周一，新兴的芯片开发商Cerebras宣布了一项高速处理器设计的突破，这将加速人工智能技术的发展。

 

Cerebras公司推出了有史以来最大的计算机处理芯片。这种被称为“晶片级引擎”(WSE)的新芯片——发音为“wise”——是该公司为AI系统提供动力的深度学习机器的核心。

 

WSE扭转了芯片行业将更多计算能力封装到更小的形状因子芯片中的趋势。它的巨大尺寸是每边8.5英寸。相比之下，大多数薯片只能放在你的指尖上，每边长不超过一厘米。

 

新芯片的表面包含40万台被称为“核心”的小型计算机，以及1.2万亿晶体管。最大的图形处理单元(GPU)是815 mm2，拥有211亿个晶体管。

 

大脑圆片规模引擎

 

Cerebras发言人在TechNewsWorld上由公司代表Kim Ziesemer提供的评论中说，一些客户已经在使用该芯片，公司正在接受订单。

 

“芯片大小在人工智能中非常重要，因为大的芯片处理信息更快，在更短的时间内产生答案，”发言人指出。这种新的芯片技术花了Cerebras三年时间开发出来。

 

越大越好来训练人工智能

 

减少神经网络的洞察力或训练时间，可以让研究人员测试更多的想法，使用更多的数据，解决新的问题。Cerebras公司的发言人解释说，谷歌、Facebook、OpenAI、腾讯、百度和其他许多公司都认为，当今人工智能的根本局限在于训练模型的时间太长，并指出“减少训练时间从而消除了整个行业进步的主要瓶颈。”

 

使用WSE技术的加速训练使研究人员能够在以前训练单个模型所需的时间内训练数千个模型。此外，WSE支持新的和不同的模型。

 

这些好处来自于大量的可训练算法。在gpu上工作的子集非常小。WSE支持探索新的和不同的算法。

 

大脑的发言人说，用一小部分的时间训练现有的模型，华宇1956代理并训练新的模型去完成以前不可能完成的任务，这将深刻地改变人工智能的推理阶段。

 

理解的术语

 

为了更好地理解预期的高级结果，有必要理解关于神经网络的三个概念:

 

培训是学习;

 

推理是将学习应用于任务;和

 

推理是利用学习进行分类。

 

例如，您首先必须教一个算法动物是什么样子的。这是培训。然后你给它看一张图片，它就能认出一只鬣狗。这是推理。

 

使训练大大加快，新的和改进的模型将永远改变推断。研究人员将能够将更多的推理打包到更小的计算中，并使更节能的计算能够执行异常推理。

 

这个过程特别重要，因为大多数推断都是在使用电池的机器上进行的，或者是在其他方式受到电力限制的机器上进行的。因此，根据Cerebras公司的说法，更好的培训和新的模型使得从电话、GoPros、手表、相机、汽车、安全摄像头/闭路电视、农业设备、制造设备、个人数字助理、助听器、净水器和成千上万的其他设备上进行更有效的推断成为可能。

 

Cerebras Wafer Scale Engine无疑是人工智能技术进步的一大壮举，Medicus IT的CEO Chris Jann指出。

 

“这是一个强有力的指标，表明我们致力于人工智能的发展，因此，人工智能的存在将继续增加我们的生活，”他告诉TechNewsWorld。“我预计，随着每一项新的人工智能开发继续增加需求，这个行业将继续以指数级速度增长。”

 

华沙证交所规模很重要

 

大脑芯片的尺寸是英伟达领先芯片V100的57倍。据Cerebras的数据，新芯片的存储电路比其他任何芯片都多:18g，是Nvidia芯片的3000倍。

 

长期以来，芯片公司一直在寻求制造硅片大小的单晶片的突破。Cerebras似乎是第一个在商业上可行的产品上取得成功的公司。

 

Cerebras从著名的风险投资家那里获得了大约2亿美元的资金来完成这个项目。

 

Cerebras首席执行官安德鲁·费尔德曼表示，新的芯片将促进人工智能的重新发明。它提供了并行处理的速度，这是谷歌和其他构建空前规模的神经网络所需要的。

 

Pund-IT的首席分析师查尔斯·金(Charles King)说，很难说像Cerebras或其芯片这样的公司在长期会产生什么样的影响。

他告诉TechNewsWorld:“部分原因是他们的技术基本上是全新的，这意味着他们必须找到愿意合作的合作伙伴和开发者，更不用说客户了。”

 

艾未未的快速扩张

 

不过，ABI Research首席分析师Su连杰(Lian Jye Su)表示，云人工智能芯片组市场一直在迅速扩张，该行业正看到各种人工智能模型支持的大量用例的出现。

 

“为了解决用例的多样性，许多开发人员和最终用户需要确定他们自己在基础设施成本、电力预算、芯片组灵活性和可伸缩性以及开发人员生态系统方面的平衡，”他告诉TechNewsWorld。

 

在许多情况下，开发人员和最终用户采用混合方法来确定云AI芯片组的正确组合。苏指出，大脑可以很好地服务于这一环节。

 

WSE提供什么

 

新的大脑技术解决了深度学习的两个主要挑战:计算能力和数据传输。苏解释说，它的大硅尺寸提供了更多的芯片内存和处理核心，而它的专有数据通信结构加速了数据传输。

 

苏指出，有了WSE, Cerebras Systems可以通过其Cerebras软件栈专注于生态系统建设，并成为云人工智能芯片业的关键玩家。

 

人工智能的过程包括以下几个方面:

 

大脑构建的设计软件工具;和

 

构建冗余电路绕过硅制造中的缺陷，以仍然交付40万个工作优化核心，就像一个微型互联网，当单个服务器计算机宕机时仍在运行;

 

以新的方式移动数据，以更好地训练神经网络，这需要成千上万的操作同时进行。

 

更大的WSE芯片解决的问题是，当通过连接在电路板上的慢速电线在芯片之间发送数据时，多个芯片的计算机速度变慢。

 

这些晶圆是与全球最大的芯片制造商台积电(tsmc)合作生产的，但Cerebras拥有使这一过程成为可能的知识产权的专有权。

 

现在有，但是…

 

大脑不会自己出售芯片。相反，华宇1956代理该公司将把它包装成计算机设备Cerebras的一部分。

 

一个复杂的水冷系统——一个灌溉网络——是必要的，以抵消极端高温的新芯片产生运行在15千瓦的电力。

 

Feldman说，Cerebras计算机的功能将是使用多个Nvidia芯片的服务器的150倍，功耗和服务器机架所需物理空间的一小部分。这将使花费数万美元在云计算设施中运行的神经训练任务的成本降低一个数量级。