Cerebras Systems和聯邦能源部國家能源技術實驗室今天宣布，該公司的CS-1系統(tǒng)比圖形處理單元（GPU）快10,000倍。

　　換而言之，這意味著以前需要花費數月時間進行訓練的AI神經網絡，現在在Cerebras系統(tǒng)上僅需要進行數分鐘的訓練，就能完成。

　　Cerebras生產世界上最大的計算機芯片WSE。芯片制造商通常會從直徑12英寸的硅錠中切出晶圓，然后在芯片工廠中進行處理。處理完成后，將晶片切成數百個可用于電子硬件的獨立芯片。

　　但是由SeaMicro創(chuàng)始人Andrew Feldman創(chuàng)立的Cerebras用整個晶圓制造出了一塊巨大的芯片。芯片的每個部分都稱為核心，以復雜的方式互連到其他核心。互連設計為使所有內核保持高速運行，因此晶體管可以一起工作。

　　Cerebras的CS-1系統(tǒng)使用WSE硅片大小的芯片，該芯片具有1.2萬億個晶體管，這些基本的開關電子開關是硅芯片的基礎。英特爾1971年的第一個4004處理器具有2,300個晶體管，而昨天宣布的Nvidia A100 80GB芯片具有540億個晶體管。

　　Feldman在接受VentureBeat采訪時說，CS-1的速度也比Joule超級計算機快200倍，后者在全球500強超級計算機中名列第82位。

　　Feldman說：“它顯示了創(chuàng)紀錄的性能。這也表明晶圓級技術的應用范圍超出了AI。”

　　這些數據是總部位于加利福尼亞州的Cerebras采用激進方法得出的成果，該方法創(chuàng)建了具有40萬個AI核的芯片，而不是將該晶片切成單個芯片。Feldman說，這種不尋常的設計使完成任務變得容易得多，因為處理器和內存彼此靠近，并且有很多帶寬可以連接它們。該方法在不同的計算任務中適用范圍的問題仍然存在。

　　根據Cerebras與聯邦實驗室合作的結果發(fā)表的一篇論文說，CS-1可以提供任何數量的中央處理器（CPU）和GPU都無法達到的性能，而中央處理器和GPU都是超級計算機中常用的。（現在70％的頂級超級計算機都使用了英偉達的GPU ）。Feldman補充說，“不管超級計算機有多大，這都是真的。”

　　Cerebras將在本周的SC20超級計算在線活動中進行演示。CS-1在計算流體動力學方面的工作量擊敗了Joule 超級計算機，它可以模擬化油器等地方的流體運動。Joule 超級計算機的建造成本為數千萬美元，其中有84,000個CPU內核分布在數十個機架上，消耗的功率為450千瓦。

　　上圖：Cerebras有六個左右的超級計算客戶

　　根據能源實驗室主管Brian Anderson的說法，在此演示中，Joule 超級計算機使用了16,384個內核，而Cerebras計算機的速度提高了200倍。Cerebras花費數百萬美元，并使用20千瓦的功率。

　　“對于這些工作量，晶圓級CS-1是有史以來最快的機器，”Feldman說。“而且它比其他處理器的任何其他組合或集群都快。”

　　單個Cerebras CS-1的高度為26英寸，可占據三分之一的機架，并由業(yè)界唯一的晶圓級處理引擎Cerebras的WSE提供動力。它結合了內存性能與大帶寬，低延遲的處理器間通信以及針對高帶寬計算進行了優(yōu)化的體系結構。

　　該研究由NETL機器學習和數據科學工程師Dirk Van Essendelft以及Cerebras聯合創(chuàng)始人兼高級技術首席架構師Michael James領導。經過幾個月的努力，結果才出現。

　　2019年9月，能源部宣布與Cerebras建立合作伙伴關系，其中包括與Argonne國家實驗室和Lawrence Livermore國家實驗室的部署。

　　Cerebras CS-1于2019年11月發(fā)布。CS-1是圍繞WSE構建的，它的體積是WSE的56倍，內核增加了54倍，片上內存增加了450倍，內存帶寬增加了5788倍，并且20,833倍Cerebras說，與領先的GPU競爭對手相比，其結構帶寬更大。

　　上圖：勞倫斯·利弗莫爾國家實驗室的大腦

　　費爾德曼指出，CS-1可以比實時完成更快的計算，這意味著它可以在反應開始時啟動電廠反應堆核心的仿真，并在反應結束之前完成仿真。

　　“這些動態(tài)建模問題具有有趣的特征，”Feldman說。“它們在CPU和GPU內核之間的伸縮性很差。用計算科學家的語言來說，它們沒有表現出”強擴展性“。這意味著，在一定程度上，向超級計算機添加更多處理器不會帶來額外的性能提升。”

　　Cerebras已經籌集了4.5億美元，擁有275名員工。