報章內容
薛偉傑：Cerebras專攻巨型AI晶片 或成Nvidia最強對手？
【明報專訊】近幾年，Nvidia（美：NVDA）的人工智能（AI）晶片幾乎壟斷了市場，其業績絕大多數時間都遠超預期，推動其股價節節上升，市值已由2022年底的3595億美元，大幅上升至上周的2.357萬億美元，成全球市值第三高的上市公司，更大有追上全球市值第二高的蘋果（美：AAPL）之勢。
但正當Nvidia備受股民追捧時，有些業內人士卻認為，它的最強對手已經誕生。甚至，連全球運算速度最快AI晶片這個寶座，亦早已經被該公司奪走了！這間黑馬公司就是Cerebras Systems。
整片12吋晶圓打造 WSE-3內藏4萬億晶體管
美國初創AI晶片公司Cerebras Systems成立於2016年，專門研發超大面積的AI晶片，以提升運算架構的整合度和簡化集群連接，從而提升整體的AI運算速度。
它的構思說出來不難理解，就是將整片12吋直徑的晶圓用來製成一枚AI晶片。這樣可以令一枚AI晶片包含更多晶體管之外，亦可以將記憶體（RAM）和互聯結構等也直接整合到晶片上。這種晶片設計方式稱為「晶圓級集成」。其好處是，可以減少很多物理連接，簡化系統結構，兼縮短數據傳送距離，大大減少海量數據在電腦主機板上傳送所浪費的時間，從而提升整體的運算速度和節省電力。
此外，由於大型AI晶片的運算性能較強大，數據中心運行和訓練AI大模型的群集便毋須用到數千至1萬枚傳統AI晶片，可以改為使用大約100枚大型AI晶片。這樣可以令AI大模型的編程較為簡單，減少部分程式碼。
據報，其實早在1970年代，Texas Instruments等多家美國公司已曾經嘗試將整片晶圓打造成一枚晶片，但全部都不成功。有說，這主要是因為晶圓是由單晶矽柱體切片製成，某些位置總會有些缺陷，即使製成晶片後，也無法使用。傳統上，將一片晶圓分割製成數十枚至數百枚晶片的方式，只需將剛好出現在那些缺陷位置的小量晶片拋棄就行，只是良率達不到100%而已，但仍然維持在高水平。
不過，「晶圓級集成」的晶片不同，因為它是將整片晶圓製成一枚晶片，那些缺陷隨時會令到良率變成零，即是所有造出來的「晶圓級集成」晶片都無法使用。曾經有一段長時間，半導體業者以為這個難題無法解決。
據報道，Cerebras Systems研究出技術成功繞過這些缺陷，加上台積電的成熟代工工藝，令到它的「晶圓級集成」晶片的良率反而變成100%。
2019年8月，Cerebras Systems發表了它的Wafer Scale Engine（WSE）系列AI晶片的第一代產品WSE-1。WSE-1面積46,225平方毫米（215毫米 x 215毫米），是普通晶片面積的50倍以上，比一本書還要大。WSE-1由台積電以16納米製程技術製成，共有1.2萬億個晶體管，集成了40萬個AI內核和18GB SRAM，記憶體頻寬每秒9PB。
2021年4月，Cerebras Systems再發表它的第二代晶片WSE-2。WSE-2的面積大致不變，由台積電以7納米製程技術製成，共有2.6萬億個晶體管，集成了85萬個AI內核和40GB SRAM，記憶體頻寬每秒20PB。除了面積相近，其他數據都比WSE-1高出1倍以上。
今年3月14日，Cerebras Systems再宣布推出它的第三代晶片WSE-3。WSE-3的面積大約也是46,225平方毫米，由台積電以5納米製程技術製成，共有4萬億個晶體管，集成了90萬個AI內核和44GB SRAM，記憶體頻寬每秒21PB。
該公司聲稱，WSE-3是專為訓練「生成式人工智能」（AIGC）模型而設計，這方面的性能可以高出Nvidia的H100晶片多倍。
不獨立發售晶片 自行設計AI運算系統
不過，Cerebras Systems並不獨立發售晶片。它使用自家晶片，自行設計了一些專門作人工智能運算用途的電腦系統。配備WSE-1晶片的系統稱為CS-1，當時每套報價250萬美元；而配備WSE-2晶片的系統則稱為CS-2。
據悉，CS-1和CS-2合共賣出了數十部，客戶主要是一些藥廠、疾病研究機構、國家實驗室、超級運算中心等。其中，阿斯利康和葛蘭素都有使用CS-1。
關於Cerebras Systems的WSE系列晶片的性能是否已經超越Nvidia的同期產品，筆者相信，這是有可能的，因為畢竟前者面積是後者的幾十倍。但何時能夠成為主流產品，真正挑戰Nvidia就很難說。其中一個原因是，很多AI軟件公司的開發人員才剛剛習慣了Nvidia的開發環境CUDA不久，要說服他們在短時間內轉換到另一個開發平台，並不容易。