人類對(duì)于算力的追求永無止境，就在近日，我們似乎前進(jìn)了一大步！位于美國加州的創(chuàng)業(yè)公司 Cerebras 發(fā)布了號(hào)稱全球最大的芯片，而且是專門為 AI 計(jì)算打造的。

這款名為 Wafer Scale Engine（WSE）的芯片擁有 1.2 萬億個(gè)晶體管，其數(shù)量是英偉達(dá)最新一代旗艦 GPU Titan V 的 57 倍。它的尺寸已經(jīng)比一臺(tái) iPad 還要大。

WSE 使用臺(tái)積電 16 納米制程工藝打造，面積 46,225 平方毫米，包含 400,000 個(gè)核心，片上存儲(chǔ)高達(dá) 18G，功耗 1.5 萬瓦（約等于 6 臺(tái)電磁爐的功率），內(nèi)存帶寬 9PB/秒，通信結(jié)構(gòu)帶寬 100PB/秒。該公司表示，僅用一塊這樣的芯片即可驅(qū)動(dòng)復(fù)雜的人工智能系統(tǒng)，從無人駕駛汽車到監(jiān)控系統(tǒng)。

Cerebras 的「暴力美學(xué)」引來人們驚呼：WSE 的晶體管數(shù)量已經(jīng)超過人類大腦中的神經(jīng)元了！

在此之前，其實(shí)三星也開發(fā)過一款 2 萬億個(gè)晶體管的閃存芯片（eUFS），但 Cerebras 的這款芯片是用來進(jìn)行處理工作的。此外，WSE 還實(shí)現(xiàn)了 3000 倍的速度提升以及 10000 倍的存儲(chǔ)帶寬擴(kuò)展。

這塊芯片面積達(dá)到了 46,225 平方毫米，而英偉達(dá) GPU Titan V 的核心面積也「僅有」815 平方毫米。

Cerebras 表示，WSE 可以把處理復(fù)雜數(shù)據(jù)所需的時(shí)間從幾個(gè)月縮短到幾分鐘。

「AI 模型訓(xùn)練時(shí)間的縮減將會(huì)消除這個(gè)行業(yè)進(jìn)步的主要瓶頸，」Cerebras 首席執(zhí)行官、創(chuàng)始人 Andrew Feldman 表示。他是一個(gè)芯片行業(yè)資深人士，此前曾將自創(chuàng)的一家公司以 3.34 億美元的價(jià)格出售給 AMD。

目前，Cerebras 已在向少量用戶提供這種芯片了，不過價(jià)格尚未透露。

今天的人工智能系統(tǒng)主要基于深度神經(jīng)網(wǎng)絡(luò)，其高度依賴于強(qiáng)大的計(jì)算機(jī)算力——大多數(shù)公司使用圖形計(jì)算單元（GPU）處理 AI 模型訓(xùn)練的任務(wù)。然而顧名思義，GPU 是為了面向圖形計(jì)算而設(shè)計(jì)的，谷歌等公司近年來已經(jīng)設(shè)計(jì)出了 TPU 這樣的神經(jīng)網(wǎng)絡(luò)計(jì)算專用芯片。

大多數(shù)芯片實(shí)際上是在一個(gè) 12 英寸的硅晶片上集合許多芯片，并在芯片上進(jìn)行批量加工。但 Cerebras Systems 開發(fā)的這款芯片是連接在一個(gè)晶片上的單個(gè)芯片。互連接的設(shè)計(jì)是為了讓所有的晶體管都能高速運(yùn)轉(zhuǎn)，這樣 1.2 萬億個(gè)晶體管就能像一個(gè)整體一樣運(yùn)行。

巨型 AI 芯片真的可行？

芯片的大小在 AI 計(jì)算中至關(guān)重要，因?yàn)樾酒酱螅幚硇畔⒌乃俣仍娇欤贸龃鸢傅臅r(shí)間也就越短。如果可以減少訓(xùn)練時(shí)間，研究者就可以嘗試更多的想法、使用更多的數(shù)據(jù)去解決新問題。谷歌、Facebook、OpenAI、騰訊、百度以及其他科技巨頭都表示，當(dāng)今 AI 最大的問題是模型訓(xùn)練時(shí)間過長。減少訓(xùn)練時(shí)間可以克服整個(gè)行業(yè)的一大瓶頸。

當(dāng)然，一般芯片廠商不會(huì)選擇把芯片造那么大，這是因?yàn)椋趩蝹€(gè)晶片上，制造過程中往往會(huì)產(chǎn)生一些瑕疵。如果說一個(gè)瑕疵會(huì)導(dǎo)致芯片出現(xiàn)故障，那么幾個(gè)瑕疵就會(huì)導(dǎo)致芯片報(bào)廢。如果一個(gè)硅晶片上只有一個(gè)芯片，那么產(chǎn)生瑕疵的概率幾乎是百分之百，而瑕疵會(huì)導(dǎo)致芯片報(bào)廢。為了保證成品率，Cerebras 采用了冗余式的設(shè)計(jì)：如果有的核心出了問題，內(nèi)部鏈接可以跳過壞掉的核心。這種方法大大降低了芯片的制造成本。

Cerebras Systems 的 CEO Feldman 表示，WSE 芯片著眼于 AI 從頭進(jìn)行設(shè)計(jì)，其中包含眾多根本上的創(chuàng)新，通過解決數(shù)十年來限制芯片尺寸的問題（如 cross-reticle 連接、成品率、功率輸送、封裝）來提高性能。「每一個(gè)架構(gòu)決策都是為了提高 AI 的性能。因此，WSE 芯片在有限的功耗和空間范圍內(nèi)，基于工作負(fù)載實(shí)現(xiàn)了數(shù)百甚至數(shù)千倍的性能提升。」

這些性能的提升是通過加速神經(jīng)網(wǎng)絡(luò)訓(xùn)練的每一部分來實(shí)現(xiàn)的。一個(gè)神經(jīng)網(wǎng)絡(luò)就是一個(gè)多級(jí)計(jì)算反饋回路。輸入在回路中傳遞越快，該回路學(xué)習(xí)（訓(xùn)練）的速度就越快。加快輸入傳遞速度可以通過加速回路中的計(jì)算和通信來實(shí)現(xiàn)。

WSE 的超大體積使其可以搭載更多用于計(jì)算的核以及更加接近核的內(nèi)存，從而核可以高效運(yùn)轉(zhuǎn)。由于這個(gè)龐大的核陣列和內(nèi)存都在一個(gè)芯片上，因此所有的通信都是在其上進(jìn)行的，這意味著它的低延遲通信帶寬是巨大的，所以核組的協(xié)作效率可以最大化。

這個(gè) 46225 平方毫米的硅芯片上有 40 萬個(gè) AI 優(yōu)化的、無緩存、無開銷的計(jì)算核以及 18GB 的本地、分布式、超高速 SRAM 內(nèi)存，作為內(nèi)存層次結(jié)構(gòu)的唯一層次。內(nèi)存帶寬為每秒 9PB。這些核通過一個(gè)細(xì)粒度的、全硬件的、片上網(wǎng)狀連接的通信網(wǎng)絡(luò)連接在一起，提供每秒 100 PB 的總帶寬。更多的核、更多的本地內(nèi)存和低延遲的高帶寬結(jié)構(gòu)一起構(gòu)成了加速 AI 工作的最佳架構(gòu)。

Tirias Research 創(chuàng)始人兼首席分析師 Jim McGregor 在一份聲明中表示：「雖然 AI 在一般意義上得到應(yīng)用，但沒有兩個(gè)數(shù)據(jù)集或兩項(xiàng) AI 任務(wù)是相同的。新的 AI 工作負(fù)載不斷涌現(xiàn)，數(shù)據(jù)集也持續(xù)增大。」

「隨著 AI 的發(fā)展，芯片和平臺(tái)解決方案也在不斷發(fā)展。Cerebras WSE 是半導(dǎo)體和平臺(tái)設(shè)計(jì)領(lǐng)域的一項(xiàng)驚人的工程成就，能夠在單晶片規(guī)模的解決方案中提供媲美超級(jí)計(jì)算機(jī)的計(jì)算能力、高性能內(nèi)存和寬帶。」

這種面積的芯片，供電和冷卻都是大問題，看起來水冷是必須的了。

Cerebras 表示，如果沒有與臺(tái)積電多年來的緊密合作，公司就不會(huì)取得此次破紀(jì)錄的成就。

臺(tái)積電高級(jí)運(yùn)營副總裁 J.K. Wang 表示：「我們與 Cerebras Systems 合作制造出了 Cerebras Wafer Scale Engine，這是 wafer scale 開發(fā)的一個(gè)行業(yè)里程碑。」

40 萬個(gè) AI 優(yōu)化的計(jì)算核心

WSE 包含 40 萬個(gè) AI 優(yōu)化的計(jì)算核心。該計(jì)算核心被稱為稀疏線性代數(shù)核（Sparse Linear Algebra Cores，SLAC），它們靈活可編程，并且為支撐所有神經(jīng)網(wǎng)絡(luò)計(jì)算的稀疏線性代數(shù)進(jìn)行優(yōu)化。SLAC 的可編程性確保核心能夠在不斷變化的機(jī)器學(xué)習(xí)領(lǐng)域運(yùn)行所有神經(jīng)網(wǎng)絡(luò)算法。

由于 SLAC 針對(duì)神經(jīng)網(wǎng)絡(luò)計(jì)算原語（compute primitives）進(jìn)行優(yōu)化，因而實(shí)現(xiàn)了業(yè)界最佳利用率——通常是 GPU 的 3 至 4 倍。此外，WSE 包含 Cerebras 發(fā)明的稀疏捕獲技術(shù)，以加速深度學(xué)習(xí)等稀疏工作負(fù)載（包含 0 的工作負(fù)載）上的計(jì)算性能。

零在深度學(xué)習(xí)計(jì)算中很常見。一般情況下，相乘向量和矩陣中的大多數(shù)元素都為零。但是，乘零運(yùn)算浪費(fèi)了硅、功率和時(shí)間，因?yàn)闆]有生成任何新信息。

由于 GPU 和 TPU 都是密集型執(zhí)行引擎——這些引擎在設(shè)計(jì)時(shí)永遠(yuǎn)不會(huì)考慮零的情況——它們會(huì)乘以每個(gè)元素（即使元素為零）。當(dāng) 50-98% 的數(shù)據(jù)為零時(shí)，就像深度學(xué)習(xí)中常出現(xiàn)的情況，大多數(shù)乘法運(yùn)算是浪費(fèi)行為。由于 Cerebras 的 SLAC 永遠(yuǎn)不會(huì)乘以零，因而所有零數(shù)據(jù)被過濾掉，并可以在硬件中跳過，使得有用功適時(shí)適當(dāng)?shù)赝瓿伞?

Cerebras 在發(fā)布會(huì)上表示，使用這種芯片處理人工智能負(fù)載時(shí)，單個(gè)芯片可以承載整個(gè)神經(jīng)網(wǎng)絡(luò)的運(yùn)算。

18GB 的片上內(nèi)存

內(nèi)存是計(jì)算機(jī)架構(gòu)的關(guān)鍵組件。內(nèi)存越接近計(jì)算，計(jì)算速度越快，延遲越低，數(shù)據(jù)移動(dòng)的功率效率也越高。高性能深度學(xué)習(xí)需要大量計(jì)算和頻繁的數(shù)據(jù)訪問。這就要求計(jì)算核心與內(nèi)存之間極為接近，但在 GPU 中卻并非如此，GPU 的絕大多數(shù)內(nèi)存運(yùn)行速度很慢，并且遠(yuǎn)離芯片。

WSE 包含了較迄今為止最多的內(nèi)核和本地內(nèi)存，并在一個(gè)時(shí)鐘周期內(nèi)擁有 18GB 的片上內(nèi)存。WSE 核心本地內(nèi)存的集合提供了每秒 9PB 的內(nèi)存寬帶——是當(dāng)前最好 GPU 的片上內(nèi)存的 3000 倍，內(nèi)存寬帶擴(kuò)展了 10000 倍。

高帶寬、低延遲的通信結(jié)構(gòu)

在芯片面積巨大的情況下，如何保證高速內(nèi)部通信也是一個(gè)巨大挑戰(zhàn)。WSE 上所使用的處理器間通信結(jié)構(gòu)被稱為 Swarm，與傳統(tǒng)通信技術(shù)相比，它以非常小的功耗實(shí)現(xiàn)了帶寬和延遲的突破。

Swarm 提供了一個(gè)低延遲、高寬帶的 2D 網(wǎng)格，它連接了 WSE 上的 40 萬個(gè)核心，寬帶每秒達(dá) 100PB。此外，Swarm 支持單字節(jié)活躍消息，這些消息可以通過接收核心來處理，并且不需要任何軟件開銷。

路由、可靠的消息傳遞以及同步均在硬件中處理。消息自動(dòng)激活每個(gè)到達(dá)消息的應(yīng)用處理程序。Swarm 為每個(gè)神經(jīng)網(wǎng)絡(luò)提供獨(dú)特和優(yōu)化的通信路徑。基于運(yùn)行中特定用戶定義的神經(jīng)網(wǎng)絡(luò)，軟件將通過 40 萬個(gè)核心來配置最優(yōu)通信路徑，以連接處理器。

通常情況下，消息會(huì)遍歷一個(gè)具有納秒延遲的硬件鏈接。一個(gè) Cerebras WSE 的聚合寬帶為每秒 100PB。TCP/IP 和 MPI 等通信軟件則不再需要，因而可以避免性能損失。同時(shí)，這種架構(gòu)的通信能量成本遠(yuǎn)低于 1 皮焦耳/比特，幾乎比 GPU 低了 2 個(gè)數(shù)量級(jí)。Swarm 通信架構(gòu)融合了極大的寬帶和極低的延遲，使得 Cerebras WSE 能夠以較當(dāng)前任何可用解決方案更快的速度學(xué)習(xí)。