导读出于空间效率和制造方面的考虑，当前的计算趋势是减小组件的尺寸。所有这些都不会牺牲即使是最密集的计算用例所需的处理能力。然而，对于人
出于空间效率和制造方面的考虑，当前的计算趋势是减小组件的尺寸。所有这些都不会牺牲即使是最密集的计算用例所需的处理能力。然而，对于人工智能和机器学习而言，鉴于这种趋势，所需的能力超出了常规商业处理器所能提供的能力。这就是为什么年轻的公司 Cerebras 开发了一种新的“人工智能优先”芯片，用可能是有史以来最大的芯片将这一传统抛诸脑后。
关于 Cerebras 的“Wafer Scale Engine”或 WSE 芯片，您可能会注意到的第一件事是它非常庞大，即使在过去的 30 年里，它也可能看起来不像您见过的任何芯片。它比同样用于人工智能的 NVIDIA 图形处理单元大 100 倍，是棒球大小的六倍多。
不过，它的大小不仅仅是为了新颖。该晶圆拥有 400,000 个经过 AI 优化的内核和 18 GB 的本地超高速 SRAM 存储器。总而言之，它在 46,225 平方毫米的面积上塞满了 1.2 万亿个晶体管。一块硅。相比之下，NVIDIA 图形芯片只有 211 亿个晶体管。
大尺寸背后的理论是为了速度、效率和减少延迟。通过将所有需要的连接布置在一张纸上，并将所有需要的内存紧邻其放置，Cerebras WSE 减少了数据传输所需的延迟，从而减少了 AI 获得洞察力并产生结果所需的“训练时间”答案。
这在理论上听起来绝对令人信服，但 Cerebras WSE 肯定需要实际应用程序来支持它。忘记它甚至对商业客户可用，因为 Wafer Scale Engine 的尺寸、产量和很可能的价格将使谷歌等巨头公司之外的任何人都无法企及。也就是说，这家初创公司没有提到这些客户排队等待测试芯片。