Kvíz spojený s průvodcem · Střední úroveň

Systémový kvíz Cerebras

Vysvětluje integraci wafer-scale, komunikaci na waferu, redundanci a podrobnosti o produktech WSE-3 a CS-4 specifické pro verzi.

Související vodicí cestySystémy Cerebras
Otázka 1 z 8

Co je neobvyklého na konstrukci Cerebras Wafer-Scale Engine?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co je neobvyklého na konstrukci Cerebras Wafer-Scale Engine?
    • Je to celý procesor postavený na jediném křemíkovém plátku
    • Je to nejmenší AI čip na světě
    • Jede zcela bez elektřiny
    • Je vyrobena z plastu místo křemíku
  2. Proč udržení všech jader na jednom waferu pomáhá výkonu umělé inteligence?
    • Díky tomu je doprava čipu levnější
    • Data se přesouvají přes rychlé dráty na čipu namísto pomalého externího síťového připojení
    • To eliminuje potřebu jakéhokoli softwaru
    • Umožňuje čipu plavat v kapalině
  3. Kolik tranzistorů zhruba obsahuje WSE-3?
    • Cca 4tis
    • Asi 4 miliony
    • Asi 4 biliony
    • Asi 4 stovky
  4. What is one Cerebras system-level capability advertised for its CS-4 rack-scale system?
    • It uses only a single CPU and no AI accelerator
    • It replaces every model with a database
    • It guarantees the same speedup on every workload
    • It combines multiple wafer-scale processors in a rack-scale platform
  5. Jak se Cerebras vypořádá s výrobními vadami na tak obrovském čipu?
    • Využívá redundantní jádra a směrování k obcházení vadných míst
    • Vyhodí každou oplatku s jakoukoli chybou
    • Ignoruje vady a posílá rozbité třísky
    • Ručně opravuje každý tranzistor ručně
  6. What are the WSE-3 specifications Cerebras reports in its product materials?
    • Four billion transistors and 900 cores
    • Four trillion transistors and about 900,000 AI-optimized cores
    • One thousand transistors and one million CPU sockets
    • A fixed count of parameters for every model
  7. How can a wafer-scale processor route around manufacturing defects?
    • Assume every fabricated core is perfect
    • Move all computation to a hard drive
    • Use redundant cores and routing so defective regions can be bypassed
    • Rebuild the silicon after deployment
  8. Why can on-wafer memory and communication benefit some AI workloads?
    • They eliminate every computation bottleneck
    • They make all models fit in one core
    • They guarantee lower latency for every task
    • They can reduce data movement between separately packaged processors and memory