Cerebras 推出“巨芯”二代：采用臺積電 7nm 制程，和餐盤差不多大

美國硅谷創企 Cerebras Systems 推出了其新的 Wafer Scale Engine 2（WSE-2）處理器，該處理器為超級計算任務而構建，具有破紀錄的 2.6 萬億個晶體管（市場上最大的 GPU 只有 540 億個晶體管）和 85 萬顆 AI 優化內核，大小類似餐盤，采用臺積電的 7nm 工藝。

這是 Cerebras 第二次使用整個 300mm 晶圓制造單顆芯片。這么大的晶圓一般會被切割成數百個獨立芯片，Cerebras 卻將其制成一個芯片。在龐大的體積之下，這種芯片相比同等算力的 GPU 集群，功耗和所占空間更小。

▲WSE-2 與最大的 GPU 尺寸對比

一、Cerebras 估值約 24 億美元，創始人斯坦福出身

Cerebras Systems 位于美國加利福尼亞州，創建于 2016 年。該公司專注于深度學習的計算機系統。目前該公司在硅谷、多倫多和東京都有辦事處，2019 年 11 月獲得了 4.75 億美元的 E 輪融。融資后，Cerebras Systems 估值約為 24 億美元。

安德魯?費爾德曼（Andrew Feldman）是 Cerebras 的聯合創始人兼首席執行官，他具有斯坦福大學學士學位和工商管理碩士學位，曾經創辦了專注于超高密度計算機服務器業務的 Seammicro 公司。Seammicro 在 2012 年被 AMD 以 3.57 億美元價格收購。

▲Cerebras 聯合創始人兼首席執行官 Andrew Feldman

2019 年，Cerebras 曾發布第一代 WSE 芯片，這款芯片具有 40 萬個內核和 1.2 萬億個晶體管，使用臺積電 16nm 工藝制程。

二、WSE-2 性能參數超競品幾個數量級，良率更高

WSE-2 仍由臺積電代工，但采用更加先進的 7nm 工藝。與第一代芯片相比，WSE-2 的晶體管數、內核數、內存、內存帶寬和結構帶寬等性能特征增加了一倍以上。由于 WSE-2 采用了 7nm 工藝制程，電路之間的寬度僅有七十億分之一米。

如此龐大的芯片尺寸帶來了 WSE-2 的大幅性能提升，該芯片的各類性能參數超出競品幾個數量級，能夠極大地縮減 AI 訓練時間。

相比競品 GPU，WSE-2 芯片的內核數量是其 123 倍，芯片內存是競品的 1000 倍以上，內存帶寬是 12000 倍，結構帶寬也增加了 45000 倍。

▲WSE、WSE-2 和英偉達 A100GPU 性能參數對比

Feldman 指出，通過將芯片放大互連，就可以在芯片上保留大量數據。WSE-2 相對普通 GPU 集群，延遲和能耗都會比較低。普通 GPU 集群在提供相同的算力時，將會需要數十個機架，花費數個月進行配置和編程，功率將高達數百瓦。

WSE-2 相對 GPU 還有很多核心冗余，如果有內核發生故障，單獨的故障內核并不影響芯片使用。而在臺積電這樣的晶圓代工廠中，很少出現連續的內核缺陷，因此 WSE-2 的良率較高。

三、Cerebras 擁有多位重量級客戶

國際調研機構 Moor Insights＆Strategy 的分析師 Patrick Moorhead 認為，WSE-2 內核數量帶來的性能確實對英偉達的 GPU 產生了一定挑戰。但是英偉達的解決方案更加靈活，幾乎可以安裝在任何服務器機箱中。

Tirias Research 首席分析師 Jim McGregor 在一封電子郵件中寫道，雖然對于數以百萬的 AI 算法來說，Cerebras 不像英偉達一樣全面，但是 Cerebras 的解決方案顯然已經吸引到了許多客戶。

從 2019 年交付 WSE 芯片起，在過去的一年里，已經有很多重量級用戶使用了 Cerebras 的產品。

比如美國阿貢國家實驗室、勞倫斯利弗莫爾國家實驗室、匹茲堡超級計算中心、愛丁堡大學的超級計算中心、葛蘭素史克、東京電子器件等。

全球制藥巨頭葛蘭素史克的高級副總裁 Kim Branson 稱贊到，Cerebras 增加了編碼器模型的復雜性，將訓練時間減少到之前的 1/80。

在美國最大的科學與工程研究室阿貢國家實驗室，CS-1 芯片被用于癌癥研究，將癌癥模型的實驗周轉時間減少到 1/300 還少。

Feldman 說，Cerebras 將在明年公布產品在重型制造、制藥、生物技術和軍事等領域取得的成就。WSE-2 將被集成到 CS-2 超算系統中，在今年第三季度上市。

結語：Cerebras 另辟蹊徑展現巨型芯片前景

雖然相比英偉達，Cerebras 沒有那么全面，但是 WSE 系列芯片并非單純的放大。在芯片尺寸如此巨大后，互連技術、芯片封裝、散熱等問題都會發生很大變化。

Cerebras 解決了這些問題，用 WSE-2 的優點向我們展示了芯片尺寸并非只能越做越小，巨型芯片也存在廣泛的應用前景。