Կանադական Cerebras ընկերությունը արտադրում է անսովոր «արքայական չիպեր»՝ գրեթե ամբողջական սիլիկոնային թիթեղի չափ պրոցեսորներ, որոնց վրա սովորաբար «տպագրվում են» տասնյակ փոքր միկրոչիպեր, հաղորդում է 3DNews.ru-ն։
Ավանդական արտադրության մեջ վաֆլիի մի մասը նախ լցվում է բազմաթիվ չիպերով, այնուհետև կտրատվում է կտորների և փաթեթավորվում: Cerebras-ը այլ մոտեցում է ցուցաբերել. այն վերցնում է գրեթե ամբողջ վաֆլիի մի մասը և այն վերածում է մեկ, հսկայական համակարգչային «ուղեղի»: Առաջին հայացքից սա հնչում է որպես զուտ օգուտ. ավելի քիչ միջանկյալ գործողություններ, ավելի քիչ «կապեր» բազմաթիվ չիպերի միջև և ավելի արագ տվյալների փոխանակում մեկ համակարգի շրջանակներում: Հենց սա է պատճառը, որ նման լուծումները հետաքրքիր են ոչ թե տնային համակարգիչների, այլ մեծածավալ տվյալների կենտրոնների կիրառությունների համար, հատկապես արհեստական բանականության համար, որտեղ կարևոր է տվյալների հսկայական քանակություն առաջ-ետ տեղափոխել առանց լատենտության:.
Ինչո՞վ է «Ցար-չիպը» տարբերվում սովորականից։
Տեքստում թվեր են մեջբերվում մասշտաբը պատկերելու համար: Առաջին սերնդի WSE-1-ը (2019) ուներ 1.2 տրիլիոն տրանզիստոր և 18 ԳԲ շատ արագ ինտեգրված հիշողություն: Ներկայիս սերնդի WSE-3-ը (2024 թվականի մարտ) ունի 4 տրիլիոն տրանզիստոր և 44 ԳԲ ինտեգրված SRAM: Ավելի կարևորը տրանզիստորների քանակը չէ, այլ գաղափարը. հիշողությունը և հաշվողական միավորները շատ մոտ են միմյանց, ինչը նվազեցնում է դանդաղ տվյալների փոխանցման խոչընդոտը: Սա հսկայական առավելություն է տալիս արհեստական բանականության առաջադրանքներում, որտեղ համակարգիչը անընդհատ բազմապատկում է թվերի մեծ աղյուսակներ (մատրիցներ): Երբ ամեն ինչ «մոտ է միմյանց», համակարգն ավելի արագ է աշխատում: Նման չիպերը կարող են միացվել մեծ համալիրների՝ մինչև 2048 հանգույցների, հասնելով 256 EFLOPS գագաթնակետային կատարողականության: Համակարգչային գիտելիքներ չունեցող ընթերցողի համար սա նշանակում է մեկ բան. «շատ հաշվարկներ շատ կարճ ժամանակում»:.
Ինչո՞ւ տվյալների կենտրոնները սա զանգվածաբար չեն ընդունում։
Եթե ամեն ինչ լավ է, ապա առաջանում է հոդվածի գլխավոր հարցը. ինչո՞ւ այս «ցարական չիպերը» դեռևս ամենուր չեն օգտագործվում, միայն «մի քանի գերհամակարգիչներում» և «մի քանի տվյալների կենտրոններում»: Եվ ինչո՞ւ Cerebras-ը նույնիսկ հետ վերցրեց իր IPO հայտը (ընկերությունն ինքն է դա վերագրում կարգավորիչ ուշացումներին, այլ ոչ թե տեխնիկական խնդիրներին): Հոդվածում թվարկվում են թվացյալ առօրեական պատճառներ: Առաջինը փողն է. մեծ CS-3 կլաստերի գնահատված արժեքը կազմում է 5-6 միլիարդ դոլար, իսկ արտադրողականության մեկ միավորի գինը համեմատելի է հայտնի Nvidia չիպերի վրա հիմնված համակարգերի հետ: Երկրորդը մասնագիտացումն է. այս «ցարական չիպերը» հիանալի են, երբ տվյալները «նոսր» են (ներսում շատ զրոներով), բայց «խիտ» տվյալների անցնելիս դրանց արտադրողականությունը կարող է զգալիորեն նվազել, նույնիսկ մեծության կարգով: Երրորդը արտադրությունն է. նման հսկայական բյուրեղը գրեթե անխուսափելիորեն կունենա թերի հատվածներ, որոնք պետք է անջատվեն և շրջանցվեն ծրագրային ապահովման միջոցով, ինչը նույնպես նվազեցնում է արդյունավետության մի մասը:.
