|
近日，美國AI芯片初創公司Cerebras Systems正式推出全球尺寸最大的AI芯片——Wafer Scale Engine（WSE），并在AI推理性能上實現歷史性突破。這款邊長22厘米、面積達462平方厘米的芯片，集成了40億至4萬億個晶體管（不同代次版本），其推理速度比同等規模的英偉達GPU集群快約2.5倍，重新定義了AI計算的性能邊界。 “晶圓級”架構：單芯片媲美超級計算機 WSE的核心創新在于其“晶圓級”設計——將整塊300毫米晶圓轉化為單一處理器，而非傳統方式中將晶圓切割為多個小芯片。這一設計使WSE擁有以下突破性參數： 晶體管數量：最新WSE-3版本集成超4萬億個晶體管，是英偉達H100的52倍； 核心規模：搭載90萬個AI優化計算核心（WSE-3），是H100的52倍； 內存帶寬：片上SRAM達44GB，帶寬9PB/s，是H100的10,000倍； 功耗效率：單芯片功耗15千瓦，但能效比優于英偉達DGX H100集群。 Cerebras首席執行官Andrew Feldman表示：“WSE不是對現有架構的漸進改進，而是芯片技術的一次范式革命。通過將計算、內存和通信全部集成在單晶圓上，我們消除了傳統集群中90%的數據傳輸延遲�！� 推理性能碾壓：每秒生成2500個Token 在Web Summit 2025大會上，Cerebras展示了WSE在Meta Llama 4模型上的推理性能： 基準測試：WSE處理速度達每秒2500個Token，而英偉達集群僅能實現每秒1000個Token； 模型支持：可訓練24萬億參數的AI模型，是英偉達方案的600倍； 成本優勢：訓練700億參數的Llama模型，WSE集群僅需1天，而英偉達集群需30天。 第三方機構Artificial Analysis的測試顯示，WSE在Meta最先進模型上的推理性能“超越所有現有方案”，成為唯一能在特定場景下超越英偉達Blackwell架構的解決方案。 技術突破：稀疏計算與片上內存革命 WSE的性能飛躍源于兩大核心技術： · 稀疏線性代數核心（SLAC）： 針對深度學習中的稀疏計算（數據中50-98%為零）優化，自動跳過零值計算，將硬件利用率提升至GPU的3-4倍； 動態稀疏性支持使推理速度比英偉達GPU快2.5倍。 · 片上超高速內存： WSE-3集成44GB SRAM，帶寬9PB/s，徹底消除對外部HBM的依賴； 內存與計算核心緊密耦合，使數據訪問延遲降低至GPU的1/1000。 Cerebras首席營銷官Julie Shin指出：“傳統GPU需通過PCIe或NVLink連接多塊芯片，而WSE的所有通信均在片內完成，這種‘零延遲’架構是性能飛躍的關鍵�！� 產業沖擊：重新定義AI計算架構 WSE的推出標志著AI芯片競爭進入“晶圓級”時代： 算力密度：單芯片可提供125 petaFLOPS性能，相當于10個英偉達DGX H100機架； 能效比：在相同功耗下，WSE的訓練速度是英偉達方案的8倍； 成本優勢：Cerebras宣稱其解決方案可將AI模型訓練成本降低90%。 目前，WSE已應用于美國能源部、阿斯利康等機構的超級計算機項目中。Feldman透露，下一代WSE-4將采用臺積電3nm工藝，晶體管數量突破10萬億，目標直指GPT-6級別模型的實時訓練。 未來展望：AI計算的“光刻機時刻” 行業分析師指出，WSE的商業化落地將加速AI產業分化： 云服務商：亞馬遜、微軟等巨頭或采購WSE集群以降低運營成本； 初創企業：生物醫藥、自動駕駛等領域將涌現更多“單芯片即數據中心”的創新模式； 芯片生態：英偉達、AMD或被迫加速2.5D/3D封裝技術研發，以應對晶圓級芯片的挑戰。 “這就像從機械硬盤到SSD的跨越�！盋erebras首席硬件架構師Sean Lie表示，“WSE證明了單芯片即可承載超級計算機的算力，而我們的目標是在2030年前將AI推理成本降低至目前的千分之一。” 關于Cerebras Systems Cerebras成立于2016年，總部位于美國加州，專注于晶圓級AI芯片研發。其團隊核心成員來自AMD、Intel、Sun等企業，累計融資超10億美元。2025年，WSE系列芯片已占據全球AI訓練市場15%的份額，成為英偉達最強勁的挑戰者。 |
