ระบบสมอง
Cerebras สร้างชิปคอมพิวเตอร์ที่ใหญ่ที่สุดในโลก นั่นคือ Wafer-Scale Engine โดยวางโปรเซสเซอร์ AI ทั้งหมดไว้บนซิลิคอนขนาดเท่าจานอาหารค่ำเพียงชิ้นเดียว
ภาพรวม
It matters because this radical design slashes the time it takes to train and run large AI models.
เจาะลึก
Cerebras ก่อตั้งขึ้นในปี 2558 และตั้งอยู่ในเมืองซันนีเวล รัฐแคลิฟอร์เนีย โดยเดิมพันที่ขัดแย้งกัน แทนที่จะรวม GPU ขนาดเล็กหลายพันตัวเข้าด้วยกัน มันจะสร้างชิปขนาดยักษ์เพียงตัวเดียว Wafer-Scale Engine (WSE) ถูกตัดจากแผ่นเวเฟอร์ซิลิคอนแบบเต็ม แทนที่จะหั่นเป็นชิปขนาดเล็กหลายร้อยชิ้น WSE-3 รุ่นที่สามซึ่งเปิดตัวในปี 2567 บรรจุทรานซิสเตอร์ประมาณ 4 ล้านล้านตัวและคอร์ที่ปรับให้เหมาะสมกับ AI จำนวน 900,000 คอร์ ไว้บนซิลิคอนชิ้นเดียวซึ่งมีขนาดประมาณจานอาหารค่ำ Cerebras จำหน่ายสิ่งเหล่านี้เป็นระบบ CS-3 และเสนอบริการอนุมานบนคลาวด์ ภายในปี 2024-2025 เป็นที่รู้จักในด้านความเร็วอนุมานที่ทำลายสถิติ โดยใช้งานโมเดลแบบเปิดเช่น Llama ที่โทเค็นนับพันต่อวินาที ซึ่งเร็วกว่าการตั้งค่า GPU ทั่วไปมาก
ข้อมูลเชิงลึกทางเทคนิค
โรงหล่อชิปทั่วไปจะหั่นแผ่นเวเฟอร์ซิลิคอนทรงกลมเป็นแม่พิมพ์ขนาดเล็กจำนวนมาก Cerebras จะเก็บเวเฟอร์ทั้งหมดเป็นชิปตัวเดียว จากนั้นใช้คอร์ที่ซ้ำซ้อนและการกำหนดเส้นทางที่ชาญฉลาดเพื่อแก้ไขข้อบกพร่องจากการผลิตที่ปกติจะทำลายแม่พิมพ์แต่ละตัว การเก็บทุกอย่างไว้ในเวเฟอร์เดียวหมายความว่าข้อมูลจะย้ายระหว่างคอร์ผ่านสายบนชิป แทนที่จะทำให้เครือข่ายภายนอกช้าลง ทำให้มีแบนด์วิธหน่วยความจำมหาศาลและมีเวลาแฝงที่ลดลงอย่างมากสำหรับปริมาณงาน AI
ผลกระทบเชิงกลยุทธ์
กลยุทธ์ของผู้ขาย
โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป
ต้นทุนและงบประมาณ
ข้อกำหนดทางการค้าและตัวเลือกการใช้งานส่งผลต่อต้นทุนและความเสี่ยงในระยะยาว
ความเสี่ยงและความปลอดภัย
สิ่งจูงใจของบริษัทจะกำหนดค่าเริ่มต้นของผลิตภัณฑ์ ท่าทางที่ปลอดภัย และความเปิดกว้าง
อนาคตของระบบสมอง
Cerebras ได้รับการเผยแพร่สู่สาธารณะและกำลังผลักดันอย่างหนักไปสู่การอนุมานความเร็วสูง การเดิมพันว่าความต้องการการตอบสนอง AI แบบเรียลไทม์ที่รวดเร็วจะแข่งขันกับความต้องการการฝึกอบรม คาดหวังถึงรุ่นเวเฟอร์ในอนาคตที่มีคอร์และหน่วยความจำมากขึ้น ความร่วมมือที่ลึกซึ้งยิ่งขึ้นกับห้องปฏิบัติการจำลองและหน่วยงานรัฐบาล และความกดดันที่เพิ่มขึ้นในตลาดที่ครอบงำโดย GPU ความท้าทายคือการปรับขนาดการผลิต ความพร้อมของซอฟต์แวร์ และการยอมรับของลูกค้า เทียบกับคู่แข่งที่ยึดมั่นเช่น Nvidia
การใช้งานจริงในโลกแห่งความเป็นจริง
ใช้งานโมเดลภาษาโอเพ่นซอร์สขนาดใหญ่ เช่น Llama ด้วยโทเค็นนับพันต่อวินาทีเพื่อการตอบกลับแชทบอทและตัวแทนที่รวดเร็วเป็นพิเศษ
ฝึกฝนภาษาขนาดใหญ่และแบบจำลองทางวิทยาศาสตร์ได้เร็วขึ้นโดยหลีกเลี่ยงปัญหาคอขวดของเครือข่ายของคลัสเตอร์หลาย GPU
ขับเคลื่อนการค้นพบยาและการจำลองระดับโมเลกุลสำหรับพันธมิตรด้านเภสัชกรรมและห้องปฏิบัติการระดับชาติ
ทำหน้าที่เป็นแกนหลักในการประมวลผลสำหรับโครงการ AI อธิปไตย เช่น การใช้งานขนาดใหญ่ในตะวันออกกลาง
ความเสี่ยงและรั้ว
การประกาศเปิดตัวอาจแซงหน้าความเสถียรในขั้นตอนการทำงานจริง
การกำหนดราคา API หรือการเปลี่ยนแปลงนโยบายสามารถทำลายสมมติฐานได้ในชั่วข้ามคืน
การพึ่งพาผู้ขายรายเดียวจะเพิ่มค่าใช้จ่ายในการล็อคอินและการย้ายข้อมูล
แผนงานการดำเนินงาน
ประเมินผู้ให้บริการโดยใช้งานและชุดข้อมูลของคุณเอง
ตรวจสอบความเป็นส่วนตัว ความปลอดภัย และข้อกำหนดทางกฎหมายก่อนรวมระบบ
รักษาแผนสำรองสำหรับรุ่นหรือผู้จำหน่าย
ตรวจสอบบันทึกประจำรุ่นเพื่อให้การเปลี่ยนแปลงแผนงานไม่ทำให้ทีมแปลกใจ
สำรวจต่อไป
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Cerebras Systems quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
คำแนะนำต่อไป
ระบบขับเคลื่อนด้วยตนเองแบบครูซ
คำถามที่พบบ่อย
What is Cerebras Systems?
Cerebras สร้างชิปคอมพิวเตอร์ที่ใหญ่ที่สุดในโลก นั่นคือ Wafer-Scale Engine โดยวางโปรเซสเซอร์ AI ทั้งหมดไว้บนซิลิคอนขนาดเท่าจานอาหารค่ำเพียงชิ้นเดียว สิ่งสำคัญคือเนื่องจากการออกแบบที่รุนแรงนี้ช่วยลดเวลาที่ใช้ในการฝึกฝนและเรียกใช้โมเดล AI ขนาดใหญ่
มีอะไรผิดปกติเกี่ยวกับการออกแบบเครื่องยนต์ Cerebras Wafer-Scale
Cerebras เก็บแผ่นเวเฟอร์ซิลิคอนทั้งหมดเป็นชิปขนาดยักษ์ตัวเดียว แทนที่จะตัดมันให้เป็นแม่พิมพ์เล็กๆ จำนวนมาก ทำให้เกิดโปรเซสเซอร์ที่มีขนาดประมาณจานอาหารค่ำ
เหตุใดการเก็บคอร์ทั้งหมดไว้ในเวเฟอร์เดียวจึงช่วยประสิทธิภาพของ AI
การสื่อสารบนชิปนั้นเร็วกว่าการสร้างเครือข่ายระหว่างชิปที่แยกจากกันมาก ทำให้มีแบนด์วิดท์ขนาดใหญ่และเวลาแฝงที่ต่ำสำหรับปริมาณงาน AI
WSE-3 มีทรานซิสเตอร์ประมาณกี่ตัว?
Wafer-Scale Engine รุ่นที่สามมีปริมาณทรานซิสเตอร์ถึง 4 ล้านล้านตัว ซึ่งเป็นจำนวนมหาศาลที่เกิดจากการใช้เวเฟอร์ทั้งหมด
อะไรคือจุดแข็งอันเป็นเอกลักษณ์ของ Cerebras ภายในปี 2567-2568
Cerebras มีชื่อเสียงจากการรันโมเดลภาษาขนาดใหญ่ที่โทเค็นนับพันต่อวินาที ซึ่งเร็วกว่าการใช้งาน GPU ทั่วไปมาก
Cerebras จัดการกับข้อบกพร่องจากการผลิตบนชิปขนาดใหญ่เช่นนี้ได้อย่างไร
เนื่องจากข้อบกพร่องบางอย่างเป็นสิ่งที่หลีกเลี่ยงไม่ได้บนเวเฟอร์เต็ม Cerebras จึงสร้างส่วนซ้ำซ้อนขึ้นเพื่อให้ชิปสามารถเดินไปรอบๆ พื้นที่ที่ไม่ดีและยังคงทำงานได้