Quiz collegato alla guida · Medio Livello
Quiz sui sistemi Cerebras
Spiega l'integrazione su scala wafer, la comunicazione su wafer, la ridondanza e i dettagli dei prodotti WSE-3 e CS-4 specifici della versione.
Domanda 1 di 8
Cosa c'è di insolito nel design del motore Cerebras Wafer-Scale?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Cosa c'è di insolito nel design del motore Cerebras Wafer-Scale?
- È un intero processore costruito su un singolo wafer di silicio pieno
- È il chip AI più piccolo del mondo
- Funziona interamente senza elettricità
- È fatto di plastica invece che di silicone
- Perché mantenere tutti i core su un wafer aiuta le prestazioni dell'intelligenza artificiale?
- Rende il chip più economico da spedire
- I dati si spostano su cavi veloci su chip anziché su reti esterne lente
- Elimina la necessità di qualsiasi software
- Permette al chip di galleggiare nel liquido
- Quanti transistor contiene approssimativamente il WSE-3?
- Circa 4mila
- Circa 4 milioni
- Circa 4mila miliardi
- Circa 4cento
- 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
- Come fa Cerebras a gestire i difetti di fabbricazione su un chip così grande?
- Utilizza core e routing ridondanti per aggirare i punti difettosi
- Butta via ogni wafer con qualsiasi difetto
- Ignora i difetti e spedisce chip rotti
- Ripara manualmente ogni transistor manualmente
- 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