博客
关于我
史上最大芯片诞生!1.2万亿晶体管超级巨无霸,专为AI设计
阅读量:138 次
发布时间:2019-02-26

本文共 664 字,大约阅读时间需要 2 分钟。

Cerebras Wafer Scale Engine:一款具有历史意义的AI专用芯片

最近,Cerebras Systems公司推出了一个前所未有的AI芯片——Cerebras Wafer Scale Engine。这款芯片以其惊人的规模和性能,引发了整个芯片行业的广泛关注。

这款芯片采用了独特的设计理念,它是单个晶圆上互连的单芯片。与传统的12英寸晶圆芯片不同,Cerebras的芯片采用300mm晶圆,最大尺寸可达22厘米。这使得芯片面积达到了42,225平方毫米,远大于Nvidia的最大的GPU(815平方毫米),且晶体管数量高达12亿,约为英特尔4004处理器的600倍(1971年问世)。

Cerebras Wafer Scale Engine专为AI任务设计,拥有40万个核心和18GB的片上内存。其内存带宽达到19PByte/s,数据传输速度更是达到了100Pbit/s。这种设计理念使得整个芯片可以在高速运行状态下同时运作,极大提升了AI模型的处理效率。

业内专家对这款芯片给予了高度评价。唐杉、姚颂和王兵等资深技术专家纷纷表示,Cerebras的芯片展现了AI芯片设计的未来方向,具有颠覆性的潜力。

值得注意的是,尽管Cerebras Wafer Scale Engine的技术实现具有重大挑战性,特别是量产良品率的考验,但其创新性和潜在影响力不容忽视。未来,这类大规模AI芯片有望在多个领域发挥重要作用。

Cerebras的技术突破不仅体现了芯片设计领域的创新精神,也为AI领域的发展带来了新的可能性。

转载地址:http://sldy.baihongyu.com/

你可能感兴趣的文章
opencv4-图像操作
查看>>
opencv5-图像混合
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
opencv之模糊处理
查看>>