其中，所有架構設計都是為了優(yōu)化AI工作的性能,?？偟膩碚f，WSE只需要較小功耗和空間,，就能提供數(shù)百或數(shù)千倍的現(xiàn)有解決方案的性能,。”
圖 ｜ Hot Chips活動現(xiàn)場介紹WSE
據(jù)悉,，因具備了存儲,、計算和通信三大關鍵元素，且完全基于神經(jīng)網(wǎng)絡設計,，現(xiàn)有AI系統(tǒng)所需要處理的張量處理操作,、數(shù)據(jù)存儲和通信都能夠在WSE上完成，同時WSE將集群通信架構理念做進了這款芯片里,，突破了傳統(tǒng)帶寬的限制,，帶來了低延遲，同時避免了不必要的性能損失,。
將網(wǎng)絡通信做進芯片里,，這不僅帶來AI芯片計算能力的改善,，也讓用戶可以基于它建設更高質(zhì)量的網(wǎng)絡。所以與其說它是一臺超級計算機,，倒不如說,，WSE更像是將一個服務器集群系統(tǒng)“做”進了晶圓里。
值得一提的是,，考慮到單個晶圓在制造過程中會出現(xiàn)一些雜質(zhì)，從而導致芯片故障的問題,，Cerebras Systems 的芯片設計是留有裕量的,，能夠保證一個或者少量雜質(zhì)不會使整個芯片失效，這也保證了芯片的穩(wěn)定性,。
散熱會成為大問題嗎,？
很多人初次看到這樣一種配置，不免會為Andrew擔心：這么大一塊芯片,，散熱要怎么做,？
不得不說，目前為止,，各大新聞中都未提及這款芯片的功耗問題,。但不難想象，與我們看見的傳統(tǒng)“指甲蓋”大小的芯片相比,，這款芯片的功耗一定不會低,。
對此，Andrew表示,，這款芯片不會單獨銷售,，而是將被打包到Cerebras設計的計算機“設備”中。原因是它需要一個復雜的水冷系統(tǒng)去散熱,。據(jù)悉,，這個水冷系統(tǒng)是一種灌溉網(wǎng)絡，可以抵消以15千瓦功率運行的芯片產(chǎn)生的極端熱量,。
因為散熱,，這款芯片無法作為加速卡插入現(xiàn)有的任何服務器。在這種設計下,，可以猜測它的功率一定會很高,，但與它所要替代的系統(tǒng)集群比較來看，它的功耗也算是很低了,。
不過相較于散熱,，業(yè)內(nèi)人士更為關心它是不是能夠按照預想跑起來，“目前來看,，這款芯片真正的問題是大量內(nèi)核,，如何讓40萬個核保持協(xié)同和有效,，這需要嚴格考量?！?/p>
商用之路在何方,？
對于大家對WSE商用的懷疑，在斯坦福大學的Hotchips活動上,，Cerebras已經(jīng)透露,，這款芯片并非空有其表，現(xiàn)在已經(jīng)在跑客戶的任務負載了,。
目前,，從計算角度來看，這一輪人工智能浪潮中最關鍵的算法應用是深度學習,，將深度學習算法應用到AI場景中,，需要完成兩大核心運算：訓練和推理。WSE是為AI專門設計的,，因此可以猜測它的目標市場無非訓練和推理,。
但是這樣一款在散熱上、價格上都不會“輕松”的芯片,，市場真的會買單嗎,？或者說哪部分市場可能會買單？
對此,，Micron的研究員Eugenio Culurciello表示,，Cerebras芯片的規(guī)模和雄心是瘋狂的，不過它能解決大算力需求的場景（如自動駕駛）所需,，雖然很昂貴,，但有些人可能會使用它。
事實上,，從市場需求的角度出發(fā),，WSE如果真的實測成功且能夠量產(chǎn)，它將極有可能首先撼動英偉達的GPU市場,，即訓練市場,。相比于推理市場，因訓練任務重且訓練時間長,，訓練市場多以算力至上,，對芯片的價格、功耗并不敏感,，所以Cerebras芯片更有可能在訓練市場獲得成功,，這也將再次顛覆訓練市場的格局。
而推理市場呢？從目前的情況來看,，端側(cè)推理市場沒有過高算力需求,，且對低功耗的要求十分嚴苛，WSE大概率不會出現(xiàn)在這部分市場,。不過在云端和邊緣側(cè)的推理市場,，WSE如果不能很好處理功耗和散熱問題，這也都會為商用增加阻力,。
據(jù)Andrew本人自己的估計,，用WSE來部署云計算基礎設施，總體成本將會是現(xiàn)有造價的1／10,。
過于美麗,、過于超出公眾認知是這款芯片的最大特點，因此在Cerebras正式將這款芯片推出之前,，大家對它的疑慮其實難以消除：
“在我們看到Benchmark測試結(jié)果之前,，我們很難說它的AI設計有多好,?！?/p>
如Cerebras在推特上告訴大家：Stay tuned。只能靜候佳音,。
最后,，關于Cerebras Systems
Cerebras Systems成立于 2016 年，專注于為數(shù)據(jù)中心訓練提供芯片產(chǎn)品,，曾被CB Insights評為“全球最值得期待的100家芯片公司”,。
資料顯示，該公司曾于2016年完成2500萬美元A輪融資,，投資方為知名風投Benchmark,，后又獲得多輪融資，截止2017年9月共獲得1．12億美元融資,，估值8．6億美元,。
公司的創(chuàng)始團隊背景實力也十分強勁，聯(lián)合創(chuàng)始人及CEO Andrew Feldman曾經(jīng)創(chuàng)立過芯片公司SeaMicro,，后在2012年,，這家公司被AMD以3．34億美元收購。
圖 ｜ Andrew Feldman
在Andrew創(chuàng)辦Cerebras Systems之時,，有兩大重量級人物加盟,。一位是曾在Sun擔任過高級芯片設計師、低功耗芯片設計的元老級人物Gary Lauterbach,，另一位是前 Intel 公司架構副總裁,、數(shù)據(jù)中心首席技術官Dhiraj Mallick。
因為有強大的團隊坐鎮(zhèn),，Cerebras Systems成立之時就注定不容忽視?，F(xiàn)在,，這家公司已有194名員工。