1.2万亿个晶体管，史上最大芯片的商用之路在哪里？

今天，一颗超大芯片引起了半导体界的轰动。

通过著名媒体《连线》，AI初创公司Cerebras Systems正式公布了史上最大的的单晶圆芯片——Cerebras Wafer Scale Engine，英伟达最大的GPU都不及它的“边角”。

简单来说，Cerebras 打破了传统的技术限制，将一整个300mm硅片直接做成了一颗芯片，因此“大”是人们对它的第一印象，但不止于大。

据悉，这款芯片拥有40万个核（4核处理器的10万倍），其处理能力能够支持大量计算，同时它利用了硅互连的先进封装工艺，实现硅片级别的高速通信和存储，这在理论上让整颗芯片能够用最快的速度调用算力处理极为复杂的AI任务。

Cerebras Wafer Scale Engine ＝ 整个服务器集群

目前，官方透露出来的关键指标如下：

· 硅片大小42225平方毫米（边长大约22cm）

· 1．2万亿个晶体管

· 40万个AI内核

· 18GB的片上内存

· 存储带宽19PB／S

· 架构互联（Fabric型）带宽100PB／S

· 采用了台积电16nm工艺

从透露的消息可以看出，这颗芯片拥有史上最大的片上存储空间（英伟达最好GPU的3000倍）、最多的AI核（每一个核相当于一个小型计算机）和最高的通信速度（最高性能GPU的10000倍内存带宽）。

Cerebras Systems CEO Andrew Fieldman在一份声明中说，“Cerebras WSE专为AI而设计，其中包含了不少基础创新，解决了限制芯片尺寸的长达数十年的技术挑战，如单晶圆良率、功率输出、封装等。其中，所有架构设计都是为了优化AI工作的性能。总的来说，WSE只需要较小功耗和空间，就能提供数百或数千倍的现有解决方案的性能。”

图 ｜ Hot Chips活动现场介绍WSE

据悉，因具备了存储、计算和通信三大关键元素，且完全基于神经网络设计，现有AI系统所需要处理的张量处理操作、数据存储和通信都能够在WSE上完成，同时WSE将集群通信架构理念做进了这款芯片里，突破了传统带宽的限制，带来了低延迟，同时避免了不必要的性能损失。

将网络通信做进芯片里，这不仅带来AI芯片计算能力的改善，也让用户可以基于它建设更高质量的网络。所以与其说它是一台超级计算机，倒不如说，WSE更像是将一个服务器集群系统“做”进了晶圆里。

值得一提的是，考虑到单个晶圆在制造过程中会出现一些杂质，从而导致芯片故障的问题，Cerebras Systems 的芯片设计是留有裕量的，能够保证一个或者少量杂质不会使整个芯片失效，这也保证了芯片的稳定性。

散热会成为大问题吗？

很多人初次看到这样一种配置，不免会为Andrew担心：这么大一块芯片，散热要怎么做？

不得不说，目前为止，各大新闻中都未提及这款芯片的功耗问题。但不难想象，与我们看见的传统“指甲盖”大小的芯片相比，这款芯片的功耗一定不会低。

对此，Andrew表示，这款芯片不会单独销售，而是将被打包到Cerebras设计的计算机“设备”中。原因是它需要一个复杂的水冷系统去散热。据悉，这个水冷系统是一种灌溉网络，可以抵消以15千瓦功率运行的芯片产生的极端热量。

因为散热，这款芯片无法作为加速卡插入现有的任何服务器。在这种设计下，可以猜测它的功率一定会很高，但与它所要替代的系统集群比较来看，它的功耗也算是很低了。

不过相较于散热，业内人士更为关心它是不是能够按照预想跑起来，“目前来看，这款芯片真正的问题是大量内核，如何让40万个核保持协同和有效，这需要严格考量。”

商用之路在何方？

对于大家对WSE商用的怀疑，在斯坦福大学的Hotchips活动上，Cerebras已经透露，这款芯片并非空有其表，现在已经在跑客户的任务负载了。

目前，从计算角度来看，这一轮人工智能浪潮中最关键的算法应用是深度学习，将深度学习算法应用到AI场景中，需要完成两大核心运算：训练和推理。WSE是为AI专门设计的，因此可以猜测它的目标市场无非训练和推理。

但是这样一款在散热上、价格上都不会“轻松”的芯片，市场真的会买单吗？或者说哪部分市场可能会买单？

对此，Micron的研究员Eugenio Culurciello表示，Cerebras芯片的规模和雄心是疯狂的，不过它能解决大算力需求的场景（如自动驾驶）所需，虽然很昂贵，但有些人可能会使用它。

事实上，从市场需求的角度出发，WSE如果真的实测成功且能够量产，它将极有可能首先撼动英伟达的GPU市场，即训练市场。相比于推理市场，因训练任务重且训练时间长，训练市场多以算力至上，对芯片的价格、功耗并不敏感，所以Cerebras芯片更有可能在训练市场获得成功，这也将再次颠覆训练市场的格局。

而推理市场呢？从目前的情况来看，端侧推理市场没有过高算力需求，且对低功耗的要求十分严苛，WSE大概率不会出现在这部分市场。不过在云端和边缘侧的推理市场，WSE如果不能很好处理功耗和散热问题，这也都会为商用增加阻力。

据Andrew本人自己的估计，用WSE来部署云计算基础设施，总体成本将会是现有造价的1／10。

过于美丽、过于超出公众认知是这款芯片的最大特点，因此在Cerebras正式将这款芯片推出之前，大家对它的疑虑其实难以消除：

“在我们看到Benchmark测试结果之前，我们很难说它的AI设计有多好。”

如Cerebras在推特上告诉大家：Stay tuned。只能静候佳音。

最后，关于Cerebras Systems

Cerebras Systems成立于 2016 年，专注于为数据中心训练提供芯片产品，曾被CB Insights评为“全球最值得期待的100家芯片公司”。

资料显示，该公司曾于2016年完成2500万美元A轮融资，投资方为知名风投Benchmark，后又获得多轮融资，截止2017年9月共获得1．12亿美元融资，估值8．6亿美元。

公司的创始团队背景实力也十分强劲，联合创始人及CEO Andrew Feldman曾经创立过芯片公司SeaMicro，后在2012年，这家公司被AMD以3．34亿美元收购。

图 ｜ Andrew Feldman

在Andrew创办Cerebras Systems之时，有两大重量级人物加盟。一位是曾在Sun担任过高级芯片设计师、低功耗芯片设计的元老级人物Gary Lauterbach，另一位是前 Intel 公司架构副总裁、数据中心首席技术官Dhiraj Mallick。

因为有强大的团队坐镇，Cerebras Systems成立之时就注定不容忽视。现在，这家公司已有194名员工。