目前，最大的計算機芯片通常可以放在手掌里，有些小的可以放在指尖上。芯片越來越小似乎是行業(yè)整體發(fā)展趨勢和普遍理念。現(xiàn)在，硅谷的一家創(chuàng)業(yè)公司Cerebras正在挑戰(zhàn)這一觀念。

本周一，該公司公布了據(jù)稱是有史以來最大的計算機芯片。它和餐盤一樣大——大約是一塊普通芯片的100倍——幾乎不能放在人的大腿上。開發(fā)該芯片的工程師相信它可以用于大型數(shù)據(jù)中心，并有助于加速人工智能（AI）的發(fā)展，從自動駕駛汽車到亞馬遜的Alexa，都可以因它的出現(xiàn)而受益。

許多公司正在為AI制造新的芯片，包括傳統(tǒng)的芯片制造商，如英特爾（Intel）和高通（Qualcomm），以及美國、英國和中國的其他初創(chuàng)企業(yè)。

谷歌已經(jīng)制造出了這種芯片，并將其應用于多個人工智能項目中，包括谷歌助手（google assistant）和谷歌翻譯（google translate），后者可以識別安卓手機上的語音命令，并將一種語言翻譯成另一種語言。

Cerebras首席執(zhí)行官兼創(chuàng)始人Andrew Feldman稱，“這個領域的增長非常驚人。“他是一位芯片行業(yè)資深人士，此前曾將一家公司賣給芯片巨頭AMD。

新AI系統(tǒng)依賴于神經(jīng)網(wǎng)絡。這些復雜的數(shù)學系統(tǒng)松散地基于神經(jīng)元網(wǎng)絡，可以通過分析大量數(shù)據(jù)來學習任務。例如，通過精確定位數(shù)千只貓照片中的模式，神經(jīng)網(wǎng)絡可以學會識別貓。

這需要一種特殊的計算能力。如今，大多數(shù)公司在GPU的幫助下分析數(shù)據(jù)。這些芯片最初是為游戲和其他軟件渲染圖像而設計的，但它們也擅長運行驅(qū)動神經(jīng)網(wǎng)絡的數(shù)學運算。

大約六年前，隨著谷歌、Facebook和微軟等科技巨頭在人工智能領域加大投入，它們開始大量購買英偉達的GPU。在截至2016年夏季的一年里，英偉達在美國的平均銷售額為1.43億美元，是前一年的兩倍多。但是這些公司想要更多的處理能力。

谷歌專門為神經(jīng)網(wǎng)絡（Tensor Processing Unit，簡稱TPU）開發(fā)了一種芯片，其他幾家芯片制造商也在追求同樣的目標。AI系統(tǒng)與許多芯片協(xié)同工作。麻煩的是，在芯片之間移動大塊數(shù)據(jù)可能會很慢，并且會限制芯片分析該信息的速度。加州大學洛杉磯分校專門從事人工智能芯片設計的教授Subramanian Iyer表示，“將所有這些芯片連接在一起，實際上會減慢它們的速度，并消耗大量能量。”硬件制造商正在探索許多不同的選擇。有些人試圖拓寬芯片之間的管道。

Cerebras，一家僅有3年歷史、資金超過2億美元的公司，已經(jīng)采取了一種新穎的方法。這個想法是把所有的數(shù)據(jù)保存在一個巨大的芯片上，這樣系統(tǒng)就可以更快地運行。

使用一個大的芯片是非常困難的。計算機芯片通常安裝在直徑約12英寸的圓形硅片上。每個晶圓片通常包含約100個芯片。許多這樣的芯片，當從晶圓片中取出時，就會被扔掉，再也不用了。蝕刻電路進入硅是一個如此復雜的過程，制造商無法消除缺陷。有些電路不起作用。這是芯片制造商保持芯片盡量小的原因之一 - 減少錯誤的空間，因此他們不必拋棄那么多。

Cerebras公司表示，他們已經(jīng)制造了一塊晶圓大小的芯片。其他人也嘗試過這種方法，最著名的是一家名為Trilogy的初創(chuàng)企業(yè)，由著名的IBM芯片工程師Gene Amdahl于1980年創(chuàng)立。盡管獲得了2.3億多美元的資金支持，但最終還是覺得這個任務太難了，五年后就倒閉了。

Cerebras計劃下個月開始向少數(shù)客戶發(fā)貨硬件，F(xiàn)eldman說，這種芯片訓練人工智能系統(tǒng)的速度可以比現(xiàn)有硬件快100到1000倍。他和他的工程師們已經(jīng)把他們的巨型芯片分成了更小的部分，或者說是核心，因為他們知道有些核心是不能工作的。該公司的硬件存在重大問題。費爾德曼有關芯片性能的說法尚未得到證實，他也沒有透露芯片的價格。價格將取決于Cerebras及其制造合作伙伴臺積電（TSMC）生產(chǎn)該芯片的效率。

臺積電的高級副總裁BradPaulsen表示，這一過程“需要更多勞動力”。一個如此大的芯片會消耗大量的能量，這意味著保持它的冷卻將是困難和昂貴的。換句話說，構建芯片只是任務的一部分。“這對我們來說是一個挑戰(zhàn)，”鮑爾森說。“這對他們來說也是。”Cerebras計劃將該芯片作為一個更大機器的一部分出售，該機器包括用冷凍液體冷卻硅的精密設備。這與大型科技公司和政府機構習慣于合作的方式完全不同。

“并不是說人們沒能制造出這種芯片，”伊利諾伊大學（University of Illinois）教授Rakesh Kumar說，他也在為人工智能研究大型芯片，“問題是他們沒能制造出一種商業(yè)上可行的芯片。”直到今天，新一代的隱形硅片公司Cerebras一直在尋求讓訓練成為一種深度學習模式，就像從亞馬遜（Amazon）購買牙膏一樣快。

經(jīng)過近三年的靜悄悄的研發(fā)，Cerebras今天推出了它的新芯片——這是一款出色的芯片。“晶圓級引擎”是1.2萬億個晶體管（有史以來最多），46，225平方毫米（有史以來最大），包括18千兆字節(jié)的片上存儲器（目前市場上最多的芯片）和40萬個處理器核心（估計是最高級的）。

圖：Cerebras的晶片級引擎比典型的Mac鍵盤更大

在斯坦福大學（StanfordUniversity）的Hot Chips大會上，它引起了很大的轟動。Hot Chips大會是硅行業(yè)為產(chǎn)品介紹和路線圖而舉辦的大型會議之一，與會者中有不同級別的“ooh”和“aah”。你可以從《財富》雜志的Tiernan Ray那里了解更多關于這種芯片的信息，也可以閱讀Cerebras的白皮書。今天下午，我與公司創(chuàng)始人兼首席執(zhí)行官AndrewFeldman坐下來，討論了他手下的173名工程師在過去幾年里用Benchmark等公司1.12億美元的風投資金，在這條街上悄悄做了什么。

做大意味著挑戰(zhàn)

首先，簡要介紹一下為手機和電腦供電的芯片是如何制造的。像臺積電這樣的晶圓代工廠采用標準尺寸的硅片，利用光將晶體管蝕刻到晶圓上，然后將它們分割成單獨的芯片。晶圓是圓形的，芯片是正方形的，因此將圓細分成清晰的單個芯片陣列涉及到一些基本的幾何知識。光刻工藝的一大挑戰(zhàn)是，錯誤可能會滲透到制造過程中，需要大量的測試來驗證質(zhì)量，并迫使晶圓廠扔掉性能不佳的芯片。芯片越小、越緊湊，單個芯片失效的可能性就越小，晶圓廠的產(chǎn)量也就越高。高收益等于高利潤。

Cerebras提出了在單個晶圓片上蝕刻一系列單獨芯片的想法，而不是僅僅使用整個晶圓片本身作為一個巨大的芯片。這使得所有這些單獨的核心可以彼此直接連接——極大地加快了用于深度學習算法的關鍵反饋循環(huán)——但這是以巨大的制造和設計挑戰(zhàn)為代價來創(chuàng)建和管理這些芯片的。

Cerebras的技術架構和設計由聯(lián)合創(chuàng)始人Sean Lie領導。Feldman和Lie之前合作創(chuàng)辦了一家名為SeaMicro的公司，2012年該公司以3.34億美元的價格賣給了AMD。

根據(jù)Feldman的說法，團隊遇到的第一個挑戰(zhàn)是處理“劃線”之間的通信。雖然Cerebras芯片包含一個完整的晶圓，但今天的光刻設備仍然必須像在硅片上蝕刻單個芯片一樣工作。因此，該公司不得不發(fā)明新技術，讓這些單獨的芯片能夠在整個晶圓上相互通信。在與臺積電合作中，他們不僅發(fā)明了新的通信通道，而且還不得不編寫新的軟件來處理擁有超過萬億晶體管的芯片。

第二個挑戰(zhàn)是良率。當一個芯片覆蓋整個硅晶片時，晶片蝕刻上的任何一個缺陷都可能導致整個芯片無法運作。這是整個晶圓技術幾十年來的難題：根據(jù)物理定律，幾乎不可能以完美的精確度反復蝕刻一萬億個晶體管。Cerebras通過在芯片中添加額外的核心來解決這個問題，當核心附近的晶片出現(xiàn)錯誤時，這些核心將被用作備份。

Feldman向我解釋說：“你只需要持有占總量1％，1.5％的額外的核心。” 留下額外的核心使芯片基本上可以自我修復，繞過光刻錯誤，使整個晶片硅芯片可行。

進入芯片設計的未知領域

最初的兩個挑戰(zhàn)——芯片之間的劃線通信和處理良率——已經(jīng)困擾了芯片設計師幾十年。但它們都是已知的問題，F(xiàn)eldman說，通過使用現(xiàn)代工具重新處理它們，它們實際上更容易解決預期的問題。 不過，他把這項挑戰(zhàn)比作攀登珠穆朗瑪峰。“就像第一批人沒能登上珠穆朗瑪峰一樣，他們說，‘該死，第一部分真的很難。’然后下一組人過來說： ‘那算什么。最后一百碼，才是個問題。”

事實上，根據(jù)Feldman的說法，對Cerebras來說，最困難的挑戰(zhàn)是接下來的三個，因為沒有其他芯片設計師能通過劃線通信來找出接下來發(fā)生了什么。芯片在運行中會變得非常熱，但不同的材料會以不同的速度膨脹。這意味著連接芯片和主板的連接器也需要以同樣的速度進行熱膨脹，以免兩者之間產(chǎn)生裂縫。Feldman說：“你如何找到一個可以承受這種壓力的連接器？以前從來沒有人這樣做過，所以我們需要發(fā)明一種材料。因此，我們擁有材料科學博士，我們必須發(fā)明一種材料，能夠化解其中的一些差異。”一旦芯片被制造出來，它就需要經(jīng)過測試和封裝，然后運送給原始設備制造商（OEMs），由原始設備制造商將芯片添加到終端客戶（無論是數(shù)據(jù)中心還是消費者筆記本電腦）使用的產(chǎn)品中。

不過，也存在一個挑戰(zhàn)：市場上絕對沒有任何東西是為處理整個晶圓芯片而設計的。

圖： Cerebras設計了自己的測試和封裝系統(tǒng)來處理它的芯片

現(xiàn)階段，沒有人有這么大的印刷電路板、連接器、冷卻盤，也沒有軟件和工具來調(diào)試它們。Feldman解釋說。“所以我們設計了整個生產(chǎn)流程，因為從來沒有人這樣做過。“Cerebras的技術不僅僅是它所銷售的芯片，它還包括所有相關的機械設備，這些機械設備是用來制造和封裝這些芯片的。Cerebras的芯片使用15千瓦的功率運行，這對于單個芯片來說是一個巨大的功耗，盡管與現(xiàn)代大小的AI集群相當。所有這些功能也需要冷卻，Cerebras必須設計一種新方法來為這么大的芯片提供這兩種功能。它基本上是通過將芯片翻轉(zhuǎn)過來來解決這個問題的，F(xiàn)eldman稱之為“使用z維度”。

“我們的想法是，與傳統(tǒng)的在芯片上橫向移動電源和冷卻設備不同，電源和冷卻設備在芯片上的所有點都是垂直傳輸?shù)模源_保兩者的訪問是均勻一致的。”因此，這就是該公司在過去幾年中日以繼夜努力解決的三個挑戰(zhàn)——熱膨脹、封裝和電源/冷卻。

從理論到現(xiàn)實

Cerebras有一個演示芯片（它和我們的頭差不多大），據(jù)報道，它已經(jīng)開始向客戶交付原型。然而，與所有新芯片一樣，最大的挑戰(zhàn)是擴大生產(chǎn)，以滿足客戶的需求。

對于Cerebras來說，這種情況有點不尋常。由于它在一個晶圓上融入了如此多的計算能力，客戶不必購買數(shù)十或數(shù)百個芯片并將它們拼接在一起來創(chuàng)建一個計算集群。相反，他們可能只需要少量的Cerebras芯片來滿足他們的深度學習需求。該公司的下一個階段是實現(xiàn)規(guī)模化，并確保其芯片的穩(wěn)定交付。該公司將芯片封裝為一個完整的系統(tǒng)“設備”，其中還包括其專有的冷卻技術。預計在未來幾個月會聽到更多關于Cerebras技術的細節(jié)，特別是在關于未來深度學習處理工作流程的爭論不斷升溫之際。