一块晶圆等于一颗芯片！全球最大WSE-2处理器发布！7nm面积达826 mm2

  ，作为V100推出三年后的又一大计算卡，其性能较V100提升了20倍，英伟达更是称其为最大的7nm，面积达到826 mm2。而初创公司Cerebras则在近日发布了第二代Wr Scale Engine（WSE-2）芯片，夺下了7nm下面积最大芯片的宝座。

  从2015年到2020年，全球在训练大型模型上的计算已经到了30万倍，AI的限制更像是运算能力的限制，而不单单只是应用和创意。验证一个猜想和训练一个新模型可能会花上数周乃至数月的时间，Cerebras的WSE-2旨在解决这些影响创新速度的问题。

  WSE-2从上一代的16nm工艺替换为7nm，尽管面积不变，但新制程的密度优势使其晶体管数量翻倍，达到了26000亿，AI核心数更是增加至85万个。Cerebras是在参数简介上直接对标英伟达的A100，与826 mm2 的A100相比，46225 mm2的WSE-2是前者的56倍。WSE-2片上内存为40GB，是A100的千倍，内存带宽更是做到A100的上万倍。WSE内含85万个专为AI应用优化的稀疏线性代数计算（SLAC）核心，很适合神经网络运算。

  Cerebras也指出内存也是计算中重要的一环。就拿上面提到的A100来说，A100只有40MB的L2 cache，却有着40GB的HBM2内存，但这种图形处理器的缺点就在于这种显存往往是片外内存，而且速度太慢，延迟过高。而WSE-2的40GB内存则是均匀分布在AI核心上，且带宽能够达到20PB/s。

  其实早在去年的HotChips大会上，Cerebras就已经透露过这个85万AI核的新处理器，但由于一些延误，他们没法及时在去年发布。Cerebras联合发起人Andrew Feldman在近期采访中提到，与客户合作了一年之后，他们汲取了一些经验教训，并将其整合进了新的AI核心中去，因此这一推迟很可能是由于对AI核心微架构的改进。

  以往一个晶圆需要切割成多个芯片，经过封装后再作为处理器上市售卖。而Cerebras的解决方案是晶圆级集成技术，直接利用一个晶圆的最大面积来生产单一芯片，不过考虑到目前矩形芯片依然是效率最高的选择，自然不可能直接拿整个圆形晶圆来制造芯片，Cerebras也从一块晶圆中选取了最大的正方形。虽然从12英寸晶圆的面积来看，制造一个WSE-2只用到了2/3的面积，但与芯片的售价相比，哪怕这些边角料被浪费，损失也只是沧海一粟而已。要知道Cerebras卖给匹茨堡超算中心的两台基于WSE-1的系统，可是从中获利近500万美元。

  但更强大的芯片放在一个老旧的系统里并非一定能实现全部的性能，反而可能会凸显出原有系统的瓶颈，比如通信结构、芯片I/O、电源和散热等等。这就像是拿法拉利的引擎放在大众车里，也跑不出前者的速度一样。

  基于WSE-2、Cerebras的系统和软件平台，Cerebras也推出了新一代深度学习系统CS-2，来突破系统上的限制。这么强大的性能自然需要强大的供电，CS-2采用了9+3的冗余供电配置来驱动WSE-2。但这样的供电自然也面临着散热上的挑战，Cerebras在CS-2内部运用了一套水冷散热系统，用水冷来对WSE-2散热，再由风冷来降低水温。与此同时，CS-2的空间占用并不大，这个26英寸高的机器仅仅占用15U的机架空间，虽然大于英伟达的HGX A100系统，但考虑到性能的提升，这点空间占用还是可接受的。

  据Cerebras透露，WSE-2和CS-2都将于今年第三季度推出，而CS-2的价格也将从CS-1的2到3百万美元涨到“几百万”美元的不具体数字。

  尽管Cerebras的WSE-2是一个性能怪兽，但它的应用面并没有A100那么广，更像是面向小众市场。就拿WSE-1的一些客户来说，多数在进行一些生物及医学研究，比如癌症治疗、药物发现等，且多用于超算中心与国家实验室，比如上面提到的匹茨堡超算中心和阿贡国家实验室。而英伟达的A100则能够适用于各种AI和HPC应用，这也是Cerebras目前的解决方案没有突破的，但考虑到Cerebras的定位也不是为做到全方面覆盖，专注于一个市场反而是Cerebras能做到如此优秀的原因所在。

  其实最值得去突破的仍是这种晶圆级集成的技术，固然芯片设计厂商希望从单一晶圆中获取更多的芯片，获取更高的利润，但这种纯粹追求性能的芯片反而适合如今不少Power-hungry的应用。话虽如此，实现这类芯片的良率同样是一大挑战，并不是每家公司都像Cerebras一样在WSE-2上实现100%的良率的。

  本文由电子发烧友原创，转载请注明以上来源。如需入流，请添加微信elecfans999，投稿爆料采访需求，请发邮箱。

  Ryzen？那得等到2019年！ /

  ，也将持续关注Spectre和Meltdown漏洞带来的安全危机，Zen

  还有高通骁龙855（新命名可能是骁龙8150）以及三星的Exynos 9820

  不仅性能强劲，功耗控制得也很优秀，先进的达芬奇架构让其AI跑分更是达到业界第

  ，产品矩阵更加丰富 /

  涨幅超80% /

  制程工艺的进步必将让半导体行业的发展慢慢的变快。接下来我们仔细地了解下这款

  高性能计算与多模态处理的探索之旅：英伟达GH200性能优化与GPT-4V的算力加速未来

  第16课3节 AD20+VESC6-4实战教程：总体布局和定义板子#Altium实战教程

  第15课2节AD20+VESC6-4实战教程：更改封装并添加定位#Altium实战教程