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?！?/p>

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測試結果之前，我們很難說它的AI設計有多好。”

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。