'史上最大半導體芯片誕生,1.2萬億晶體管或用於AI'
8月19日,美國 AI 芯片初創公司 Cerebras Systems 推出了有史以來最大的半導體芯片,這款名為“The Cerebras Wafer Scale Engine”(WSE)的芯片有 1.2 萬億個晶體管。
為何被稱為史上最大專用AI芯片?
在芯片歷史上,1971 年,英特爾的第一個 4004 處理器只有 2300 個晶體管,而最近的一個高級微設備處理器也只有 320 億個晶體管。三星也曾製造過一款擁有 2 萬億個晶體管的閃存芯片( eUFS 芯片),但是不適用於 AI 計算。這款WSE,創紀錄的最大芯片,它為 AI 計算而生。
8月19日,美國 AI 芯片初創公司 Cerebras Systems 推出了有史以來最大的半導體芯片,這款名為“The Cerebras Wafer Scale Engine”(WSE)的芯片有 1.2 萬億個晶體管。
為何被稱為史上最大專用AI芯片?
在芯片歷史上,1971 年,英特爾的第一個 4004 處理器只有 2300 個晶體管,而最近的一個高級微設備處理器也只有 320 億個晶體管。三星也曾製造過一款擁有 2 萬億個晶體管的閃存芯片( eUFS 芯片),但是不適用於 AI 計算。這款WSE,創紀錄的最大芯片,它為 AI 計算而生。
大多數芯片實際上是在12英寸硅晶片上創建的芯片集合,並在芯片工廠中批量處理。但Cerebras Systems芯片是在單個晶圓上互連的單芯片。這些互連設計使其全部保持高速運行,因此萬億個晶體管全部一起工作。通過這種方式,Cerebras Wafer Scale Engine是有史以來最大的處理器,它專門設計用於處理人工智能應用程序。
芯片尺寸在AI中至關重要,大芯片可以更快地處理信息,在更短的時間內產生答案。減少洞察時間或“培訓時間”,使研究人員能夠測試更多想法,使用更多數據並解決新問題。谷歌,Facebook,OpenAI,騰訊,百度和許多其他人認為,今天人工智能的基本限制是培訓模型需要很長時間。因此,縮短培訓時間消除了整個行業進步的主要瓶頸。
8月19日,美國 AI 芯片初創公司 Cerebras Systems 推出了有史以來最大的半導體芯片,這款名為“The Cerebras Wafer Scale Engine”(WSE)的芯片有 1.2 萬億個晶體管。
為何被稱為史上最大專用AI芯片?
在芯片歷史上,1971 年,英特爾的第一個 4004 處理器只有 2300 個晶體管,而最近的一個高級微設備處理器也只有 320 億個晶體管。三星也曾製造過一款擁有 2 萬億個晶體管的閃存芯片( eUFS 芯片),但是不適用於 AI 計算。這款WSE,創紀錄的最大芯片,它為 AI 計算而生。
大多數芯片實際上是在12英寸硅晶片上創建的芯片集合,並在芯片工廠中批量處理。但Cerebras Systems芯片是在單個晶圓上互連的單芯片。這些互連設計使其全部保持高速運行,因此萬億個晶體管全部一起工作。通過這種方式,Cerebras Wafer Scale Engine是有史以來最大的處理器,它專門設計用於處理人工智能應用程序。
芯片尺寸在AI中至關重要,大芯片可以更快地處理信息,在更短的時間內產生答案。減少洞察時間或“培訓時間”,使研究人員能夠測試更多想法,使用更多數據並解決新問題。谷歌,Facebook,OpenAI,騰訊,百度和許多其他人認為,今天人工智能的基本限制是培訓模型需要很長時間。因此,縮短培訓時間消除了整個行業進步的主要瓶頸。
當然,芯片製造商通常不會製造如此大的芯片。在單個晶片上,在製造過程中通常會發生一些雜質。如果一種雜質會導致芯片發生故障,那麼晶圓上的一些雜質就會擊出一些芯片。實際製造產量僅佔實際工作芯片的百分比。如果晶圓上只有一個芯片,它有雜質的機率是100%,雜質會使芯片失效。但Cerebras設計的芯片是冗餘的,因此一種雜質不會禁用整個芯片。
AI芯片商用價值
據悉,少數客戶將在9月份開始嘗試WSE芯片。不過,關於芯片的成本、售價以及實用性,創始人兼CEO Feldman還沒有給出相關回應。儘管WSE的算力、存儲和通信能力聽起來都很驚人,但它在商業應用上的可行性還存疑問,一個明顯的問題就是用戶習慣。
以包含特殊水冷系統的精密設備為例,它與多數大型科技公司以及政府的使用習慣完全不同。英特爾副總裁Naveen Rao表示,非常規形狀的芯片在銷售時會相對困難,因為客戶不喜歡放棄他們現有的硬件。他認為:“為了改變這個行業,我們必須以增量方式實現這一目標。”Tirias Research的創始人Jim McGregor也認同這一觀點,並非所有科技公司都會急於購買像Cerebras這樣異類的芯片。
8月19日,美國 AI 芯片初創公司 Cerebras Systems 推出了有史以來最大的半導體芯片,這款名為“The Cerebras Wafer Scale Engine”(WSE)的芯片有 1.2 萬億個晶體管。
為何被稱為史上最大專用AI芯片?
在芯片歷史上,1971 年,英特爾的第一個 4004 處理器只有 2300 個晶體管,而最近的一個高級微設備處理器也只有 320 億個晶體管。三星也曾製造過一款擁有 2 萬億個晶體管的閃存芯片( eUFS 芯片),但是不適用於 AI 計算。這款WSE,創紀錄的最大芯片,它為 AI 計算而生。
大多數芯片實際上是在12英寸硅晶片上創建的芯片集合,並在芯片工廠中批量處理。但Cerebras Systems芯片是在單個晶圓上互連的單芯片。這些互連設計使其全部保持高速運行,因此萬億個晶體管全部一起工作。通過這種方式,Cerebras Wafer Scale Engine是有史以來最大的處理器,它專門設計用於處理人工智能應用程序。
芯片尺寸在AI中至關重要,大芯片可以更快地處理信息,在更短的時間內產生答案。減少洞察時間或“培訓時間”,使研究人員能夠測試更多想法,使用更多數據並解決新問題。谷歌,Facebook,OpenAI,騰訊,百度和許多其他人認為,今天人工智能的基本限制是培訓模型需要很長時間。因此,縮短培訓時間消除了整個行業進步的主要瓶頸。
當然,芯片製造商通常不會製造如此大的芯片。在單個晶片上,在製造過程中通常會發生一些雜質。如果一種雜質會導致芯片發生故障,那麼晶圓上的一些雜質就會擊出一些芯片。實際製造產量僅佔實際工作芯片的百分比。如果晶圓上只有一個芯片,它有雜質的機率是100%,雜質會使芯片失效。但Cerebras設計的芯片是冗餘的,因此一種雜質不會禁用整個芯片。
AI芯片商用價值
據悉,少數客戶將在9月份開始嘗試WSE芯片。不過,關於芯片的成本、售價以及實用性,創始人兼CEO Feldman還沒有給出相關回應。儘管WSE的算力、存儲和通信能力聽起來都很驚人,但它在商業應用上的可行性還存疑問,一個明顯的問題就是用戶習慣。
以包含特殊水冷系統的精密設備為例,它與多數大型科技公司以及政府的使用習慣完全不同。英特爾副總裁Naveen Rao表示,非常規形狀的芯片在銷售時會相對困難,因為客戶不喜歡放棄他們現有的硬件。他認為:“為了改變這個行業,我們必須以增量方式實現這一目標。”Tirias Research的創始人Jim McGregor也認同這一觀點,並非所有科技公司都會急於購買像Cerebras這樣異類的芯片。
作為最早開始做AI相關研發的科技公司之一,谷歌亦是專用AI芯片商用開路人。谷歌於2016年推出了自己開發的AI芯片Tensor Processing Unit(TPU),現已進入第三代,為谷歌的語音助理、谷歌地圖、谷歌翻譯等各種AI應用提供算力支撐。最初設計的TPU用於深度學習的推理階段,而新版本已經可以用於AI訓練。
谷歌聲稱,使用32種最好的商用GPU訓練機器翻譯系統需要一天的時間,相同的工作量需要在8個連接的TPU上花費6個小時。但這在谷歌對外服務的市場是有限制的,TPU只能用與和運行Google TensorFlow AI框架,用戶無法使用它們來訓練或運行使用Apache MxNet或Facebook的PyTorch構建的AI,也不能將它們用於GPU佔據著至高無上地位的非AI HPC應用程序中。
但谷歌對此表示滿意,因為它將TPU和TensorFlow視為其全面的AI領導力的戰略。針對其軟件進行了優化的軟件針對其軟件進行了優化,可以構建強大而耐用的平臺。
2019年是業內公認的AI落地之年,而其中關鍵在於AI芯片。作為AI場景落地終端的最好載體,AI芯片可謂是智慧城市發展“發動機”。智慧城市在安防、金融、醫療、交通等多場景應用,要相應的芯片才能發揮作用,也因此,AI芯片成為各家必爭之地。初創企業、互聯網公司,尤其是智慧城市的相關硬件生產商,都對AI芯片趨之若鶩。
AI芯片市場的戰況越發激烈。據不完全統計,國內有超20家企業投入AI芯片的研發中來,在2019年商業化將是芯片競爭力重要一環。隨著5G時代的到來和AI產業的蓬勃發展,人工智能芯片領域將會是值得關注的新興賽道。人工智能芯片將作為核心硬件,配合以算法為核心的軟件系統,搭載於智能移動終端。