拥有2。6万亿晶体管的芯片

　　来源：内容由半导体行业观察（ID：icbank）转载自公众号「悦智网」，作者：Samuel K. Moore，谢谢。
　　━━━━
　　几乎就在Cerebras系统公司宣布采用最大的单个计算机芯片建造计算机的同时，这家硅谷创业公司也表达出了打造更强大处理器的意愿。2021年4月，该公司发布了新一代芯片Wafer Scale Engine 2（WSE-2），这款芯片将于今年第三季度上市。WSE-2的物理尺寸与其前一代芯片相同，但含有的各种组件数量都大幅增加。其目标是在机器学习使用的神经网络不断增大的情况下保持领先。
　　该公司的工程和业务拓展副总裁迪拉杰•马利克（Dhiraj Mallick）在一次声明中说：＂在人工智能计算中，大芯片为王，它们处理信息的速度更快，可在更短的时间内得出答案，时间是人工智能进步的敌人。＂
　　Cerebras一直在致力于将解决机器学习问题的逻辑方案发挥到极致。训练神经网络耗时太长，2016年安德鲁•费尔德曼（Andrew Feldman）创办该公司时，大型神经网络的训练需要耗时数周。其中最大的瓶颈是数据必须在处理器和外部动态随机存取存储器（DRAM）内存之间来回穿梭，这既耗时又消耗能量。最初Wafer Scale Engine的发明者认为，解决这一问题的方法是制造足够大的芯片，就在人工智能处理器核心旁容纳全部所需的数据。对于自然语言处理、图像识别和即将出现其他任务的巨大网络，我们需要一个非常大的芯片。要多大呢？越大越好，和一整块硅晶圆（切掉一点圆边）的尺寸差不多，即46225平方毫米。
　　晶圆尺寸是WSE-2与WSE相同的少数几个数据之一，详情见下页表格。为了进行对比，表中也包含了英伟达的人工智能榜首芯片A100的数据。
　　2019年Cerebras发布WSE时，该芯片的制造商台湾积体电路制造股份有限公司（以下简称台积电，TSMC）使用的是16纳米制造工艺，当时这种技术已经有5年的历史。如今，台积电制造WSE-2使用的是7纳米工艺，据台积电的相关技术说明，这种工艺转变能使速度提升约40%，功率下降60%。
　　费尔德曼说：＂改变节点时，总会出现物理设计的挑战。所有这一切都与几何相关。这非常难，但我们有台积电这个出色的合作伙伴。＂
　　采用7纳米工艺本身就是一项重大进步，不过费尔德曼还表示，该公司还在增强了人工智能核心的微体系结构。虽然他没有谈到细节，但他表示，经过与客户一年多的合作后，Cerebras取得了一些经验，并将这些经验应用到新的核心。
　　Cerebras公司表示，其客户在打造新的人工智能芯片方面发挥了重要的作用。目前，该公司公开的客户包括美国国家实验室、制药公司葛兰素史克和匹兹堡超级计算中心。
　　用WSE-2做主机的计算机系统名为CS-2，该系统使用了几十万个核心来训练神经网络。软件允许用户使用PyTorch和TensorFlow等标准框架来编写自己的机器学习模型。然后，其编译器会物理连邻的WSE-2分成不同尺寸的分区，指派到神经网络的不同层。实现这一过程的方式是解决＂布局与路由＂的优化问题，确保每一层工作都能大致同步完成，信息在网络内流动不会出现失速。
　　与前一代系统一样，CS-2的体积也是标准机柜的1/3，功率约为20千瓦，依靠一个闭环液体冷却系统，还配备了一些大型冷却风扇。在开发WSE的主机系统时，热量一直是最大的问题。该芯片需要将约2万安培的电流从100万个铜接点输送到晶圆上的玻璃纤维电路板中。当热量使晶圆和电路板膨胀时，要保持所有组件排列对齐，这需要发明新材料。开发耗费了一年多的时间。虽然CS-2需要新的设计，但费尔德曼表示，这不需要大规模的新研发。
　　期待今年晚些时候能够在客户网络上看到WSE-2的性能数据。
　　*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
　　今天是《半导体行业观察》为您分享的第2816内容，欢迎关注。
　　晶圆｜集成电路｜设备｜汽车芯片｜存储｜台积电｜AI｜封装