Kuis terkait panduan · Sedang Tingkat
Kuis Sistem Otak
Menjelaskan integrasi skala wafer, komunikasi on-wafer, redundansi, dan detail produk WSE-3 dan CS-4 versi spesifik.
Pertanyaan 1 dari 8
Apa yang tidak biasa dari desain Cerebras Wafer-Scale Engine?
Pratinjau setiap pertanyaan8 pertanyaan
Jawaban dan penjelasan muncul saat Anda mengikuti kuis.
- Apa yang tidak biasa dari desain Cerebras Wafer-Scale Engine?
- Ini adalah keseluruhan prosesor yang dibangun di atas satu wafer silikon penuh
- Ini adalah chip AI terkecil di dunia
- Ini berjalan sepenuhnya tanpa listrik
- Itu terbuat dari plastik, bukan silikon
- Mengapa menyimpan semua inti dalam satu wafer membantu kinerja AI?
- Itu membuat chip lebih murah untuk dikirim
- Data berpindah melalui kabel on-chip yang cepat, bukan melalui jaringan eksternal yang lambat
- Ini menghilangkan kebutuhan akan perangkat lunak apa pun
- Hal ini memungkinkan chip mengapung dalam cairan
- Kira-kira berapa banyak transistor yang dimiliki WSE-3?
- Sekitar 4 ribu
- Sekitar 4 juta
- Sekitar 4 triliun
- Sekitar 4 ratus
- 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
- Bagaimana Cerebras mengatasi cacat produksi pada chip sebesar itu?
- Ia menggunakan inti dan perutean yang berlebihan untuk mengatasi titik yang rusak
- Itu membuang setiap wafer dengan cacat apa pun
- Ini mengabaikan cacat dan mengirimkan chip yang rusak
- Ini secara manual memperbaiki setiap transistor dengan tangan
- 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
- 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
- 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