幾乎就在Cerebras系統公司宣布采用最大的單個計算機芯片建造計算機的同時，這家硅谷創業公司也表達出了打造更強大處理器的意愿。2021年4月，該公司發布了新一代芯片Wafer Scale Engine 2（WSE-2），這款芯片將于今年第三季度上市。WSE-2的物理尺寸與其前一代芯片相同，但含有的各種組件數量都大幅增加。其目標是在機器學習使用的神經網絡不斷增大的情況下保持領先。
該公司的工程和業務拓展副總裁迪拉杰？馬利克（Dhiraj Mallick）在一次聲明中說：“在人工智能計算中，大芯片為王，它們處理信息的速度更快，可在更短的時間內得出答案，時間是人工智能進步的敵人。”
Cerebras一直在致力于將解決機器學習問題的邏輯方案發揮到極致。訓練神經網絡耗時太長，2016年安德魯？費爾德曼（Andrew Feldman）創辦該公司時，大型神經網絡的訓練需要耗時數周。其中最大的瓶頸是數據必須在處理器和外部動態隨機存取存儲器（DRAM）內存之間來回穿梭，這既耗時又消耗能量。最初Wafer Scale Engine的發明者認為，解決這一問題的方法是制造足夠大的芯片，就在人工智能處理器核心旁容納全部所需的數據。對于自然語言處理、圖像識別和即將出現其他任務的巨大網絡，我們需要一個非常大的芯片。要多大呢？越大越好，和一整塊硅晶圓（切掉一點圓邊）的尺寸差不多，即46225平方毫米。
晶圓尺寸是WSE-2與WSE相同的少數幾個數據之一，詳情見下頁表格。為了進行對比，表中也包含了英偉達的人工智能榜首芯片A100的數據。
2019年Cerebras發布WSE時，該芯片的制造商臺灣積體電路制造股份有限公司（以下簡稱臺積電，TSMC）使用的是16納米制造工藝，當時這種技術已經有5年的歷史。如今，臺積電制造WSE-2使用的是7納米工藝，據臺積電的相關技術說明，這種工藝轉變能使速度提升約40%，功率下降60%。
費爾德曼說：“改變節點時，總會出現物理設計的挑戰。所有這一切都與幾何相關。這非常難，但我們有臺積電這個出色的合作伙伴。”
采用7納米工藝本身就是一項重大進步，不過費爾德曼還表示，該公司還在增強了人工智能核心的微體系結構。雖然他沒有談到細節，但他表示，經過與客戶一年多的合作后，Cerebras取得了一些經驗，并將這些經驗應用到新的核心。
Cerebras公司表示，其客戶在打造新的人工智能芯片方面發揮了重要的作用。目前，該公司公開的客戶包括美國國家實驗室、制藥公司葛蘭素史克和匹茲堡超級計算中心。
用WSE-2做主機的計算機系統名為CS-2，該系統使用了幾十萬個核心來訓練神經網絡。軟件允許用戶使用PyTorch和TensorFlow等標準框架來編寫自己的機器學習模型。然后，其編譯器會物理連鄰的WSE-2分成不同尺寸的分區，指派到神經網絡的不同層。實現這一過程的方式是解決“布局與路由”的優化問題，確保每一層工作都能大致同步完成，信息在網絡內流動不會出現失速。
與前一代系統一樣，CS-2的體積也是標準機柜的1/3，功率約為20千瓦，依靠一個閉環液體冷卻系統，還配備了一些大型冷卻風扇。在開發WSE的主機系統時，熱量一直是最大的問題。該芯片需要將約2萬安培的電流從100萬個銅接點輸送到晶圓上的玻璃纖維電路板中。當熱量使晶圓和電路板膨脹時，要保持所有組件排列對齊，這需要發明新材料。開發耗費了一年多的時間。雖然CS-2需要新的設計，但費爾德曼表示，這不需要大規模的新研發。
期待今年晚些時候能夠在客戶網絡上看到WSE-2的性能數據。
