CerebrasSystems推出深度学习专用拥有1.2兆个电晶体的晶片

电脑系统公司CerebrasSystems发表了一款有史以来最大的半导体运算晶片CerebrasWaferScaleEngine（WSE），其尺寸超过一个iPadAir大小，上面拥有超过1.2兆个电晶体，以及40万个人工智慧最佳化的核心，要为深度学习应用提供更强大的运算能力。

cerebras-wse-nvidia-v100-featured-image.jpg(357.71KB,下载次数:3)

2019-8-2115:09上传

CerebrasSystems是一间由电脑架构师、电脑科学家以及深度学习研究人员组成的新公司，目的是要建立新型态的电脑，以加速深度学习的应用，而晶片WSE则是CerebrasSystems所发展的解决方案，其中一个重要的组成元素。这个巨型晶片的边长接近22公分，面积比目前最大的GPU，还要大上56倍，而上面所拥有的运算资源，包括核心、记忆体甚至是记忆体频宽，都比单一GPU晶片多上许多。

cerebras-wafer-scale-engine-specs.png(1.26MB,下载次数:2)

2019-8-2115:09上传

在这么大块的晶片上，可以放上40万个为人工智慧最佳化的核心，以及提供18GB的晶片上记忆体，这些记忆体分散在各核心之间，但都在同一层级的记忆体阶层架构下运作，核心能以一个时脉周期的速度存取记忆体。这些人工智慧运算核心则使用SwarmFabric技术，在2D的网状网路上相连，以100Pb的频宽进行讯息交换，其频宽适GPU的一万倍。官方提到，SwarmFabric是一个突破性的技术，可以为记忆体间提供超高频宽以及低延迟，但耗能仅为传统GPU技术的一小部分。

cerebras-chip.png(309.37KB,下载次数:4)

2019-8-2115:10上传

WSE的所有核心都可透过软体配置，以支援用户训练模型所需要的特定精确通讯，这些大量的可程式化核心，在单一晶片上提供丛集规模的计算能力，而就设计在核心旁边的记忆体，可以确保其记忆体的高使用率，而且晶片上的传输也比晶片间的传输技术，像是InfiniBand还要快非常多。

CerebrasSystems提到深度学习的发展是当前重要的工作之一，因为能够用于推动各领域的应用，但是其发展不仅受到应用程式与想法上的限制，还受到计算可用性的限制，训练一个新模型可能需要数天到数个月，而这正是人工智慧创新的主要障碍。

他们也认为特殊应用就需要专门的加速器，GPU原本就是为图形处理任务设计的，并不适合用于深度学习，而WSE是专为深度学习设计，能够提供更高数量级的运算能力，把数个月的模型训练时间，缩短到数分钟。

消息来源

标签：

免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。