4月20日，Cerebras Systems 公司再次刷新歷史，推出為超級計算機任務而打造的第 2 代 Wafer Scale Engine （WSE-2）芯片。與一代WSE相比，WSE-2雖然在面積上沒有變化，但卻擁有創紀錄的 2.6 萬億個晶體管以及 85萬個 AI 優化的內核，芯片的所有性能特征，包括：晶體管數、內核數、內存、內存帶寬和結構帶寬，均比一代增加了一倍以上。
差不多兩年前（2019年8月），SeaMicro 創始人安德魯·費爾德曼（Andrew Feldman）創辦的 Cerebras Systems 公司公司，揭開了芯片設計領域的一場革命，他們將整片晶圓制成了一個巨大的芯片。
以往的芯片制造流程，是從硅錠切下一片晶圓后在Fab中進行加工，一片晶圓能被切成數百顆獨立的芯片。而這顆名為晶圓級引擎（Wafer Scale Engine，WSE-1）的處理器直接把整片晶圓做成了一顆芯片，面積與12英寸晶圓所能截取的最大矩形面積一樣——比iPad還大。
不過，這顆芯片的每一塊區域都能被稱為內核，它們以一種復雜的方式與其他內核相互連接。互聯的設計是為了保持所有內核的高速運轉，以便所有晶體管能夠作為一個整體一起工作。在 2019 年推出的WSE-1中，Cerebras 融入了 40 萬個內核和 1.2萬億個晶體管，采用的是 16 納米工藝進行制造，可同時專注于AI和HPC（High Performance Computing，高性能計算機群）工作負載。
更狠的第二代（WSE-2）來了
4月20日，Cerebras Systems 公司再次刷新歷史，推出為超級計算機任務而打造的第二代 Wafer Scale Engine （WSE-2）芯片。與一代WSE相比，WSE-2雖然在面積上沒有變化，但卻擁有創紀錄的 2.6 萬億個晶體管以及 85萬個 AI 優化的內核，芯片的所有性能特征，包括：晶體管數、內核數、內存、內存帶寬和結構帶寬，均比一代增加了一倍以上。
這得益于WSE-2采用基于臺積電（TSMC）的N7工藝（7nm）打造，使得邏輯電路可以按比例縮小，并在一定程度上縮小了SRAM，讓新芯片上可以容納更多AI內核。Feldman 說，有了這樣的先進工藝支持，Cerebras 可以在同樣的8*8英寸，面積約46225mm2的芯片中塞進更多的晶體管。
WSE-2與一代對比（圖自：AnanTech）
值得注意的是，在功能提升的前提下，Cerebras還能夠保持其系統功耗不變（23 kW）。
對比市場上第二大AI處理器，英偉達的Ampere A100面積約為826mm2，具有0.054萬億個晶體管。WSE-2比它多了2.55萬億個晶體管；內核數是A100的123倍；緩存是其1000倍；可提供的內存帶寬，則達到了A100的13萬倍。
Cerebras還引用了1000倍的板載內存，帶有40 GB的SRAM，而Ampere A100則為40 MB。
最初推出WSE-1的時候，很多人擔心這么大的晶圓做芯片，萬一其中一塊不良，是否整個報廢？對此Cerebras解釋說，他們通過設計一種可以繞開任何制造缺陷的系統來實現100％的良率，核心與帶有FMAC數據路徑的2D Mesh連接
Cerebras在WSE-1用了1.5％的額外核心來容納缺陷，但由于臺積電工藝的提升，這個數值被進一步縮小了。
晶圓級引擎存在的意義
WSE的出現，是因為訓練神經網絡需要花費較多的時間，即便是當今最先進的模型，也需要幾天或幾周的時間進行訓練，大型網絡則需要數周。通常做法是在數十、數百甚至數千個GPU上進行分布式訓練，以使訓練時間更可控。
其中最大的瓶頸，是這些龐大的處理器集群很難編程，而且數據必須在處理器和外部 DRAM 存儲器之間進行多次傳輸，既浪費時間又消耗能源。所以WSE研發團隊的初衷是擴大芯片，使它與 AI 處理器內核一起容納所需的所有數據，一個CS-2的性能相當于整個GPU集群的性能，同時具有單個設備的簡單性……
其設計的關鍵是自定圖形編譯器，采用pyTorch或TensorFlow將每一層映射到芯片的物理部分，從而允許在數據流過時進行異步計算。擁有如此大的處理器意味著數據永遠不會掉隊，也不需要在內存中等待，不浪費功率，并且可以以流水線的方式連續地移至計算的下一個階段。編譯器和處理器的設計還考慮到了稀疏性，無論批處理大小如何都可以實現高利用率，或者可以使參數搜索算法同時運行。
Cerebras設計的獨特性，讓它能夠超越制造過程中出現的常見物理限制，即標線限制。處理器的設計限制，往往取決于芯片的最大尺寸，因為很難通過Cross link連接兩個區域。這是Cerebras的殺手锏之一，該公司仍然是唯一一家能提供這種規模處理器的公司。
在Hot Chips 2020，該公司首席硬件架構師Sean Lie表示，Cerebras對客戶的主要好處之一是能夠簡化工作負載，以前需要使用GPU / TPU機架的工作，現在可以以計算相關的方式在單個WSE上運行。
產品和合作伙伴
Cerebras的第一代WSE作為CS-1的完整系統的一部分一起打包出售，不少實驗室與計算機中心已經部署了Cerebras WSE和CS-1。
愛丁堡大學的超級計算中心，利用WSE進行自然語言處理、基因組學和COVID-19的相關研究。
在美國阿貢國家實驗室（ANL），WSE被用于COVID-19研究、重力波檢測和材料發現等；并且在癌癥療法研究中，使癌癥模型的實驗周轉時間，減少了300倍以上。
制藥企業葛蘭素史克的高級副總裁金·布蘭森表示：“其增加了生成的編碼器模型的復雜性，同時將訓練時間減少了80倍。”
Lawrence Livermore將一臺CS-1與其23 PFLOP“拉森”超級計算機配對。匹茲堡超級計算機中心以500萬美元的價格購買了兩個系統，并將這些系統連接到他們的Neocortex超級計算機上，以實現同步AI和增強的計算能力。
對于WSE-2的應用，國際調研公司Tirias Research首席分析師Jim McGregor認為：“顯然，對用于大型數據集的Cerebras晶圓級解決方案，有些公司和實體很感興趣。但是在企業層面，還有數百萬的其他AI應用，以及一些Cerebras不能處理的情況，這就是英偉達擁有SuprPod和Selene超級計算機的原因。與英偉達相比，Cerebras更像是一個小眾平臺，二者的廣度無法相提并論。”
目前Cerebras在多倫多、圣地亞哥、東京和舊金山擁有約300名員工。該公司首席執行官安德魯·費爾德曼（Andrew Feldman）表示，作為一家公司，他們已經實現了盈利，已經部署了CS-1的客戶很多，并且在啟動商業系統時已經有更多的客戶在遠程試用CS-2。
除了AI之外，由于芯片的靈活性使流體動力學和其他計算仿真成為可能，因此Cerebras在典型的商業高性能計算市場（例如石油、天然氣和基因組學）中吸引了很多客戶。
CS-2的部署將于今年晚些時候的第三季度開始，價格已從2-3百萬美元升至“幾百萬”美元。