比脸还大！史上最大芯片问世！

面积达422.25平方厘米， 拥有1.2 万亿个晶体管，400000 个核心，片上内存18 Gigabytes，内存带宽19 PByte/s，fabric带宽100 Pbit/s。

这就是有史以来最大的芯片——Cerebras Wafer Scale Engine！

据外媒报道，美国加州的创业公司Cerebras发布了号称全球最大的芯片WSE，而且是专门为人工智能计算打造的。这款名为Wafer Scale Engine（WSE）的芯片拥有1.2万亿个晶体管，其数量是英伟达最新一代旗舰GPU Titan V的57倍。

这款虽然面积巨大（面积高达46,225平方毫米）但依然使用的是台积电16纳米制程工艺，其中包含400,000个核心，片上存储高达18G，功耗1.5万瓦（约等于6台电磁炉的功率），内存带宽9PB/秒，通信结构带宽100PB/秒。该公司表示，仅用一块这样的芯片即可驱动复杂的人工智能系统，从无人驾驶汽车到监控系统。

大多数芯片实际上是在12英寸硅晶片上创建的芯片集合，并在芯片工厂中批量生产。但Cerebras Systems芯片是在单个晶圆上互连的单芯片。这些互连设计使这些芯片全部保持高速运行状态，万亿个晶体管可以全部一起工作。

通过这种方式，Cerebras Wafer Scale Engine成为有史以来最大的处理器，它专门设计用于处理AI应用问题。该公司在本周在斯坦福大学举行的Hot Chips会议上讨论这款“世界最大”的芯片的设计。

Cerebras 表示，WSE 可以把处理复杂数据所需的时间从几个月缩短到几分钟。

「AI 模型训练时间的缩减将会消除这个行业进步的主要瓶颈，」Cerebras 首席执行官、创始人 Andrew Feldman 表示。他是一个芯片行业资深人士，此前曾将自创的一家公司以 3.34 亿美元的价格出售给 AMD。

目前，Cerebras 已在向少量用户提供这种芯片了，不过价格尚未透露。

巨型 AI 芯片真的可行？

芯片的大小在 AI 计算中至关重要，因为芯片越大，处理信息的速度越快，得出答案的时间也就越短。如果可以减少训练时间，研究者就可以尝试更多的想法、使用更多的数据去解决新问题。谷歌、Facebook、OpenAI、腾讯、百度以及其他科技巨头都表示，当今 AI 最大的问题是模型训练时间过长。减少训练时间可以克服整个行业的一大瓶颈。

当然，一般芯片厂商不会选择把芯片造那么大，这是因为，在单个晶片上，制造过程中往往会产生一些瑕疵。如果说一个瑕疵会导致芯片出现故障，那么几个瑕疵就会导致芯片报废。如果一个硅晶片上只有一个芯片，那么产生瑕疵的概率几乎是百分之百，而瑕疵会导致芯片报废。为了保证成品率，Cerebras 采用了冗余式的设计：如果有的核心出了问题，内部链接可以跳过坏掉的核心。这种方法大大降低了芯片的制造成本。

Cerebras Systems 的 CEO Feldman 表示，WSE 芯片着眼于 AI 从头进行设计，其中包含众多根本上的创新，通过解决数十年来限制芯片尺寸的问题（如 cross-reticle 连接、成品率、功率输送、封装）来提高性能。「每一个架构决策都是为了提高 AI 的性能。因此，WSE 芯片在有限的功耗和空间范围内，基于工作负载实现了数百甚至数千倍的性能提升。」

这些性能的提升是通过加速神经网络训练的每一部分来实现的。一个神经网络就是一个多级计算反馈回路。输入在回路中传递越快，该回路学习（训练）的速度就越快。加快输入传递速度可以通过加速回路中的计算和通信来实现。

WSE 的超大体积使其可以搭载更多用于计算的核以及更加接近核的内存，从而核可以高效运转。由于这个庞大的核阵列和内存都在一个芯片上，因此所有的通信都是在其上进行的，这意味着它的低延迟通信带宽是巨大的，所以核组的协作效率可以最大化。

这个 46225 平方毫米的硅芯片上有 40 万个 AI 优化的、无缓存、无开销的计算核以及 18GB 的本地、分布式、超高速 SRAM 内存，作为内存层次结构的唯一层次。内存带宽为每秒 9PB。这些核通过一个细粒度的、全硬件的、片上网状连接的通信网络连接在一起，提供每秒 100 PB 的总带宽。更多的核、更多的本地内存和低延迟的高带宽结构一起构成了加速 AI 工作的最佳架构。

Tirias Research 创始人兼首席分析师 Jim McGregor 在一份声明中表示：「虽然 AI 在一般意义上得到应用，但没有两个数据集或两项 AI 任务是相同的。新的 AI 工作负载不断涌现，数据集也持续增大。」

「随着 AI 的发展，芯片和平台解决方案也在不断发展。Cerebras WSE 是半导体和平台设计领域的一项惊人的工程成就，能够在单晶片规模的解决方案中提供媲美超级计算机的计算能力、高性能内存和宽带。」

这种面积的芯片，供电和冷却都是大问题，看起来水冷是必须的了。