通過著名媒體《連線》，AI初創公司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內核
· 18GB的片上內存
· 存儲帶寬19PB／S
· 架構互聯（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新，解決了限制芯片尺寸的長達數十年的技術挑戰，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，就能提供數百或數千倍的現有解決方案的性能?！?/p>
圖 ｜ Hot Chips活動現場介紹WSE
據悉，因具備了存儲、計算和通信三大關鍵元素，且完全基于神經網絡設計，現有AI系統所需要處理的張量處理操作、數據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量的網絡。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“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一些雜質，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不會使整個芯片失效，這也保證了芯片的穩定性。
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“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去散熱。據悉，這個水冷系統是一種灌溉網絡，可以抵消以15千瓦功率運行的芯片產生的極端熱量。
因為散熱，這款芯片無法作為加速卡插入現有的任何服務器。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集群比較來看，它的功耗也算是很低了。
不過相較于散熱，業內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核，如何讓40萬個核保持協同和有效，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已經透露，這款芯片并非空有其表，現在已經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，WSE如果真的實測成功且能夠量產，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，專注于為數據中心訓練提供芯片產品，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。
公司的創始團隊背景實力也十分強勁，聯合創始人及CEO Andrew Feldman曾經創立過芯片公司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、數據中心首席技術官Dhiraj Mallick。
因為有強大的團隊坐鎮，Cerebras Systems成立之時就注定不容忽視?，F在，這家公司已有194名員工。