Cerebras 是一家位于美國加利福尼亞州的初創(chuàng)公司，2019 年進(jìn)入硬件市場(chǎng)，其首款超大人工智能芯片名為 Wafer Scale Engine (WSE) ，尺寸為 8 英寸 x 8 英寸，比最大的 GPU 大 56 倍，擁有 1.2 萬億個(gè)晶體管和 40 萬個(gè)計(jì)算核心，是當(dāng)時(shí)最快、最大的 AI 芯片。隨后在 2021 年，Cerebras 推出了 WSE-2，這是一款 7 納米芯片，其性能是原來的兩倍，擁有 2.6 萬億個(gè)晶體管和 85 萬個(gè)核心。

近日，Cerebras 宣布推出了第三代WSE-3，性能再次提高了近一倍。

01

Cerebras 推出 WSE-3 AI 芯片，比 NVIDIA H100 大 56 倍 WSE-3采用臺(tái)積電5nm工藝，擁有超過4萬億個(gè)晶體管和90 萬個(gè)核心，可提供 125 petaflops 的性能。這款芯片是臺(tái)積電可以制造的最大的方形芯片。WSE-3擁有44GB 片上 SRAM，而不是片外 HBM3E 或 DDR5。內(nèi)存與核心一起分布，目的是使數(shù)據(jù)和計(jì)算盡可能接近。

自推出以來，Cerebras 就將自己定位為英偉達(dá)GPU 驅(qū)動(dòng)的人工智能系統(tǒng)的替代品。這家初創(chuàng)公司的宣傳是：他們可以使用更少的芯片在 Cerebras 硬件上進(jìn)行 AI訓(xùn)練，而不是使用數(shù)千個(gè) GPU。據(jù)稱，一臺(tái)Cerebras服務(wù)器可以完成與 10 個(gè) GPU 機(jī)架相同的工作。

下圖是Cerebras WSE-3和英偉達(dá) H100的對(duì)比。



Cerebras 的獨(dú)特優(yōu)勢(shì)是將整個(gè)硅片直接轉(zhuǎn)化為單一巨大的處理器，從而大幅提升計(jì)算性能和效率。英偉達(dá)、AMD、英特爾等公司往往會(huì)把一塊大晶圓切成多個(gè)小的部分來制造芯片，在充斥著 Infiniband、以太網(wǎng)、PCIe 和 NVLink 交換機(jī)的英偉達(dá)GPU 集群中，大量的功率和成本花費(fèi)在重新鏈接芯片上，Cerebras的方法極大地減少了芯片之間的數(shù)據(jù)傳輸延遲，提高了能效比，并且在AI和ML任務(wù)中實(shí)現(xiàn)了前所未有的計(jì)算速度。

02

Cerebras CS-3 系統(tǒng)

Cerebras CS-3 是第三代 Wafer Scale 系統(tǒng)。其頂部具有 MTP/MPO 光纖連接，以及用于冷卻的電源、風(fēng)扇和冗余泵。該系統(tǒng)及其新芯片在相同的功耗和價(jià)格下實(shí)現(xiàn)了大約 2 倍的性能飛躍。



Cerebras WSE-3 的核心數(shù)量是英偉達(dá)的 H100 Tensor Core 的 52 倍。與 Nvidia DGX H100 系統(tǒng)相比，由 WSE-3 芯片驅(qū)動(dòng)的 Cerebras CS-3 系統(tǒng)的訓(xùn)練速度提高了 8 倍，內(nèi)存增加了 1,900 倍，并且可以訓(xùn)練多達(dá) 24 萬億個(gè)參數(shù)的 AI 模型，這是其 600 倍。Cerebras 高管表示，CS-3的能力比 DGX H100 的能力還要大。在 GPU 上訓(xùn)練需要 30 天的 Llama 700 億參數(shù)模型，使用CS-3 集群進(jìn)行訓(xùn)練只需要一天。



CS-3可以配置為多達(dá)2048個(gè)系統(tǒng)的集群，可實(shí)現(xiàn)高達(dá) 256 exaFLOPs 的 AI 計(jì)算，專為快速訓(xùn)練 GPT-5 規(guī)模的模型而設(shè)計(jì)。



Cerebras CS-3 適用于 2048 節(jié)點(diǎn) 256EF 集群



適用于 GPT 5 規(guī)模的 Cerebras CS-3 集群

03

Cerebras AI編程

Cerebras 聲稱其平臺(tái)比英偉達(dá)的平臺(tái)更易于使用，原因在于 Cerebras 存儲(chǔ)權(quán)重和激活的方式，Cerebras 不必?cái)U(kuò)展到系統(tǒng)中的多個(gè) GPU，然后擴(kuò)展到集群中的多個(gè) GPU 服務(wù)器。

?

除了代碼更改很容易之外，Cerebras 表示它的訓(xùn)練速度比 Meta GPU 集群更快。當(dāng)然，這只是理論上數(shù)據(jù)，當(dāng)前還沒有任何 2048 個(gè) CS-3 集群已經(jīng)投入運(yùn)行，而 Meta 已經(jīng)有了 AI GPU 集群。



Llama 70B Meta VS Cerebras CS-3 集群

04

Cerebras 與高通合作開發(fā)人工智能推理

Cerebras 和高通建立了合作伙伴關(guān)系，目標(biāo)是將推理成本降低 10 倍。Cerebras 表示，他們的解決方案將涉及應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)，例如權(quán)重?cái)?shù)據(jù)壓縮等。該公司表示，經(jīng)過 Cerebras 訓(xùn)練的網(wǎng)絡(luò)將在高通公司的新型推理芯片AI 100 Ultra上高效運(yùn)行。

這項(xiàng)工作使用了四種主要技術(shù)來定制 Cerebras 訓(xùn)練的模型：

稀疏性是 Cerebras 的秘密武器之一，Cerebras 能夠在訓(xùn)練過程中利用動(dòng)態(tài)、非結(jié)構(gòu)化的稀疏性。高通的 Cloud AI100 具有對(duì)非結(jié)構(gòu)化稀疏性的硬件支持，這種稀疏協(xié)同可以使性能提高2.5倍。

推測(cè)解碼是一種前景廣闊但迄今為止難以有效實(shí)施的行業(yè)技術(shù)，也被用來加快速度。這種技術(shù)使用一個(gè)大型LLM和一個(gè)小型LLM的組合來完成一個(gè)大型LLM的工作。小模型不太精確，但效率較高。大模型用于檢查小模型的合理性。總體而言，組合效率更高，由于該技術(shù)總體上使用的計(jì)算量較少，因此速度可以提高 1.8 倍。

權(quán)重壓縮為 MxFP6，這是一種行業(yè) 6 位微指數(shù)格式，與 FP16 相比，可節(jié)省 39% 的 DRAM 空間。高通的編譯器將權(quán)重從 FP32 或 FP16 壓縮為 MxFP6，Cloud AI100 的矢量引擎在軟件中執(zhí)行即時(shí)解壓縮到 FP16。該技術(shù)可以將推理速度提高 2.2 倍。

神經(jīng)架構(gòu)搜索（NAS）是一種推理優(yōu)化技術(shù)。該技術(shù)在訓(xùn)練期間考慮了目標(biāo)硬件（Qualcomm Cloud AI 100）的優(yōu)點(diǎn)和缺點(diǎn)，以支持在該硬件上高效運(yùn)行的層類型、操作和激活函數(shù)。Cerebras 和 Qualcomm 在 NAS 方面的工作使推理速度提高了一倍。

審核編輯：劉清