如今，深度學(xué)習(xí)已成為企業(yè)界的熱門話題，并且不難理解為什么。無論是優(yōu)化廣告支出，尋找治療癌癥的新藥，還是僅向客戶提供更好，更智能的產(chǎn)品，機器學(xué)習(xí)(尤其是深度學(xué)習(xí)模型)都具有大規(guī)模改進一系列產(chǎn)品和應(yīng)用的潛力。

不過關(guān)鍵字是“潛力”。盡管過去幾年我們在企業(yè)會議上聽到了關(guān)于深度學(xué)習(xí)的大量言論，但要廣泛使用這些技術(shù)仍然存在巨大障礙。深度學(xué)習(xí)模型是高度網(wǎng)絡(luò)化的，節(jié)點的密集圖與計算機處理信息的傳統(tǒng)方式不太“匹配”。另外，擁有深度學(xué)習(xí)模型所需的所有信息可能占用PB級的存儲空間，并在處理器機架上占用大量空間才能使用。

目前有很多方法可以解決此下一代計算問題，而Cerebras必須是最有趣的方法之一。

正如我們在8月份發(fā)布公司的“晶圓級引擎”(該公司提供的全球最大的硅芯片)時所談到的那樣，塞雷布拉斯的理論是，深度學(xué)習(xí)的方向?qū)嵸|(zhì)上就是將整個機器學(xué)習(xí)模型裝在一塊大芯片上。因此，該公司的目標(biāo)是做大—確實做大。

今天，該公司宣布推出其最終用戶計算產(chǎn)品Cerebras CS-1，并宣布了其第一位客戶Argonne國家實驗室。

CS-1是“完整解決方案”產(chǎn)品，旨在添加到數(shù)據(jù)中心以處理AI工作流。它包括Wafer Scale Engine(或Was Scale Engine，即WSE，即實際的處理核心)，以及將處理器集成到數(shù)據(jù)中心所需的所有冷卻，聯(lián)網(wǎng)，存儲和其他設(shè)備。它的高度為26.25英寸(15個機架單元)，包括40萬個處理核心，18 GB的片上內(nèi)存，每秒9 PB的片上內(nèi)存帶寬，12 GB的以太網(wǎng)連接，用于將數(shù)據(jù)移入CS-1和移出CS-1。系統(tǒng)，僅消耗20千瓦的功率。

Cerebras聲稱CS-1可以提供超過1000個領(lǐng)先GPU的性能-盡管TechCrunch尚未對此進行驗證，但我們?nèi)栽诘却郎y試人員在接下來的幾個月中等待行業(yè)標(biāo)準(zhǔn)基準(zhǔn)測試。

除了硬件本身，Cerebras還宣布發(fā)布了一個全面的軟件平臺，該平臺使開發(fā)人員可以使用TensorFlow和PyTorch等流行的ML庫將其AI工作流程與CS-1系統(tǒng)集成。

在設(shè)計系統(tǒng)時，首席執(zhí)行官兼聯(lián)合創(chuàng)始人安德魯·費爾德曼(Andrew Feldman)表示：“過去一年多的時間里，我們已經(jīng)與100多個客戶進行了交談，”以確定對新AI系統(tǒng)和軟件層的需求。在它上面。“多年來，我們了解到，您想與他們所在的軟件社區(qū)見面，而不是要求他們搬到您那里。”

我問費爾德曼，為什么公司要重建這么多的硬件來為其系統(tǒng)提供動力，而不是使用現(xiàn)有組件。“如果要制造法拉利發(fā)動機并將其安裝在豐田車上，就無法制造賽車，”費爾德曼類比。“在Dell或[其他]服務(wù)器中放置快速芯片不會進行快速計算。Feldman解釋說，CS-1旨在采用基礎(chǔ)的WSE芯片，并為其提供使其能夠發(fā)揮其全部功能所需的基礎(chǔ)結(jié)構(gòu)。