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核算卡，其功能较V100提高了20倍，英伟达更是称其为最大的7nm，面积到达826 mm2。而草创公司Cerebras则在近来发布了第二代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，全球在练习大型模型上的核算现已到了30万倍，AI的约束更像是运算才能的约束，而不单单只是使用和构思。验证一个猜测和练习一个新模型可能会花上数周甚至数月的时刻，Cerebras的WSE-2旨在处理这些影响立异速度的问题。

  WSE-2从上一代的16nm工艺替换为7nm，虽然面积不变，但新制程的密度优势使其晶体管数量翻倍，到达了26000亿，AI中心数更是添加至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比较，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使用优化的稀少线性代数核算（SLAC）中心，很合适神经网络运算。

  Cerebras也指出内存也是核算中重要的一环。就拿上面说到的A100来说，A100只要40MB的L2 cache，却有着40GB的HBM2内存，但这种图形处理器的缺陷就在于这种显存往往是片外内存，并且速度太慢，推延过高。而WSE-2的40GB内存则是均匀分布在AI中心上，且带宽可以到达20PB/s。

  其实早在上一年的HotChips大会上，Cerebras就现已泄漏过这个85万AI核的新处理器，但因为一些延误，他们无法及时在上一年发布。Cerebras联合发起人Andrew Feldman在近期采访中说到，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中心中去，因而这一推延很可能是因为对AI中心微架构的改善。

  以往一个晶圆需求切割成多个芯片，通过封装后再作为处理器上市售卖。而Cerebras的处理方案是晶圆级集成技能，直接使用一个晶圆的最大面积来出产单一芯片，不过考虑到现在矩形芯片依然是功率最高的挑选，天然不可能直接拿整个圆形晶圆来制作芯片，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，制作一个WSE-2只用到了2/3的面积，但与芯片的价格比较，哪怕这些边角料被糟蹋，丢失也只是九牛一毛罢了。要知道Cerebras卖给匹茨堡超算中心的两台根据WSE-1的体系，但是从中获利近500万美元。

  但更强壮的芯片放在一个老旧的体系里并非一定能完成悉数的功能，反而可能会凸显出原有体系的瓶颈，比方通讯结构、芯片I/O、电源和散热等等。这就像是拿法拉利的引擎放在群众车里，也跑不出前者的速度相同。

  根据WSE-2、Cerebras的体系和软件渠道，Cerebras也推出了新一代深度学习体系CS-2，来打破体系上的约束。这么强壮的功能天然需求强壮的供电，CS-2采用了9+3的冗余供电装备来驱动WSE-2。但这样的供电天然也面临着散热上的应战，Cerebras在CS-2内部运用了一套水冷散热体系，用水冷来对WSE-2散热，再由风冷来下降水温。与此同时，CS-2的空间占用并不大，这个26英寸高的机器只是占用15U的机架空间，虽然大于英伟达的HGX A100体系，但考虑到功能的提高，这点空间占用仍是可接受的。

  据Cerebras泄漏，WSE-2和CS-2都将于本年第三季度推出，而CS-2的价格也将从CS-1的2到3百万美元涨到“几百万”美元的不详细数字。

  虽然Cerebras的WSE-2是一个功能怪兽，但它的使用面并没有A100那么广，更像是面向小众商场。就拿WSE-1的一些客户来说，大都在进行一些生物及医学研讨，比方癌症医治、药物发现等，且多用于超算中心与国家实验室，比方上面说到的匹茨堡超算中心和阿贡国家实验室。而英伟达的A100则可以适用于各种AI和HPC使用，这也是Cerebras现在的处理方案没有打破的，但考虑到Cerebras的定位也不是为做到全方面掩盖，专心于一个商场反而是Cerebras能做到如此优异的原因地点。

  其实最值得去打破的仍是这种晶圆级集成的技能，当然芯片规划厂商期望从单一晶圆中获取更多的芯片，获取更高的赢利，但这种朴实寻求功能的芯片反而合适现在不少Power-hungry的使用。话虽如此，完成这类芯片的良率同样是一大应战，并不是每家公司都像Cerebras相同在WSE-2上完成100%的良率的。