iPhone的芯片比半個硬幣還要小，一毛錢的硬幣都比雲服務器的芯片還要大，當我們認為芯片往後應該會越來越小時，一個比iPad還要大的芯片被製造出來了，同時它也成為破了歷史上計算機芯片體積的世界紀錄。
這個芯片由一家名為“Cerebras”的加利福利亞初創公司生產，面積大約為8英寸*8英寸，命名為“ Cerebras Wafer Scale Engine ”。
首先，我們來看下這個芯片的性能參數，這些“驚人”的參數讓這個芯片看起來並不簡單：
如果你看不懂這些參數也沒關係，對比上個月AMD發佈的世界上最強大的EPYC芯片數據，你就知道了。EPYC芯片只有320億個晶體管和64個內核。
這個大芯片的高速片上存儲器，要比世界領先的圖形處理技術單元大3000倍，還有大10000倍的帶寬，還有比最大的Nvidia GPU芯片大56.7倍的面積。
iPhone的芯片比半個硬幣還要小，一毛錢的硬幣都比雲服務器的芯片還要大，當我們認為芯片往後應該會越來越小時，一個比iPad還要大的芯片被製造出來了，同時它也成為破了歷史上計算機芯片體積的世界紀錄。
這個芯片由一家名為“Cerebras”的加利福利亞初創公司生產，面積大約為8英寸*8英寸，命名為“ Cerebras Wafer Scale Engine ”。
首先，我們來看下這個芯片的性能參數，這些“驚人”的參數讓這個芯片看起來並不簡單：
如果你看不懂這些參數也沒關係，對比上個月AMD發佈的世界上最強大的EPYC芯片數據，你就知道了。EPYC芯片只有320億個晶體管和64個內核。
這個大芯片的高速片上存儲器，要比世界領先的圖形處理技術單元大3000倍，還有大10000倍的帶寬，還有比最大的Nvidia GPU芯片大56.7倍的面積。
在半導體工業中不是越大就代表著越好。面對這個爭議，該公司的創始人兼首席執行官安德魯・費爾德曼（Andrew Feldman）表示，這個大芯片主要是為了滿足對最新AI的需求。
其實這個背後的邏輯非常簡單，人工智能對我們的生活和數據庫的影響越來越大，但是人工智能產業發展的主要瓶頸是培訓模式需要很長的時間。
只有通過大量的計算和頻繁的數據訪問進行培訓，才能達到高性能人工智能的深度學習。這樣才有便於不斷改進和升級增強處理器，並儘快處理大量增長的新數據。
iPhone的芯片比半個硬幣還要小，一毛錢的硬幣都比雲服務器的芯片還要大，當我們認為芯片往後應該會越來越小時，一個比iPad還要大的芯片被製造出來了，同時它也成為破了歷史上計算機芯片體積的世界紀錄。
這個芯片由一家名為“Cerebras”的加利福利亞初創公司生產，面積大約為8英寸*8英寸，命名為“ Cerebras Wafer Scale Engine ”。
首先，我們來看下這個芯片的性能參數，這些“驚人”的參數讓這個芯片看起來並不簡單：
如果你看不懂這些參數也沒關係，對比上個月AMD發佈的世界上最強大的EPYC芯片數據，你就知道了。EPYC芯片只有320億個晶體管和64個內核。
這個大芯片的高速片上存儲器，要比世界領先的圖形處理技術單元大3000倍，還有大10000倍的帶寬，還有比最大的Nvidia GPU芯片大56.7倍的面積。
在半導體工業中不是越大就代表著越好。面對這個爭議，該公司的創始人兼首席執行官安德魯・費爾德曼（Andrew Feldman）表示，這個大芯片主要是為了滿足對最新AI的需求。
其實這個背後的邏輯非常簡單，人工智能對我們的生活和數據庫的影響越來越大，但是人工智能產業發展的主要瓶頸是培訓模式需要很長的時間。
只有通過大量的計算和頻繁的數據訪問進行培訓，才能達到高性能人工智能的深度學習。這樣才有便於不斷改進和升級增強處理器，並儘快處理大量增長的新數據。
由臺積電16納米工藝生產的300毫米晶圓製成的芯片，這是一個單個晶圓級別的解決方案。與過去的大多數芯片 不一樣，它由數十片數百片晶圓組成的，並且可以通過84片互連芯片直接工作。
這不僅僅克服了幾十年前由於不成熟的技術造成芯片尺寸的限制，就連具有靈活性和可編程性的人工智能優化內核就多達40萬個。
由於芯片的內存比GPU大三千多倍，所以跨多個設備和存儲層的並行計算問題就被完美地解決了。現在就像在芯片上構建一個完整的計算機集群一樣，只需一個設備就可以存儲和處理整個神經網絡。
最後和具備幾百個老式加速器的機架式服務器不一樣，因為擁有獨特的通信結構，Cerebras具有高帶寬和延遲低速度的功能，速度比現有解決方案快了幾千倍，並且能夠以以前無法想象的效率工作。更多內核、更大的本地內存和低延遲高帶寬架構都是加速人工智能工作的良好環境。
iPhone的芯片比半個硬幣還要小，一毛錢的硬幣都比雲服務器的芯片還要大，當我們認為芯片往後應該會越來越小時，一個比iPad還要大的芯片被製造出來了，同時它也成為破了歷史上計算機芯片體積的世界紀錄。
這個芯片由一家名為“Cerebras”的加利福利亞初創公司生產，面積大約為8英寸*8英寸，命名為“ Cerebras Wafer Scale Engine ”。
首先，我們來看下這個芯片的性能參數，這些“驚人”的參數讓這個芯片看起來並不簡單：
如果你看不懂這些參數也沒關係，對比上個月AMD發佈的世界上最強大的EPYC芯片數據，你就知道了。EPYC芯片只有320億個晶體管和64個內核。
這個大芯片的高速片上存儲器，要比世界領先的圖形處理技術單元大3000倍，還有大10000倍的帶寬，還有比最大的Nvidia GPU芯片大56.7倍的面積。
在半導體工業中不是越大就代表著越好。面對這個爭議，該公司的創始人兼首席執行官安德魯・費爾德曼（Andrew Feldman）表示，這個大芯片主要是為了滿足對最新AI的需求。
其實這個背後的邏輯非常簡單，人工智能對我們的生活和數據庫的影響越來越大，但是人工智能產業發展的主要瓶頸是培訓模式需要很長的時間。
只有通過大量的計算和頻繁的數據訪問進行培訓，才能達到高性能人工智能的深度學習。這樣才有便於不斷改進和升級增強處理器，並儘快處理大量增長的新數據。
由臺積電16納米工藝生產的300毫米晶圓製成的芯片，這是一個單個晶圓級別的解決方案。與過去的大多數芯片 不一樣，它由數十片數百片晶圓組成的，並且可以通過84片互連芯片直接工作。
這不僅僅克服了幾十年前由於不成熟的技術造成芯片尺寸的限制，就連具有靈活性和可編程性的人工智能優化內核就多達40萬個。
由於芯片的內存比GPU大三千多倍，所以跨多個設備和存儲層的並行計算問題就被完美地解決了。現在就像在芯片上構建一個完整的計算機集群一樣，只需一個設備就可以存儲和處理整個神經網絡。
最後和具備幾百個老式加速器的機架式服務器不一樣，因為擁有獨特的通信結構，Cerebras具有高帶寬和延遲低速度的功能，速度比現有解決方案快了幾千倍，並且能夠以以前無法想象的效率工作。更多內核、更大的本地內存和低延遲高帶寬架構都是加速人工智能工作的良好環境。
Cerebras表示，該芯片可以驅動複雜的人工智能系統，在AI技術上實現了巨大的飛躍，並將應用於未來無人駕駛汽車、監控軟件市場等領域。
然而，芯片製造商通常不生產這樣大的芯片，因為這樣大膽的設計必須克服主要的技術障礙，包括互連、製造、包裝等。即使有最先進的製造技術，這樣一個大芯片也不能沒有任何缺陷。雖然公司打算利用'冗餘加工核心技術在製造過程中拋棄一定數量的“壞”芯片，但好產品的低產量也將是一個難以克服的障礙。
iPhone的芯片比半個硬幣還要小，一毛錢的硬幣都比雲服務器的芯片還要大，當我們認為芯片往後應該會越來越小時，一個比iPad還要大的芯片被製造出來了，同時它也成為破了歷史上計算機芯片體積的世界紀錄。
這個芯片由一家名為“Cerebras”的加利福利亞初創公司生產，面積大約為8英寸*8英寸，命名為“ Cerebras Wafer Scale Engine ”。
首先，我們來看下這個芯片的性能參數，這些“驚人”的參數讓這個芯片看起來並不簡單：
如果你看不懂這些參數也沒關係，對比上個月AMD發佈的世界上最強大的EPYC芯片數據，你就知道了。EPYC芯片只有320億個晶體管和64個內核。
這個大芯片的高速片上存儲器，要比世界領先的圖形處理技術單元大3000倍，還有大10000倍的帶寬，還有比最大的Nvidia GPU芯片大56.7倍的面積。
在半導體工業中不是越大就代表著越好。面對這個爭議，該公司的創始人兼首席執行官安德魯・費爾德曼（Andrew Feldman）表示，這個大芯片主要是為了滿足對最新AI的需求。
其實這個背後的邏輯非常簡單，人工智能對我們的生活和數據庫的影響越來越大，但是人工智能產業發展的主要瓶頸是培訓模式需要很長的時間。
只有通過大量的計算和頻繁的數據訪問進行培訓，才能達到高性能人工智能的深度學習。這樣才有便於不斷改進和升級增強處理器，並儘快處理大量增長的新數據。
由臺積電16納米工藝生產的300毫米晶圓製成的芯片，這是一個單個晶圓級別的解決方案。與過去的大多數芯片 不一樣，它由數十片數百片晶圓組成的，並且可以通過84片互連芯片直接工作。
這不僅僅克服了幾十年前由於不成熟的技術造成芯片尺寸的限制，就連具有靈活性和可編程性的人工智能優化內核就多達40萬個。
由於芯片的內存比GPU大三千多倍，所以跨多個設備和存儲層的並行計算問題就被完美地解決了。現在就像在芯片上構建一個完整的計算機集群一樣，只需一個設備就可以存儲和處理整個神經網絡。
最後和具備幾百個老式加速器的機架式服務器不一樣，因為擁有獨特的通信結構，Cerebras具有高帶寬和延遲低速度的功能，速度比現有解決方案快了幾千倍，並且能夠以以前無法想象的效率工作。更多內核、更大的本地內存和低延遲高帶寬架構都是加速人工智能工作的良好環境。
Cerebras表示，該芯片可以驅動複雜的人工智能系統，在AI技術上實現了巨大的飛躍，並將應用於未來無人駕駛汽車、監控軟件市場等領域。
然而，芯片製造商通常不生產這樣大的芯片，因為這樣大膽的設計必須克服主要的技術障礙，包括互連、製造、包裝等。即使有最先進的製造技術，這樣一個大芯片也不能沒有任何缺陷。雖然公司打算利用'冗餘加工核心技術在製造過程中拋棄一定數量的“壞”芯片，但好產品的低產量也將是一個難以克服的障礙。
此外，冷卻芯片也是一個問題。小型計算機芯片使用低功耗，並且與易冷卻兼容，而Cerebras的大型芯片需要比散熱器和風扇更專業的基礎設施來冷卻它們。
此外，由於太大，芯片不能放入任何傳統的封裝中。Cerebras必須發明定製的包裝技術和工具來迎接挑戰。
iPhone的芯片比半個硬幣還要小，一毛錢的硬幣都比雲服務器的芯片還要大，當我們認為芯片往後應該會越來越小時，一個比iPad還要大的芯片被製造出來了，同時它也成為破了歷史上計算機芯片體積的世界紀錄。
這個芯片由一家名為“Cerebras”的加利福利亞初創公司生產，面積大約為8英寸*8英寸，命名為“ Cerebras Wafer Scale Engine ”。
首先，我們來看下這個芯片的性能參數，這些“驚人”的參數讓這個芯片看起來並不簡單：
如果你看不懂這些參數也沒關係，對比上個月AMD發佈的世界上最強大的EPYC芯片數據，你就知道了。EPYC芯片只有320億個晶體管和64個內核。
這個大芯片的高速片上存儲器，要比世界領先的圖形處理技術單元大3000倍，還有大10000倍的帶寬，還有比最大的Nvidia GPU芯片大56.7倍的面積。
在半導體工業中不是越大就代表著越好。面對這個爭議，該公司的創始人兼首席執行官安德魯・費爾德曼（Andrew Feldman）表示，這個大芯片主要是為了滿足對最新AI的需求。
其實這個背後的邏輯非常簡單，人工智能對我們的生活和數據庫的影響越來越大，但是人工智能產業發展的主要瓶頸是培訓模式需要很長的時間。
只有通過大量的計算和頻繁的數據訪問進行培訓，才能達到高性能人工智能的深度學習。這樣才有便於不斷改進和升級增強處理器，並儘快處理大量增長的新數據。
由臺積電16納米工藝生產的300毫米晶圓製成的芯片，這是一個單個晶圓級別的解決方案。與過去的大多數芯片 不一樣，它由數十片數百片晶圓組成的，並且可以通過84片互連芯片直接工作。
這不僅僅克服了幾十年前由於不成熟的技術造成芯片尺寸的限制，就連具有靈活性和可編程性的人工智能優化內核就多達40萬個。
由於芯片的內存比GPU大三千多倍，所以跨多個設備和存儲層的並行計算問題就被完美地解決了。現在就像在芯片上構建一個完整的計算機集群一樣，只需一個設備就可以存儲和處理整個神經網絡。
最後和具備幾百個老式加速器的機架式服務器不一樣，因為擁有獨特的通信結構，Cerebras具有高帶寬和延遲低速度的功能，速度比現有解決方案快了幾千倍，並且能夠以以前無法想象的效率工作。更多內核、更大的本地內存和低延遲高帶寬架構都是加速人工智能工作的良好環境。
Cerebras表示，該芯片可以驅動複雜的人工智能系統，在AI技術上實現了巨大的飛躍，並將應用於未來無人駕駛汽車、監控軟件市場等領域。
然而，芯片製造商通常不生產這樣大的芯片，因為這樣大膽的設計必須克服主要的技術障礙，包括互連、製造、包裝等。即使有最先進的製造技術，這樣一個大芯片也不能沒有任何缺陷。雖然公司打算利用'冗餘加工核心技術在製造過程中拋棄一定數量的“壞”芯片，但好產品的低產量也將是一個難以克服的障礙。
此外，冷卻芯片也是一個問題。小型計算機芯片使用低功耗，並且與易冷卻兼容，而Cerebras的大型芯片需要比散熱器和風扇更專業的基礎設施來冷卻它們。
此外，由於太大，芯片不能放入任何傳統的封裝中。Cerebras必須發明定製的包裝技術和工具來迎接挑戰。
Ian Cutress 博士說道：這就是為什麼它適合人工智能的原因，因為這正是大量資金流向的地方。
簡而言之，Cerebras芯片在尺寸和野心上都是瘋狂的。然而，由於缺乏性能和功率細節，很難評估Cerebras芯片的未來影響。
iPhone的芯片比半個硬幣還要小，一毛錢的硬幣都比雲服務器的芯片還要大，當我們認為芯片往後應該會越來越小時，一個比iPad還要大的芯片被製造出來了，同時它也成為破了歷史上計算機芯片體積的世界紀錄。
這個芯片由一家名為“Cerebras”的加利福利亞初創公司生產，面積大約為8英寸*8英寸，命名為“ Cerebras Wafer Scale Engine ”。
首先，我們來看下這個芯片的性能參數，這些“驚人”的參數讓這個芯片看起來並不簡單：
如果你看不懂這些參數也沒關係，對比上個月AMD發佈的世界上最強大的EPYC芯片數據，你就知道了。EPYC芯片只有320億個晶體管和64個內核。
這個大芯片的高速片上存儲器，要比世界領先的圖形處理技術單元大3000倍，還有大10000倍的帶寬，還有比最大的Nvidia GPU芯片大56.7倍的面積。
在半導體工業中不是越大就代表著越好。面對這個爭議，該公司的創始人兼首席執行官安德魯・費爾德曼（Andrew Feldman）表示，這個大芯片主要是為了滿足對最新AI的需求。
其實這個背後的邏輯非常簡單，人工智能對我們的生活和數據庫的影響越來越大，但是人工智能產業發展的主要瓶頸是培訓模式需要很長的時間。
只有通過大量的計算和頻繁的數據訪問進行培訓，才能達到高性能人工智能的深度學習。這樣才有便於不斷改進和升級增強處理器，並儘快處理大量增長的新數據。
由臺積電16納米工藝生產的300毫米晶圓製成的芯片，這是一個單個晶圓級別的解決方案。與過去的大多數芯片 不一樣，它由數十片數百片晶圓組成的，並且可以通過84片互連芯片直接工作。
這不僅僅克服了幾十年前由於不成熟的技術造成芯片尺寸的限制，就連具有靈活性和可編程性的人工智能優化內核就多達40萬個。
由於芯片的內存比GPU大三千多倍，所以跨多個設備和存儲層的並行計算問題就被完美地解決了。現在就像在芯片上構建一個完整的計算機集群一樣，只需一個設備就可以存儲和處理整個神經網絡。
最後和具備幾百個老式加速器的機架式服務器不一樣，因為擁有獨特的通信結構，Cerebras具有高帶寬和延遲低速度的功能，速度比現有解決方案快了幾千倍，並且能夠以以前無法想象的效率工作。更多內核、更大的本地內存和低延遲高帶寬架構都是加速人工智能工作的良好環境。
Cerebras表示，該芯片可以驅動複雜的人工智能系統，在AI技術上實現了巨大的飛躍，並將應用於未來無人駕駛汽車、監控軟件市場等領域。
然而，芯片製造商通常不生產這樣大的芯片，因為這樣大膽的設計必須克服主要的技術障礙，包括互連、製造、包裝等。即使有最先進的製造技術，這樣一個大芯片也不能沒有任何缺陷。雖然公司打算利用'冗餘加工核心技術在製造過程中拋棄一定數量的“壞”芯片，但好產品的低產量也將是一個難以克服的障礙。
此外，冷卻芯片也是一個問題。小型計算機芯片使用低功耗，並且與易冷卻兼容，而Cerebras的大型芯片需要比散熱器和風扇更專業的基礎設施來冷卻它們。
此外，由於太大，芯片不能放入任何傳統的封裝中。Cerebras必須發明定製的包裝技術和工具來迎接挑戰。
Ian Cutress 博士說道：這就是為什麼它適合人工智能的原因，因為這正是大量資金流向的地方。
簡而言之，Cerebras芯片在尺寸和野心上都是瘋狂的。然而，由於缺乏性能和功率細節，很難評估Cerebras芯片的未來影響。
Cerebras說，它目前正在幾個潛在的大客戶中測試系統，並將於10月開始商業化。但它不會單獨出售或作為擴展卡出售。Cerebras希望在2020年中期推出一個基於這種芯片的完整服務器。
在接下來的幾個月裡，Cerebras芯片將發佈更多的技術細節，隨著人工智能的發展，這些細節將繼續增長。
iPhone的芯片比半個硬幣還要小，一毛錢的硬幣都比雲服務器的芯片還要大，當我們認為芯片往後應該會越來越小時，一個比iPad還要大的芯片被製造出來了，同時它也成為破了歷史上計算機芯片體積的世界紀錄。
這個芯片由一家名為“Cerebras”的加利福利亞初創公司生產，面積大約為8英寸*8英寸，命名為“ Cerebras Wafer Scale Engine ”。
首先，我們來看下這個芯片的性能參數，這些“驚人”的參數讓這個芯片看起來並不簡單：
如果你看不懂這些參數也沒關係，對比上個月AMD發佈的世界上最強大的EPYC芯片數據，你就知道了。EPYC芯片只有320億個晶體管和64個內核。
這個大芯片的高速片上存儲器，要比世界領先的圖形處理技術單元大3000倍，還有大10000倍的帶寬，還有比最大的Nvidia GPU芯片大56.7倍的面積。
在半導體工業中不是越大就代表著越好。面對這個爭議，該公司的創始人兼首席執行官安德魯・費爾德曼（Andrew Feldman）表示，這個大芯片主要是為了滿足對最新AI的需求。
其實這個背後的邏輯非常簡單，人工智能對我們的生活和數據庫的影響越來越大，但是人工智能產業發展的主要瓶頸是培訓模式需要很長的時間。
只有通過大量的計算和頻繁的數據訪問進行培訓，才能達到高性能人工智能的深度學習。這樣才有便於不斷改進和升級增強處理器，並儘快處理大量增長的新數據。
由臺積電16納米工藝生產的300毫米晶圓製成的芯片，這是一個單個晶圓級別的解決方案。與過去的大多數芯片 不一樣，它由數十片數百片晶圓組成的，並且可以通過84片互連芯片直接工作。
這不僅僅克服了幾十年前由於不成熟的技術造成芯片尺寸的限制，就連具有靈活性和可編程性的人工智能優化內核就多達40萬個。
由於芯片的內存比GPU大三千多倍，所以跨多個設備和存儲層的並行計算問題就被完美地解決了。現在就像在芯片上構建一個完整的計算機集群一樣，只需一個設備就可以存儲和處理整個神經網絡。
最後和具備幾百個老式加速器的機架式服務器不一樣，因為擁有獨特的通信結構，Cerebras具有高帶寬和延遲低速度的功能，速度比現有解決方案快了幾千倍，並且能夠以以前無法想象的效率工作。更多內核、更大的本地內存和低延遲高帶寬架構都是加速人工智能工作的良好環境。
Cerebras表示，該芯片可以驅動複雜的人工智能系統，在AI技術上實現了巨大的飛躍，並將應用於未來無人駕駛汽車、監控軟件市場等領域。
然而，芯片製造商通常不生產這樣大的芯片，因為這樣大膽的設計必須克服主要的技術障礙，包括互連、製造、包裝等。即使有最先進的製造技術，這樣一個大芯片也不能沒有任何缺陷。雖然公司打算利用'冗餘加工核心技術在製造過程中拋棄一定數量的“壞”芯片，但好產品的低產量也將是一個難以克服的障礙。
此外，冷卻芯片也是一個問題。小型計算機芯片使用低功耗，並且與易冷卻兼容，而Cerebras的大型芯片需要比散熱器和風扇更專業的基礎設施來冷卻它們。
此外，由於太大，芯片不能放入任何傳統的封裝中。Cerebras必須發明定製的包裝技術和工具來迎接挑戰。
Ian Cutress 博士說道：這就是為什麼它適合人工智能的原因，因為這正是大量資金流向的地方。
簡而言之，Cerebras芯片在尺寸和野心上都是瘋狂的。然而，由於缺乏性能和功率細節，很難評估Cerebras芯片的未來影響。
Cerebras說，它目前正在幾個潛在的大客戶中測試系統，並將於10月開始商業化。但它不會單獨出售或作為擴展卡出售。Cerebras希望在2020年中期推出一個基於這種芯片的完整服務器。
在接下來的幾個月裡，Cerebras芯片將發佈更多的技術細節，隨著人工智能的發展，這些細節將繼續增長。