要如何向您介绍 Cerebras芯片？ Colossal ！

每隔一段时间，科技界就会发生一次令人敬畏的技术革新，足以让人们恍然惊坐而起。

比方说，这块最近宣布的Cerebras芯片。

Cerebras团队所克服的挑战已然令人难以置信，但它所承诺的人工智能运算能力则更震撼。

晶圆级集成技术并非新技术。非常偶然地，我惊讶地发现它其实几乎和人工智能一样古老——大约已经有60岁高龄了。晶圆缩放的理念旨在在单个硅晶圆上制造整个芯片。早前不同的研发人员曾多次尝试，但并未取得实质成功。

Cerebras团队所面临的挑战，我找不到合适的形容词来描述其激动人心，但绝对是一部基于半导体真实事件的好莱坞惊险大片。

首先，他们必须弄清楚如何在划片槽之间进行通信，管理良率，发明用于热封装的新材料，设计制造这种独特芯片所需的整套设备，最后为15千瓦功率的芯片设计所需的冷却系统。

在最近的2019 HotChips会议上Cerebras成功宣布了这枚传说中的芯片。

AI在其中的角色？

Cerebras的 WSE（晶圆级引擎）提供了前所未有的AI计算功能。

首先， 40万个内核经过了优化，以用于神经网络的线性代数计算（对于稀疏线性代数内核，俗称为SLAC）。对于一个硅片面积是目前行业最大GPU的56.7倍，可实现顶尖的行业利用率。结合其SLAC，根据工作负载，它提供的性能是当前速度的数百到数千倍。

其次，Cerebras发明了一种称为“稀疏收获技术”的技术。深度学习是计算密集型的，其计算是在稀疏的工作负载上进行的–意味着很多零。如今，行业标准的深度学习架构（例如GPU）对此类工作负载的处理方式没有任何区别；即使遇到零，GPU也会执行乘法运算。众所周知，乘以零，会浪费芯片和功率。具有稀疏收集技术的WSE SLAC设计为永远不会乘以零，从而确保所有计算都是有用的。

第三，计算和内存之间的紧密趋近，是降低延迟、功耗并提供更快速度的重要因素。 WSE内核在每个时钟周期都可以访问18GB的片上内存，从而实现9 PB /秒的内存带宽。从数量上看，WSE具有3000倍的内存量，并提供10,000倍领先GPU的内存带宽。

第四，处理器间通信结构（称为“swarm” – Cerebras的另一项发明）提供了其所有40万个内核之间的优化通信，而功耗却是传统通信结构的一小部分。消息路由，传递和同步似乎在WSE中只需要很少的软件消耗。 WSE上可配置的低延迟，高带宽2D网状结构每秒可提供总计100 petabits的带宽——这意味着更快的学习速度。

业界正积极等待2020年中期WSE产品的发布。

我很好奇将来会看到多少WSE芯片。