在過去的幾年中，大量的處理器進入市場，其唯一目的是加速人工智能和機器學習工作負載。由于可能使用不同類型的機器學習算法，因此這些處理器通常專注于幾個關鍵領域，但有一個局限性限制了它們，那就是您可以將處理器制造多大。

　　兩年前，Cerebras揭開了芯片設計領域的一場革命：他推出的處理器與您的頭部一樣大——在12英寸晶圓上使用的面積與矩形設計所允許的面積一樣大。據介紹，這個基于16納米工藝打造的芯片可同時專注于AI和HPC工作負載。

　　今天，該公司正在發布其基于臺積電7nm的第二代產品，其內核數量增加了一倍以上，而所有產品的數量都增加了一倍以上。

　　第二代WSE（Wafer Scale Engine）

　　來自Cerebras的新處理器是基于臺積電（TSMC）的N7工藝打造的。這使得邏輯可以按比例縮小，并在一定程度上縮小了SRAM，現在新芯片上具有850,000個AI內核。

　　從下圖我們可以看到，基本上，有關新芯片的所有內容都超過了2倍：

　　與最初的處理器（稱為晶圓級引擎（Wafer Scale Engine，WSE-1））一樣，新的WSE-2在46225 mm 2的面積上集成了成千上萬的AI核。在這個空間里，Cerebras集成了2.6萬億個晶體管，構建了850000個AI內核。相比之下，市場上第二大AI CPU約為826 mm 2，具有0.054萬億個晶體管。Cerebras還引用了1000倍的板載內存，帶有40 GB的SRAM，而Ampere A100則為40 MB。

　　核心與帶有FMAC數據路徑的2D Mesh連接。Cerebras通過設計一種可以繞開任何制造缺陷的系統來實現100％的良率。

　　最初，Cerebras擁有1.5％的額外核心來容納缺陷，但由于臺積電（TSMC）的工藝如此成熟，因此我們被告知這太多了。Cerebras與WSE的目標是提供一個通過創新專利設計的單一平臺，該平臺允許用于AI計算的更大處理器，但也已擴展到更廣泛的HPC工作負載中。

　　建立在第一代WSE之上

　　設計的關鍵是自定義的圖形編譯器，它采用pyTorch或TensorFlow并將每一層映射到芯片的物理部分，從而允許在數據流過時進行異步計算。擁有如此大的處理器意味著數據永遠不必掉隊，也不需要在內存中等待，不浪費功率，并且可以以流水線的方式連續地移至計算的下一個階段。編譯器和處理器的設計還考慮到了稀疏性，無論批處理大小如何都可以實現高利用率，或者可以使參數搜索算法同時運行。

　　Cerebras的第一代WSE作為CS-1的完整系統的一部分一起打包出售，該公司有數十個已部署并運行了已部署系統的客戶，其中包括許多研究實驗室，制藥公司，生物技術研究，軍事以及石油和天然氣行業。天然氣工業。勞倫斯·利弗莫爾（Lawrence Livermore）將一臺CS-1與其23 PFLOP“拉森”超級計算機配對。匹茲堡超級計算機中心以500萬美元的價格購買了兩個系統，并將這些系統連接到他們的Neocortex超級計算機上，以實現同步AI和增強的計算能力。

　　產品和合作伙伴

　　Cerebras現在以15U盒的形式出售完整的CS-1系統，其中包含一個WSE-1和12x100 GbE，十二個4 kW電源（6個冗余，峰值功率約23 kW），并且在某些機構中的部署與HPE的SuperDome Flex配對。新的CS-2系統共享相同的配置，盡管內核數量增加了一倍以上，板載內存也增加了一倍，但功耗仍然相同。與其他平臺相比，這些處理器在15U設計中垂直排列，以便在如此大的處理器上易于訪問以及內置的液體冷卻。還應該注意的是，這些前門是用單塊鋁加工而成的。

　　Cerebras設計的獨特性能夠超越通常在制造過程中出現的物理制造限制，即標線限制。處理器的設計限制為芯片的最大尺寸，因為很難通過十字線連接兩個區域。這是Cerebras帶到桌上的秘密的一部分，該公司仍然是唯一一家提供這種規模處理器的公司-Cerebras開發并獲得了用于制造這些大型芯片的相同專利仍在這里發揮作用，第二代WSE將內置于CS-2系統中，其在連通性和視覺方面與CS-1相似。

　　相同的編譯器和帶有更新的軟件包使已在第一個系統上試用AI工作負載的任何客戶在部署它們時都可以使用第二個系統。Cerebras一直在進行更高級別的實現，以通過添加三行代碼并使用Cerebras的圖形編譯器，使具有標準化TensorFlow和PyTorch模型的客戶非?？焖俚赝洮F有的GPU代碼。然后，編譯器將整個850,000個內核劃分為每層的各個段，從而允許以流水線方式進行數據流而不會造成停頓。芯片還可以同時用于多個網絡以進行參數搜索。

　　Cerebras指出，擁有如此龐大的單芯片解決方案意味著跨100多個AI芯片的分布式訓練方法的障礙現在已經遠遠地移開了，以至于在大多數情況下都不需要這種過多的復雜性–為此，我們看到了CS- 1部署到超級計算機的單個系統。

　　但是，Cerebras指出，兩個CS-2系統將在一個標準的42U機架中提供170萬個AI內核，或者三個系統在一個更大的46U機架中提供255萬個（假設一次有足夠的功率?。﹣硖鎿Q一打機架的替代計算硬件。

　　在Hot Chips 2020，該公司首席硬件架構師Sean Lie表示，Cerebras對客戶的主要好處之一是能夠簡化工作負載，以前需要使用GPU / TPU機架，而是可以以計算相關的方式在單個WSE上運行。

　　作為一家公司，Cerebras在多倫多，圣地亞哥，東京和舊金山擁有約300名員工。該公司首席執行官安德魯·費爾德曼（Andrew Feldman）表示，作為一家公司，他們已經實現了盈利，已經部署了CS-1的客戶很多，并且在啟動商業系統時已經有更多的客戶在遠程試用CS-2。

　　除了AI之外，由于芯片的靈活性使流體動力學和其他計算仿真成為可能，因此Cerebras在典型的商業高性能計算市場（例如，石油和天然氣和基因組學）中引起了很多客戶。CS-2的部署將于今年晚些時候在第三季度進行，價格已從2-3百萬美元升至“幾百萬”美元。