Cerebras Systems在Supercomputing 2019上宣佈了其新的CS-1系統。該公司於今年早些時候在Hot Chips推出了Wafer Scale Engine（WSE），該晶片採用了一整張300mm晶圓，將40萬個核心，1.2萬億個電晶體，46,225平方毫米的矽和18GB的片上儲存器的形式，全部整合在一個與整個晶圓一樣大的晶片中，大到令人難以置信。再加上這款晶片耗電15千瓦，記憶體頻寬為9 PB/s，毫無疑問，它是世界上最快的人工智慧處理器。

開發這種晶片是一項極其複雜的任務，但在一個合理的系統中，為所有計算出足夠電力(更不用說足夠的冷卻能力了)的晶片提供電源則完全是另一回事。Cerebras已經實現了這一壯舉，今天該公司宣佈推出世界上最快的深度學習計算系統 Cerebras CS-1 。並且公佈了系統內部的詳細設計圖。

該系統高度為15U，大約為26英寸，因此三個系統可以裝在一個機架中。考慮到效能，這是一個非常緊湊的封裝：它包含了1,000個GPU的叢集，50千瓦的功率，以匹配一個CS-1系統的效能，這是因為單個Cerebras晶片的核心數量是單個GPU的78倍以上，記憶體是3,000倍，記憶體頻寬是10,000倍，此外它還具有33000倍的頻寬(PB/s)。

一套谷歌TPUv3 Pod功耗為100KW，但只有1/3的單個CS-1系統性能。總體而言，單個CS-1的功耗僅為其1/5，尺寸僅為其1/30，但比整個TPU POD快了三倍。

相比之下，單個Cerebras CS-1消耗20kW，其中4kW的功率專用於冷卻子系統，例如風扇，泵和熱交換器。該系統為晶片提供15kW的功率，而剩下的1kW因電源損耗。

系統左上角有十二個100GbE連線。這些系統將與執行傳統形式的計算的大型超級計算機協同工作。然後，由超級計算機處理的資料將流入CS-1進行其他AI處理，從而利用兩種型別的計算的優勢來滿足不同的工作負載。該系統還可以通過網路結構擴充套件到多個節點，這意味著CS-1系統可以在更大的組中工作。Cerebras測試了“非常大”的叢集，然後可以在資料並行模式的模型並行中將其作為單個同構系統進行管理，但尚未釋出官方的可伸縮性指標。

整個Cerebras CS-1由定製元件組成。系統通過十二個電源連線從後部獲取電源。然後將其從54V降低至0.8V，然後把它送到晶片上。電源通過主機板(而不是圍繞主機板)，然後進入處理器，不同的區域有不同數量的核心，每個核心接收自己的電源。晶圓級晶片由許多管芯（單元裸片）和管芯網路結構捆綁在一起組成，功率傳遞比管芯/標線片快閃記憶體更為精細。這確保了整個晶片上一致的功率傳輸，並且還最小化了片上功率分配平面。

這是一個三明治式設計，具有電源子系統，母板，晶片和冷卻板作為一個元件安裝（左）。冷板從歧管向右接收冷卻水，然後將冷水輸送到冷卻板表面上的幾個單獨區域。然後，再次從確保一致散熱的小區域抽取熱水，將其抽到裝置底部的熱交換器。該交換器由EMI格柵組成，並由採用空氣矯直機的強力風扇冷卻。總體而言，該晶片的執行溫度為標準GPU的一半，從而提高了可靠性。

所有單個單元（例如6 + 6電源，熱泵，風扇和熱交換器）都是冗餘的，並且可熱交換，以最大程度地減少停機時間和故障。

該晶片是在臺積電的16奈米工藝上製造的，由於其成熟度和產品釋出的時間安排，該公司選擇了該晶片。Cerebras尚未指定主頻速度，但告訴我們該晶片的執行時鐘不是非常“激進”的（該公司定義為2.5GHz至3GHz的範圍）。該公司將在不久的將來提供詳細資訊。

Cerebras尚未指定該產品的定價，據悉將會是幾百萬美元。在面向公眾的方面，阿貢國家實驗室正在將第一套系統用於癌症研究和基礎科學，例如研究黑洞。Cerebras已經建立了一個軟體生態系統，該部門可以接受標準的PyTorch和TensorFlow程式碼，這些程式碼可以通過該公司的軟體工具和API輕鬆修改。該公司還允許客戶指令級訪問晶片，這與GPU供應商不同。