广告

史上最大芯片出2代!7nm加持,晶体管数达2.6 万亿个

时间:2020-08-20 作者:综合报道 阅读:
2019 年 Cerebras Systems 设计的史上最大芯片 Wafer Scale Engine(WSE),面积达215×215平方毫米,整合 40 万个 AI 核心,1.2 万亿个晶体管,片上18G内存,大小几乎与整个 12 吋晶圆一样,成为了世界最大芯片。如今这样的纪录要被他们自己打破,新推出的 WSE2芯片……
广告

2019 年8月, Cerebras Systems 设计的史上最大芯片 Wafer Scale Engine(WSE)应该还让小伙伴们记忆犹新,因为这颗(板)AI 芯片的面积达215×215平方毫米,整合了 40 万个 AI 核心,1.2 万亿个晶体管,片上18G内存,大小几乎与整个 12 吋晶圆一样,是目前全世界最大的芯片。

不过,这样的纪录要被他们自己打破,新推出的 WSE2芯片面积虽然没有提升,但 AI 核心却提升到 85 万个,晶体管更是一口气翻倍达 2.6 万亿个。

简单粗暴的产品逻辑

去年《电子工程专辑》也报道指出,开发出 WSE 系列 AI 芯片的 Cerebras Systems 是一家2016年才成立的新创 AI 芯片公司。公司资历不长,但是却经历了三轮融资,分别是2016年5月份的2700万美元的A轮融资,2017年1月2500万美元的B轮融资,随后不到一年时间里,Cerebras Systems再次融资6000万美元,彼时估值达到8.6亿美元。

因为人工智能产业也恰巧在那个时候开始盛行,Cerebras Systems也因此被许多人看好。而这家公司发展产品的逻辑不同于其他AI芯片公司,就是奉行一个路子:“简单,粗暴”。为了满足 AI 计算的高性能需求,放弃其他厂商芯片越小越好的思维,以尽可能生产大面积芯片为主。由于面积越大的芯片,其中能整合越多的核心与晶体管,其相对计算效能也越强,但同时也提升了生产成本。

2019 年 11 月份,该公司正式推出了 WSE 系列芯片的第一代,采用台积电 16 纳米工艺,并以整个 12 吋晶圆来打造一个庞大的 AI 芯片。所以,WSE 系列芯片的第一代就整合了40 万个 AI 核心,1.2 万亿个晶体管,面积也高达 4.6 万平方毫米。

当时其性能之强大,让其他以大著称的芯片甘拜下风。

比如英伟达的GV100芯片号称最强GPU,211亿晶体管,核心面积815平方毫米,而WSE芯片晶体管数量是GV100的60倍,面积则是它的56倍多。WSE与当时的CPU芯片相比同样震撼,AMD 64核EPYC二代处理器才320亿晶体管,封装总面积也不过4410平方毫米,光是核心面积WSE就是EPYC二代处理器的10倍有余。

从性能上来看,WES芯片带宽超过100Pb/s,一般的计算芯片以Tb/s级别的单位都难以跟起比较。

除了贵,都挺好的

在关于WSE介绍的白皮书中,有这么一句话——“通过加速人工智能计算,WSE清除了阻碍人工智能进步的最大路障——时间。将训练时间从几个月缩减为几分钟,从几周减少到几秒。让深度学习实践者更快的验证自己的假设,从而不用去担心一些体系机构导致无法测试或者太大风险。WSE降低了好奇心的成本,加速了人工智能新思想和新技术的到来。”

虽然 堪称芯片工艺史上的一大“奇迹”的WSE 芯片第一代之后被顺利生产出来,但是其造价不斐,可以想见的是会采购的单位或企业更是少之又少。最后,还是美国劳伦斯利福摩尔国家实验室(LLNL)把WSE集成到美国国家核安全管理局的拉森超级计算机中,再由美国政府旗下的美国国家科学基金会(NSF)出手相助,购买了两套以 WSE芯片为主的超级计算机CS-1,总价约 500 万美元。

第一代的WSE(有一套电力传输和冷却系统)

从整机价格推算,每片 WSE芯片的价格约为 200 万美元(约合人民币1384万元),Cerebras创始人兼CEO 安德鲁 · 费尔德曼(Andrew Feldman)也曾透露称这种巨无霸芯片及系统的售价在几百万美元级别。

Cerebras Systems的联合创始人兼首席执行官安德鲁 · 费尔德曼(Andrew Feldman)

二代产品晶体管数翻倍

WSE 系列芯片第一代采用的是台积电 16 纳米工艺,现在新一代产品也问世。在日前举办的年度半导体盛会Hot Chips 2020 大会上,WSE2 AI 芯片正式发布。该公司表示,已经在实验室中运行了新款芯片。

虽然具体细节还没公布,但受到晶圆尺寸的限制,会与第一代采用相同的芯片面积。但是因为采用了新一代的台积电 7 纳米工艺,AI 核心数翻倍成长到了 85 万个,而晶体管数量更是一口气增加至 2.6 万亿个,相比之前的规格增加了一倍有余,相信价格也会随之提高。

此外,预计该公司还将增加芯片内置的内存容量并加强芯片互连速率,以提高芯片内数据传输的带宽。去年的第一代芯片具有9PB/s的内存带宽,并且这样一个芯片的TDP为15KW。

目前 7 纳米工艺的最大芯片是英伟达(NVIDIA) 的 GA100 GPU,芯片面积达到 826 平方毫米,拥有 540 亿个晶体管。比较之下,Cerebras Systems 新发布的 WSE2 AI 芯片无论从晶体管数,还是芯片面积都是庞然大物,预计售价也会非常高昂。

WSE芯片尺寸达到了46225平方毫米,比最大的GPU核心要大56倍

晶圆级晶片除了像Cerebras这样制作计算芯片的应用外,也有应用于存储方面的研究。铠侠(前东芝存储)正在进行的新研究就是——通过跳过传统闪存和SSD制造方法过程中所有切割,组装,封装等操作,直接生产晶圆级的SSD ,这样可以极大地降低制造成本和交货时间,并且得到高性能的大量数据存储解决方案。

不过虽然铠侠提出了“晶圆级固态硬盘”的概念,但是还处在早期开发阶段,距离实际上市和应用还很早。目前受瞩目的晶圆级晶片还是Cerebras WSE,而关于第二代Cerebras WSE的更多信息,还是得到该公司宣布最终产品时才能知道。

责编:Luffy Liu

本文综合自Technews、超能网报道

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 智连大湾区,TE能提供哪些“智”与“连”的技术及服务? 今年是谋划“十四五”规划的关键之年,同时也正值深圳经济特区成立40周年,中国为应对国际形势的压力和全球疫情带来的影响,“新基建”的概念开始提出及其涉及范围逐步明确。在如此背景下,粤港澳大湾区(以下简称“大湾区”)作为我国开放程度最高、经济活力最强的市场之一,人工智能、大数据中心、5G基建等新项目在大湾区各大城市集群落地、全面开花。数字新基建已成为大湾区建设的新引擎。
  • CMOS传感器在3D视觉、感测和度量中的应用 工厂已进入自动化工作,以提高产能和在产品查验和库存的方方面面节省时间和金钱。要优化这些因素,拥有视觉系统的机器需要更高速和以更佳性能工作。因应这些发展,2D视觉遇上了限制,使得3D视觉被广泛引进,以实施更高精度的质量检验,反向工程或物件量度任务。三角测量技术正在这些应用中获大量使用,鉴于三轴图像要求高分辨率,需要非常高速的的传感器。
  • AI的训练与推理,会往哪个方向发展? Graphcore公司CEO Nigel Toon先生多年前曾经专门撰文提过,训练和推理的问题。Graphcore的IPU同时支持训练和推理,不过“如果你根据训练和推理来看IPU,那么你可能对机器学习硬件有些误解。”“对于IPU是针对训练还是推理的问题,我的回答可能会让很多人惊讶。”
  • AI推动着存储器互连的不断演进 为了满足人工智能(AI)和机器学习应用的需求,位置这个词被越来越多地应用于数据存储。但解决这种位置的挑战不只是存储器供应商应做的工作,与AI相关的供应商也扮演着重要角色。尽管存储距离计算越来越近,但解决方案的很大一部分在于存储互连。
  • 新能源汽车的“三化”为汽车半导体行业带来什么样的机 新能源汽车正在向“三化”(电动化、智能化和网联化)方向发展,汽车半导体在这一快速转型发展过程中扮演着越来越重要的角色。以功率半导体为主的电子元器件在整车中的含量和价值在逐步提升,同时以微处理器和传感器为核心的自动驾驶/ADAS技术也在驱动着汽车半导体的快速增长。
  • 自动驾驶车辆的AI算法及其面临的挑战 AI需要解决各种不同的任务,以便实现可靠和安全的自动驾驶。上一期文章《人工智能在自动驾驶车辆中的作用》提供了对AI及其在自动驾驶车辆中应用的分析。本文重点探讨自动驾驶车辆中的AI算法和挑战。
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了