造出比盘子还大的AI芯片，这家估值300亿元的硅谷公司要挑战英伟达丨焦点分析

据The Information消息，硅谷芯片公司Cerebras Systems正于近期递交上市申请。这家公司成立于2015年，累积融资7.2亿美元，估值飙升到42亿到50亿美元。

值得注意的是，这家公司背后，与OpenAI的造芯布局和中东公司的AI野心都有关联——Cerebras最大的投资人之一是OpenAI的首席执行官Sam Altman。而Sam Altman此前曾多次前往中东募资造芯，曾有传闻称其募资额7万亿美金。

巧合的是，Sam Altman当时洽谈的阿联酋科技公司G42，目前也正与Cerebras进行资本合作和技术合作。

这家公司最独特的地方在于，他们的芯片和主流的英伟达GPU大相径庭。过去，芯片在摩尔定律的牵引下，越做越小，以英伟达H100为例，814平方毫米的核心面积上有800亿晶体管。

而Cerebras的AI芯片，则选择将一整张芯片越做越大，号称“造出了世界上最大面积芯片”。据介绍，Cerebras开发的WSE 3芯片由整张晶圆切割，比盘子还大，需要人用双手捧起来。一张WSE 3芯片，在46000多平方毫米的核心面积上，有40000亿晶体管（是H100的50倍）。

比盘子大的芯片，需要用双手捧起来。图源Ars Technica

为什么要做得这么大？

或许是为了满足训练AI大模型所需的巨大算力。Cerebras宣称，他们的芯片可以训练的 AI 大模型规模，比目前业界顶尖大模型（如 OpenAI 的 GPT-4 或者Google的 Gemini）还要大10倍。

当下，AI大模型参数和性能的迅猛膨胀，训练AI的芯片算力却快跟不上了。随着摩尔定律放缓，英伟达GPU采用多卡互联的方式，堆叠显卡，来提升算力。即使英伟达GPU针对AI训练做了优化，但GPU毕竟是通用芯片，而非AI专用芯片。

英伟达GPU了占据AI芯片的大半市场份额，但举目望去，专用AI芯片已经发展了至少十几条技术路径，英伟达有不少年轻对手。其中Cerebras的超大面积芯片，试图在技术上，大力出奇迹。

如何把芯片做得比盘子还大？

众所周知，英伟达GPU原本是图形处理器，擅长并行处理多个简单计算，因为训练AI也需要同时对所有数据样本执行相同的操作，GPU后来也用于训练AI。

不过，GPU毕竟不是专为AI设计的芯片——GPU需要用PCIe的方式连接电子组件，在组件之间传输数据，这限制了芯片的大小、连接类型，甚至通信标准。此外，服务器机箱的标准又限制了冷却功率，冷却功率限制了芯片的功耗，功耗又限制了训练AI模型的速度。

在层层的限制之下，若要将训练速度提高上百倍，需要从根本上重新思考处理器之外的更多方面，包括系统架构、核心设计、内存架构、通信结构、芯片 I/O、电源和冷却基础设施、系统 I/O、编译器、软件工具链等等。

这也是为什么Cerebras公司的全称是Cerebras Systems——该公司考虑的是直接颠覆掉英伟达过往的既定思路，重新设计一整个AI芯片系统。从产品上看，Cerebras的 AI芯片最大的特点是，不仅芯片大，配套的散热系统也是前所未有地大。

不过，一味把芯片做得比盘子还大，这是噱头还是实力？Cerebras的技术路径有什么优缺点？

目前，世界上绝大部分芯片是将晶圆切割成多块，再封装成小块的芯片。以英伟达的抢手货H100为例，一张12英寸的晶圆，光刻机可以刻出86块左右的核心逻辑芯片。

而Cerebras是将一整块晶圆做成芯片，直接把光刻机刻出的80多块晶片拼在一起，去掉边角料，晶片之间连接成一块大芯片。因此，Cererbras的芯片也称为“晶圆级引擎”。

Cerebras选择将晶片直接原地放在晶圆之内连起来，能让晶片之间直接连接通信，而非GPU那样要在不同块GPU之间通过数据导线来通信，加快了芯片核心之间的通信速度。

如此一来，便达到强大的计算性能。据Cerebras官网信息，WSE-3芯片的单个处理器上就有90万个AI核心，是英伟达H100的52倍；片上内存达到44GB，是H100的880 倍。

Cerebras将一整块晶圆上的晶片连接一起。图源：HPC Wire

在GPU这类传统构架中，存储是共享的，每一个计算核心没有专门的存储空间，存储空间的数据吞吐能力容易跟不上计算单元的需求量。

打个比方：当水池子大，但是水管小时，水管吞吐容易出现不及时的问题，导致池子里的水（算力）就会被闲置，来回搬运数据也会耗时、耗功率。

Cerebras的技术优势在于，通过重新设计计算核心的结构，给每个计算核心配备了带宽足够大甚至有冗余的存储单元，如此实现了分布式的存储和计算（不同于GPU中计算单元共享存储单元）。相当于，每个核心都是一个单独工作的工人。

据Cerebras官网信息，在WSE-3芯片上，片上存储的总带宽达到21PB/s，互联网络总带宽达到214PB/s，这样就没有数据搬运时带宽不足的问题。

Cerebras的芯片被美国能源部下属的阿贡国家实验室采用，自2020年以来一直用于COVID-19研究和癌症肿瘤研究。 据HPC Wire报道，在用Cerebras芯片训练模型来预测癌症药物反应中，与 GPU 基线相比，在 Cerebras芯片上实现了数百倍的加速。

不过，这样力大砖飞的芯片设计，看起来很美好，但也有自己的弱点。

第一是良率低。以英伟达H100芯片为例，即使是台积电这样的业内翘楚，4nm制程芯片达到80%良率已经是顶尖。考虑到80%的良率以及切割损耗，一张12寸晶圆上刻出的86块左右的晶片，最后达到良率的晶片是65块左右。

显然，Cerebras想让一整块晶圆上切割出的80多块晶片都能用，但难度也会高很多。对于主流芯片来说，一整张晶圆上的一小块晶片做失败了，其他晶片还能用。但对Cererbras这样的芯片来说，难道一张晶圆上任何一个晶片有缺陷，一整张晶圆都要放弃吗？

Cerebras的解决方式是，当一个晶片出现有缺陷的计算核心时，会让AI软件在运行时绕过有缺陷的计算核心，而是用冗余的计算核心。

Cerebras宣称，通过这种利用冗余来绕过缺陷的设计，其WSE 2芯片实现了100% 的良率。这也是为什么Cerebras的高管强调，“冗余是你的朋友（Redundancy is Your Friend）。”

Cerebras高管在公开演讲中强调“冗余是你的朋友”。图源：Cerebras Systems Youtube频道

第二个弱点是，需要庞大的散热系统。当芯片的面积增加，有更多的电流流过晶体管，半导体电阻自然会产生更多的热量。如果热量过高，还会分解芯片及其表面的小部件。英伟达的Blackwell GPU数据中心中，都需要巨型的冷却系统。而Cerebras的巨无霸芯片，更是需要重新设计一套庞大的的散热系统。

Cerebras服务器的散热系统像一个庞大的怪物：几根硕大的黄铜管都是用来连接水泵来散热的。管道、泵、风扇和热交换器等要占用大量空间。

尽管芯片本身只有 21.6平方厘米，且非常薄，但外壳散热系统需要占据标准机架约三分之一的体积。专门的散热系统也意味着，部署芯片需要额外的配套成本。

因此，Cerebras虽然把芯片做得比盘子还大，确实在技术上力大砖飞，但是部署所需的整体成本不一定具有性价比，这种创新的路径还需后续经过市场验证。

隐藏着Sam Altman的造芯野心

英伟达芯片帝国之外，AI芯片的技术路径众多，Cererbras力大出奇迹的路线还是看点，市场上也已经用钱给他们投票。

目前，这家公司已融资7.2亿美元，估值约为42亿到50亿美元，其中，最大的个人投资者之一是OpenAI的首席执行官Sam Altman。据报道，Sam Altman参与了Cerebras 的8000万美元D轮融资。

毕竟，Sam Altman曾宣称要花7万亿美元造AI芯片（虽然后来他澄清这不仅仅是造芯片的费用，而是围绕芯片的房产、数据中心电力、芯片制造等的总体费用）。Sam Altman多次前往中东，与包括阿联酋政府在内的投资者进行谈判，寻求募资，计划提高世界芯片制造能力。

在Sam Altman和他所投资的Cerebras芯片公司之间，还与一个中东公司G42关系密切。G42是位于阿联酋首都阿布扎比的科技巨头，开发人工智能技术，同时对外投资。Sam Altman的中东之旅常常会拜访G42，OpenAI也在2023年10月与G42签订了合作协议。

G42与Cerebras一直合作密切。G42是Cerebras的客户、投资者、技术合作者：2023年7月，G42签约向Cerebras投资9 亿美元，Cerebras为这家阿联酋公司G42在美国建造九台人工智能超级计算机；2023 年 8 月，Cerebras和G42的子公司共同推出了大型语言模型Jais。

G42与中国也有渊源。其创始人肖鹏在中国出生，曾在美国接受教育，后来放弃美国国籍，成为阿联酋公民。 G42的基金在过去两三年投资了很多中国科技公司，包括字节跳动。但今年2月，受美国政府施压，G42撤出此前在华的所有投资。

不过，Sam Altman的造芯布局远不止于Cerebras，而是更加宏大。

第一是与芯片大厂合作，特别是英伟达GPU之外的大厂——不把鸡蛋放在一个篮子里。去年12月，AMD推出AI芯片MI300X，OpenAI就下了订单。此外，OpenAI表示在其一款名为 Triton 的软件产品中支持 AMD GPU。

对外投资也是重头戏。早在2018年，Altman就个人投资了一家名为Rain AI的AI芯片初创公司，自掏腰包100万美元。Rain AI采取的AI芯片路径是NPU（神经处理单元或类脑芯片）。 2019年，OpenAI签署了一份意向书，斥资5100万美元购买Rain的芯片。

除了对外投资，Sam Altman对于OpenAI的自研芯片也一手抓。6月9日，消息称，OpenAI大力从谷歌TPU团队挖角人才，来发展自研芯片。OpenAI计划将目前仅有数人的芯片团队扩展至数十人，且几乎所有新招募的研究人员均为谷歌TPU团队的现任或前任成员。

Altman的造芯野心不仅于此，他甚至想创建一个新的芯片项目「Tigris」——横跨几大洲，联合阿联酋的G42和日本软银等公司，拉拢台积电、三星和英特尔等顶级芯片制造商，建成覆盖全球的制造工厂网络。

据报道，早在Sam Altman去年11月戏剧性地被OpenAI解雇之前几周，他就前往中东募资，已与软银集团公司、沙特阿拉伯公共投资基金（PIF）、穆巴达拉投资公司等公司就这些合资企业进行了谈判，寻求数百亿美元的资金。

Cerebras这家略显小众的技术路线的公司上市，既是对英伟达GPU护城河的一个挑战，也是Sam Altman在英伟达GPU垄断之外建立新的AI芯片格局的一步。

文章来源于“王沁”