Cerebras CS-1通过比任何其他芯片更大，更大和更大来计算深度学习AI问题

 
如今，深度学习已成为企业界的热门话题，而且不难理解为什么。无论是优化广告支出，寻找治疗癌症的新药，还是仅向客户提供更好，更智能的产品，机器学习(尤其是深度学习模型)都具有大规模改进一系列产品和应用的潜力。
虽然，关键词是“潜力”。尽管过去几年我们在企业会议上听到了关于深度学习的大量词汇，但要广泛推广这些技术仍存在巨大障碍。深度学习模型具有高度的网络连接性，其密集的节点图与计算机处理信息的传统方式不太“匹配”。另外，拥有深度学习模型所需的所有信息可能占用PB级的存储空间，并在处理器机架上占用大量空间才能使用。
目前有很多方法可以解决此下一代计算问题，而Cerebras必须是最有趣的方法之一。
正如我们在8月份发布公司的“晶圆级引擎”(该公司提供的全球最大的硅芯片)时所谈到的那样，塞雷布拉斯的理论是，深度学习的方向实质上就是将整个机器学习模型装在一块大芯片上。因此，该公司的目标是做大—确实做大。
今天，该公司宣布推出其最终用户计算产品Cerebras CS-1，并宣布了其第一位客户Argonne国家实验室。
CS-1是“完整解决方案”产品，旨在添加到数据中心以处理AI工作流。它包括Wafer Scale Engine(或Was Scale Engine，即WSE，即实际的处理核心)以及运行处理器并将处理器集成到数据中心所需的所有冷却，网络，存储和其他设备。它的高度为26.25英寸(15个机架单元)，包括40万个处理核心，18 GB的片上内存，每秒9 PB的片上内存带宽，12 GB的以太网连接，用于将数据移入CS-1和移出CS-1。系统，仅消耗20千瓦的功率。
Cerebras声称CS-1可以提供超过1000个领先GPU的性能-TechCrunch尚未对此进行验证，尽管我们在接下来的几个月中正等待测试人员使用这些标准，以期等待行业标准的基准测试。
除了硬件本身，Cerebras还宣布发布了一个全面的软件平台，该平台使开发人员可以使用TensorFlow和PyTorch等流行的ML库将其AI工作流程与CS-1系统集成。
在设计系统时，首席执行官兼联合创始人安德鲁·费尔德曼(Andrew Feldman)表示：“过去一年多的时间里，我们已经与100多个客户进行了交谈，”以确定对新AI系统和软件层的需求。在它上面。 “多年来，我们了解到，您想与他们所在的软件社区见面，而不是要求他们搬到您那里。”
我问费尔德曼，为什么公司要重建这么多的硬件来为其系统提供动力，而不是使用现有组件。 “如果要制造法拉利发动机并将其安装在丰田车上，就无法制造赛车，”费尔德曼类比。 “在Dell或[其他]服务器中放置快速芯片不会进行快速计算。 Feldman解释说，CS-1旨在采用基础的WSE芯片，并为其提供使其能够发挥其全部功能所需的基础结构。
该基础设施包括一个高性能的水冷却系统，以使该大型芯片和平台在适当的温度下运行。我问费尔德曼，考虑到数据中心的水冷却历来很复杂，为什么Cerebras选择水。他说：“我们研究了其他技术-氟利昂。我们研究了沉浸式解决方案，我们研究了相变解决方案。我们发现水在传递热量方面非同寻常。”
为什么要制造如此大的芯片(与我们在8月讨论的那样)相比，要比可从晶圆上获得更高产量的较小芯片具有更大的工程要求。费尔德曼(Feldman)说：“通过使用地区性，它大大减少了交流时间。”
在计算机科学领域，本地化将数据和计算放在正确的位置(例如云)中，以最大程度地减少延迟和处理过程中的摩擦。通过拥有理论上可以承载整个ML模型的芯片，就无需数据流经多个存储集群或以太网电缆-几乎所有需要处理的芯片都可以立即使用。
根据Cerebras和Argonne国家实验室的一份声明，Cerebras正在实验室中协助推动“癌症，颅脑外伤以及当今对社会重要的许多其他领域”的研究。费尔德曼说：“让客户立即将其用于重要的事情，而不是让17岁的女孩在Instagram或类似的东西上找不到对方，这让我感到非常满意。”
(当然，人们希望癌症研究与深度学习模型的价值一样，以及影响者营销方面的付出)。
Cerebras自身发展迅速，据该公司称，如今已达到181名工程师。费尔德曼(Feldman)说，该公司在客户销售和其他产品开发方面不受欢迎。
对于下一代人工智能工作流程领域的初创公司来说，无疑是一个繁忙的时期。 Graphcore刚刚在本周末宣布将其安装在Microsoft的Azure云中，而我涵盖了NUVIA的资金，该公司由苹果公司前首席芯片设计师领导，希望利用他们的移动背景来解决这些AI芯片的极端功耗要求对数据中心施加压力。
随着深度学习继续在企业中找到新的参与者，在这个领域中会有更多的公告和活动。