在芯片历史上，1971 年，英特尔的第一个 4004 处理器只有 2300 个晶体管，而最近的一个高等微设备处理器也只有 320 亿个晶体管。三星也曾制造过一款拥有 2 万亿个晶体管的闪存芯片（ eUFS 芯片），但是不适用于 AI 打算。
WSE，这个创记录的最大芯片，它为 AI 打算而生。
（来源：Cerebras Systems）
数据显示，这个 42,225 平方毫米的芯片，有着 400,000 个核，这些核心通过一个细粒度、全硬件的片内网状连接的通信网络连接在一起，供应每秒 100 PB 的总带宽。更多的核心、更多确当地内存和低延迟的高带宽构造，创建了加速人工智能事情的最佳架构。WSE 比最大的 GPU 还要大 56.7 倍，拥有 18 GB 的 on-chip sram。
事实上，现在的大多数芯片是在 12 英寸硅片根本上制作的多芯片集成。但 Cerebras Systems 公司的这款芯片是晶体管在单晶硅圆片上制作相互连接的独立芯片。其相互连接的设计，可以让所有的晶体管都能如一个整体一样平常高速运转。
（来源：Cerebras Systems）
普通地阐明，这款产品完备便是打算机中的学霸，比打算能力和存储带宽，不好意思，人家的级别还是新词汇——拍字节（Petabytes，1PB=1024TB=10^6GB=2^50bit），速率大约是如今英伟达公司最大的图形处理器（GPU，浮点运算能力很强，常用于 AI 干系研究）的 3000 倍，存储带宽则是 1000 倍。
如此强大的能力来源于其片上的 1.2 万亿个晶体管，要知道 1971 年 Intel 的 4004 处理器才有 2300 个晶体管，按照摩尔定律来推算：“每 18 个月，芯片上晶体管数目翻倍”，到今年该当刚好 1 万亿个晶体管，多一个晶体管，能实现的打算能力就增加一分。其次，其芯片架构设计和芯片互联及通信方案也是十分超前的，使得 1.2 万亿个晶体管之间的协同十分同步，延迟达纳秒（nanosecond）级，运行时，这 1.2 万亿个晶体管就像一个晶体管一样同步。
（来源：推特）
在人工智能领域，芯片的大小非常主要。由于大型芯片处理信息的速率更快，产生答案的韶光更短。减少不雅观察的韶光，或“演习韶光”，可以让研究职员测试更多的想法、利用更多的数据，并办理新的问题。谷歌、Facebook、OpenAI、腾讯、百度，以及其他许多公司都认为，如今人工智能发展的根本局限在于，演习模型的韶光太长。因此，减少演习韶光将肃清全体行业进步的一个紧张瓶颈。
当然，芯片制造商常日不生产大型芯片也是有缘故原由的。在单个晶圆片上，制造过程中常日会涌现一些杂质。一点杂质就可以导致芯片故障，严重的乃至会击穿几个芯片。如果单个晶圆片上只制作一个芯片，那么它含有杂质的可能性是 100%，杂质肯定会使芯片失落效。但是 Cerebras Systems 的芯片设计是留有裕量的，能够担保一个或者少量杂质不会使全体芯片失落效。
图| Andrew Feldman（来源：Dean Takahashi）
Cerebras Systems 公司 CEO Feldman 在一份声明中说，“公司的 WSE 芯片专为人工智能而设计，包含基本的创新，办理了限定芯片尺寸几十年的技能寻衅，如 十字交叉连接、良率、功率输出和封装。每一个架构决策都是为了优化人工智能事情的性能。其结果是，WSE 芯片在功耗和空间很小的情形下，根据事情负载供应了现有办理方案数百或数千倍的性能。”
这些性能的提高是通过加速神经网络演习的所有要向来实现的。神经网络是一个多级打算反馈回路。输入通过循环回路的速率越快，回路学习或“演习”的速率就越快。让输入更快地通过循环的方法是加快循环内的打算和通信的速率。
在通信架构上，由于在 WSE 上利用了中继处理器，集群通信的架构打破了传统通信技能中部分功率花费而导致的带宽和延时的问题。通过利用二维阵列构造将 400,000 个基于 WSE 的处理器连接在一起，集群架构实现了低延时以及高带宽的特性，其总体带宽可以高达每秒 100 拍字节（1017 字节/每秒）。纵然没有安装任何的额外软件，这样的集群构造也可以支持全局信息处理，并由相应的处理器对所吸收到的信息进行处理。
（来源：Cerebras Systems）
对付这款产品，量产和散热可能会是其面临的紧张寻衅。但是，WSE 的问世，本身的亮点已经足够。
Linley Group 首席剖析师 Linley Gwennap 在一份声明中表示：“Cerebras Systems 在晶圆级封装( wafer-scale package)的技能上取得了巨大进步，在一块硅片上实现的处理性能远远超出任何人的想象。为了实现这一壮举，该公司已经办理了困扰该行业数十年的一系列工程寻衅，包括实现高速模对模通信、办理制造毛病、封装如此大的芯片、供应高密度电源和冷却系统。Cerebras Systems 通过将不同学科的顶尖工程师聚拢在一起，创造了新技能，并在短短几年内交付了一个产品，这是一个令人印象深刻的造诣。”
Tirias Research 首席剖析师兼创始人 Jim McGregor 在一份声明中表示：“到目前为止，重新配置的图形处理器知足了人工智能对打算能力的巨大需求。如今的办理方案将数百个这些重新配置的图形处理器连接在一起，还须要数月的韶光安装，利用数百千瓦的电力，并要对人工智能软件进行广泛修正，乃至还要数月的韶光来实现功能。与之比较，单片 WSE 芯片的绝对大小能够实现更多的打算、更高性能的内存和更大的带宽。通过晶圆级 (wafer-scale) 封装的集成技能，WSE 芯片避免了疏松连接、慢内存、基于缓存、以图形为中央的处理器的芯片固有的传统性能限定。
（来源：Cerebras Systems）
Cerebras Systems 成立于 2016 年，自成立以来在业内相称神秘低调，专注于为数据中央进行演习供应芯片产品，曾被 CB Insights 评为“环球最值得期待的 100 家芯片公司”。资料显示，该公司曾于 2016 年完成 2500 万美元 A 轮融资，投资方为有名风投 Benchmark，后又得到多轮融资，截止 2017 年 9 月共得到 1.12 亿美元融资，估值 8.6 亿美元。
公司的创始团队背景实力也十分强劲。联合创始人及 CEO Andrew Feldman，曾经创立过芯片公司 SeaMicro，后被 AMD 在 2012 年以 3.34 亿美元收购。SeaMicro 被 AMD 收购后，原班人马大都进入 AMD 连续事情，以是当 Andrew Feldman 大旗一挥要连续创业时，很多老同事都选择了跟随，其他紧张团队成员大都与创始人 Andrew Feldman 师出同门。
个中值得一提的人物是 Gary Lauterbach。在上世纪 90 年代 Sun 公司如日中天之时，Gary Lauterbach 就曾担当公司的高等芯片设计师，加之后来在 SeaMicro 紧张从事低功耗做事器设计，可以说公司在创世之初就累积了一大批低功耗芯片设计的元老级人物，这对普通创业公司来说无疑可以说是赢在了起跑线上。
随后，在 2018 年，又有一位重量级人物加盟 Cerebras Systems，前 Intel 公司架构副总裁、数据中央首席技能官 Dhiraj Mallick 正式出任主监工程和商务的副总裁。此人在 Intel 任职期间，2018 年第二季度收入同比去年增长 10 亿美元，仅 2018 年上半年就将公司数据中央的收入提高到了 100 亿美元，是一位公认的技能与商业奇才。而他也正是 Andrew Feldman 在 SeaMicro 及 AMD 的老同事。现在，这家公司已有 194 名员工。
Cerebras Systems 未来要走的路还很长，但不难想象，AI 正带来一股打算机体系构造和芯片封装技能创新潮，可以期待，我们将见证更多更有趣乃至意想不到的 AI 芯片出身。
