當(dāng)?shù)貢r間8月18日，半導(dǎo)體行業(yè)盛會——Hotchips國際大會在美國斯坦福大學(xué)舉行。在此次會上，芯片初創(chuàng)公司Cerebras在Hot Chips上展出了號稱是“世界上最大”的半導(dǎo)體AI芯片Wafer Scale Engine（以下簡稱“WSE”）。

全球最大AI芯片：46225mm2，1.2萬億晶體管

據(jù)介紹，WSE芯片基于臺積電16nm工藝，核心面積超過46225mm2，集成了高達(dá)1.2萬億個晶體管。這是個什么概念呢？

目前最大的GPU芯片——NVIDIA用于AI加速的GV100大核心，集成了211億晶體管（核心面積815mm2）。WSE芯片晶體管數(shù)量是這個最大的GPU芯片的60倍，面積則是它的56倍多。

以晶圓的面積來作為比較的話，WSE芯片的面積比8英寸的晶圓的面積還要大，當(dāng)然，比12英寸的晶圓的面積還是要小一些。也就是說一塊12英寸的晶圓可能只能產(chǎn)出一個WSE芯片，這確實(shí)有點(diǎn)嚇人。全球最大芯片確實(shí)不是“浪得虛名”。

史上最大芯片跟網(wǎng)球?qū)Ρ?/p>

Cerebras 表示，如果沒有多年來與臺積電(TSMC)的密切合作，他們不可能取得這個創(chuàng)紀(jì)錄的成就。臺積電是全球最大的半導(dǎo)體代工廠，在先進(jìn)工藝技術(shù)方面處于領(lǐng)先地位。WSE芯片由臺積電采用先進(jìn)的16nm制程技術(shù)制造。

400000個AI優(yōu)化的內(nèi)核

WSE包含40萬個AI優(yōu)化的計(jì)算內(nèi)核(compute cores)。這種計(jì)算內(nèi)核被稱為稀疏線性代數(shù)核(Sparse Linear Algebra Cores, SLAC)，具有靈活性、可編程性，并針對支持所有神經(jīng)網(wǎng)絡(luò)計(jì)算的稀疏線性代數(shù)進(jìn)行了優(yōu)化。SLAC的可編程性保證了內(nèi)核能夠在不斷變化的機(jī)器學(xué)習(xí)領(lǐng)域運(yùn)行所有的神經(jīng)網(wǎng)絡(luò)算法。

由于稀疏線性代數(shù)內(nèi)核是為神經(jīng)網(wǎng)絡(luò)計(jì)算進(jìn)行優(yōu)化的，因此它們可實(shí)現(xiàn)業(yè)界最佳利用率——通常是GPU的3倍或4倍。此外，WSE核心還包括Cerebras發(fā)明的稀疏捕獲技術(shù)，以加速在稀疏工作負(fù)載(包含0的工作負(fù)載)上的計(jì)算性能，比如深度學(xué)習(xí)。

零在深度學(xué)習(xí)計(jì)算中很普遍。通常，要相乘的向量和矩陣中的大多數(shù)元素都是0。然而，乘以0是浪費(fèi)硅、功率和時間的行為，因?yàn)闆]有新的信息。

因?yàn)镚PU和TPU是密集的執(zhí)行引擎——引擎的設(shè)計(jì)永遠(yuǎn)不會遇到0——所以它們即使在0時也會乘以每一個元素。當(dāng)50-98%的數(shù)據(jù)為零時，如深度學(xué)習(xí)中經(jīng)常出現(xiàn)的情況一樣，大多數(shù)乘法都被浪費(fèi)了。由于Cerebras的稀疏線性代數(shù)核心永遠(yuǎn)不會乘以零，所有的零數(shù)據(jù)都被過濾掉，可以在硬件中跳過，從而可以在其位置上完成有用的工作。

超大的片上內(nèi)存

內(nèi)存是每一種計(jì)算機(jī)體系結(jié)構(gòu)的關(guān)鍵組成部分。靠近計(jì)算的內(nèi)存意味著更快的計(jì)算、更低的延遲和更好的數(shù)據(jù)移動效率。高性能的深度學(xué)習(xí)需要大量的計(jì)算和頻繁的數(shù)據(jù)訪問。這就要求計(jì)算核心和內(nèi)存之間要非常接近，而在GPU中卻不是這樣，GPU中絕大多數(shù)內(nèi)存都很慢，而且離計(jì)算核心很遠(yuǎn)。

WSE芯片包含了比迄今為止任何芯片都要多的內(nèi)核和本地內(nèi)存，并且在一個時鐘周期內(nèi)擁有18GB的片上內(nèi)存。WSE上的核心本地內(nèi)存的集合提供了每秒9 PB的內(nèi)存帶寬——比最好的GPU大3000倍的片上內(nèi)存和10000倍的內(nèi)存帶寬。

低延遲、高帶寬的獨(dú)特通信結(jié)構(gòu)

Cerebras WSE芯片內(nèi)部擁有高達(dá)40萬個內(nèi)核，由于這些內(nèi)核和片上內(nèi)存都是集成在單個晶圓上互連的單芯片，核心更靠近內(nèi)存，所有通信也都在芯片上進(jìn)行，通信帶寬高、延遲低，因此核心組可以以最高效率進(jìn)行協(xié)作。

此外，WSE上還使用了處理器間通信結(jié)構(gòu)Swarm，它以傳統(tǒng)通信技術(shù)功耗的一小部分實(shí)現(xiàn)了帶寬的突破和低延遲。Swarm提供了一個低延遲、高帶寬的2D網(wǎng)格，它將WSE上的所有400,000個核連接起來，每秒的帶寬總計(jì)達(dá)100 petabits。

要知道NVIDIA的NVLink 2.0最大帶寬也不過300GB/s，算下來也就是2.4Tb/s，WSE的內(nèi)部帶寬是現(xiàn)有水平的3.3萬倍之多。

路由、可靠的消息傳遞和同步都在硬件中處理。消息會自動激活每個到達(dá)消息的應(yīng)用程序處理程序。Swarm為每個神經(jīng)網(wǎng)絡(luò)提供了一個獨(dú)特的、優(yōu)化的通信路徑。軟件根據(jù)正在運(yùn)行的特定用戶定義的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，配置通過400,000個核心的最優(yōu)通信路徑，以連接處理器。

典型的消息遍歷一個具有納秒延遲的硬件鏈接。一個Cerebras WSE的總帶寬是每秒100 PB。不需要TCP/IP和MPI等通信軟件，因此可以避免性能損失。這種結(jié)構(gòu)的通信能量成本遠(yuǎn)低于遠(yuǎn)低于每比特 1 焦耳，比GPU低了近兩個數(shù)量級。結(jié)合了巨大的帶寬和極低的延遲，Swarm通信結(jié)構(gòu)使 Cerebras WSE比任何當(dāng)前可用的解決方案學(xué)習(xí)得更快。

為AI而生

正如前面所介紹的，Cerebras WSE中的46,225平方毫米的芯片面積上包含40萬個AI優(yōu)化的核心，無緩存、無開銷的計(jì)算內(nèi)核，以及和18千兆字節(jié)的本地化分布式超高速SRAM內(nèi)存，內(nèi)存帶寬為每秒9 PB。這些核心通過細(xì)粒度、全硬件、片上網(wǎng)狀連接通信網(wǎng)絡(luò)連接在一起，可提供每秒100 petabits的總帶寬。更多核心、更多本地內(nèi)存和低延遲高帶寬結(jié)構(gòu)，共同構(gòu)成了面向AI加速任務(wù)的最佳架構(gòu)。

“Cerebras WSE”專為人工智能設(shè)計(jì)而設(shè)計(jì)，其中包含了不少基礎(chǔ)創(chuàng)新，解決了限制芯片尺寸的長達(dá)數(shù)十年的技術(shù)挑戰(zhàn) - 如良品率，功率傳送、封裝等，推動了最先進(jìn)技術(shù)的發(fā)展和包裝，每個架構(gòu)決策都是為了優(yōu)化AI工作的性能。結(jié)果是，Cerebras WSE根據(jù)工作量提供了數(shù)百或數(shù)千倍的現(xiàn)有解決方案的性能，只需很小的功耗和空間。”Cerebras Systems首席執(zhí)行官的Fieldman說。

通過加速神經(jīng)網(wǎng)絡(luò)訓(xùn)練的所有元素來實(shí)現(xiàn)這些性能提升。神經(jīng)網(wǎng)絡(luò)是一種多級計(jì)算反饋回路。輸入在循環(huán)中移動速度越快，循環(huán)學(xué)習(xí)的速度越快，即訓(xùn)練時間越短。可以通過加速循環(huán)內(nèi)的計(jì)算和通信來加速輸入的循環(huán)速度。

“雖然AI在一般意義上被使用，但沒有兩個數(shù)據(jù)集或兩個AI任務(wù)是相同的。新的AI工作負(fù)載不斷涌現(xiàn)，數(shù)據(jù)集也在不斷變大，”Tirias Research首席分析師兼創(chuàng)始人Jim McGregor在一份聲明中表示。“隨著AI的發(fā)展，芯片和平臺解決方案也在不斷發(fā)展。Cerebras WSE是半導(dǎo)體和平臺設(shè)計(jì)方面的一項(xiàng)驚人的工程成就，它在單個晶圓級的解決方案中提供了超級計(jì)算機(jī)級的計(jì)算能力、高性能內(nèi)存和帶寬?！?/p>

Cerebras面臨的挑戰(zhàn)

Cerebras Systems公司位于美國加州Los Altos，擁有194名員工。Andrew Feldman是Cerebras Systems公司的CEO，他曾創(chuàng)建微型服務(wù)器公司SeaMicro，并以3.34億美元的價格賣給了AMD。

Cerebras CEOFieldman與SeaMicro box最初版本合影

芯片尺寸在AI任務(wù)中非常重要，因?yàn)榇蟪叽缧酒梢愿斓靥幚硇畔?，在更短的時間內(nèi)給出答案。這能夠減少“訓(xùn)練時間”，使研究人員能夠測試更多想法，使用更多數(shù)據(jù)并解決新問題。谷歌、Facebook、OpenAI、騰訊、百度和許多企業(yè)都認(rèn)為，今天制約AI發(fā)展的基本限制是訓(xùn)練模型需要的時間太長。因此，縮短訓(xùn)練時間有望消除整個行業(yè)取得進(jìn)步的主要瓶頸。

當(dāng)然，芯片制造商通常不會制造這么大的芯片。在單個晶片的制造過程中通常會出現(xiàn)一些雜質(zhì)。如果一種雜質(zhì)會導(dǎo)致一塊芯片發(fā)生故障，那么晶圓上的多種雜質(zhì)就會導(dǎo)致多塊芯片出問題。實(shí)際制造出的芯片產(chǎn)量僅占實(shí)際工作芯片的一小部分。如果晶圓上只有一個芯片，它有雜質(zhì)的幾率是100％，雜質(zhì)會使芯片失效。但Cerebras設(shè)計(jì)的芯片留有冗余，一種雜質(zhì)不會導(dǎo)致整個芯片都不能用。

不過即便如此，Cerebras WSE芯片的面積也已經(jīng)超過了單個8英寸晶圓的面積，這也意味著制造一個WSE芯片可能就需要一個12英寸的晶圓，并且對于這個正方形的芯片來說，用12英寸的晶圓來生產(chǎn)還會有較大的浪費(fèi)。此外，由于單個12英寸晶圓只能生產(chǎn)一個WSE芯片，這也使得WSE芯片的量產(chǎn)和良率提升將會變得非常的困難，成本也將極其的高昂。

如此大的面積將使得WSE芯片在后續(xù)的應(yīng)用當(dāng)中也將會遇到很多的問題，比如需要定制巨大的PCB板，貼片也是問題，還需要非常多的周邊器件來配合，這也使得最終的終端產(chǎn)品體積將會非常的巨大，另外其功耗、散熱也是很大的問題。根據(jù)官方的數(shù)據(jù)顯示，WSE芯片的功耗為15千瓦。

所以，有網(wǎng)友質(zhì)疑稱，“這么大的芯片貼在PCB上，要是稍微出現(xiàn)熱脹冷縮或者翹曲，焊球陣列可能得崩掉一片”。不過也有業(yè)內(nèi)人士表示，“WSE芯片可以不需要PCB，數(shù)據(jù)直接接光模塊傳輸”。

此外，要想很好的利用這顆芯片，必須要配套的系統(tǒng)和軟件。官方稱，WSE僅支持在極少數(shù)系統(tǒng)中運(yùn)行，但是并未指出可以在哪些系統(tǒng)中運(yùn)行。

而且WSE內(nèi)部擁有40萬個內(nèi)核，如何合理的調(diào)配這40萬個內(nèi)核也是一個大的難題，如果不能最高效的讓這40萬個內(nèi)核同時工作，那么做這么大個芯片其實(shí)是沒有太大意義的。也就是說需要適合的任務(wù)和算法來配套發(fā)揮出WSE芯片的能力才有實(shí)際的意義。這就像超級計(jì)算機(jī)一樣，如果沒有適合的足夠多的任務(wù)來滿負(fù)荷運(yùn)轉(zhuǎn)，其實(shí)是會存在非常大的浪費(fèi)的。

值得注意的是，隨著摩爾定律的推進(jìn)越來越困難，芯片的制造封裝開始由傳統(tǒng)的2D轉(zhuǎn)向2.5D/3D，目前chiplet多個小芯片組合或堆疊在一起的2.5D/3D封裝成為大勢所趨，再加上新的高速互聯(lián)技術(shù)的不斷涌現(xiàn)，未來，WSE芯片這類的單晶圓芯片在低延遲上的優(yōu)勢可能將會被進(jìn)一步弱化，但是WSE芯片所面臨的量產(chǎn)、良率、成本、功耗、散熱等問題卻是非常難以解決的。