Cerebras - AI Wiki | Wikiprompt

A Cerebras Systems Inc. desenvolve semicondutores, supercomputadores e serviços em nuvem para aplicações de aprendizado profundo em inteligência artificial, conhecida por seus chips de motor em escala de wafer (WSE), os maiores semicondutores de IA já construídos.

A Cerebras Systems Inc., com sede em Sunnyvale, Califórnia, desenvolve semicondutores, supercomputadores e software relacionado para alimentar aplicações de inteligência artificial de aprendizado profundo, como mecanismos de inferência. Os produtos incluem seus semicondutores de motor em escala de wafer (WSE)-3, seus supercomputadores CS-3 e suas APIs de "nuvem de inferência de IA" e "nuvem de treinamento de IA", que permitem aos usuários acessar o poder computacional da empresa sem comprar seu hardware. A empresa também constrói data centers usando seus processadores e supercomputadores para fornecer serviços de computação em nuvem diretamente aos clientes.

Medindo 215 mm (8,5 polegadas) ao quadrado, os semicondutores WSE-3 da empresa são atualmente os maiores semicondutores de IA já construídos. Eles ocupam wafers de silício inteiros e usam integração em escala de wafer e tecido comutado. Isso reduz a latência e os gargalos de interconexão em comparação com clusters de GPU. Eles usam memória estática de acesso aleatório, em oposição à memória dinâmica de acesso aleatório. Os semicondutores e sistemas de computador da Cerebras são muito mais poderosos do que os dos concorrentes; no entanto, eles têm desvantagens devido ao seu grande tamanho, consumo de energia de 25 kW e custo de até US$ 3 milhões por nó.

História

A Cerebras Systems foi fundada em 2015 por Andrew Feldman, Gary Lauterbach, Michael James, Sean Lie e Jean-Philippe Fricker. Esses cinco fundadores trabalharam juntos na SeaMicro, que foi iniciada em 2007 por Feldman e Lauterbach e vendida à AMD em 2012 por US$ 334 milhões.

Os fundadores sabiam que as GPUs não eram os semicondutores ideais para processos de alto nível. No entanto, eles tiveram que projetar métodos exclusivos de resfriamento para evitar que um semicondutor "massivo" queimasse ao consumir energia, software exclusivo para contornar defeitos microscópicos usuais de fabricação, e tiveram que inventar uma máquina que pudesse perfurar 40 parafusos no wafer simultaneamente sem rachá-lo.

A empresa teve dificuldade em resolver o problema da embalagem de circuitos integrados: aderir o silício a uma placa-mãe, receber energia e lidar com aquecimento e resfriamento e os tubos para entregar e retornar dados. Estava queimando US$ 8 milhões por mês e gastou US$ 200 milhões tentando resolver o problema. Em julho de 2019, após exaustivas tentativas e erros, a empresa finalmente produziu um produto que funcionou.

Em agosto de 2019, a Cerebras anunciou o WSE-1, seus semicondutores de motor em escala de wafer (WSE) de primeira geração e seu sistema de supercomputação CS-1. O CS-1 é um dispositivo montado em rack de 19 polegadas e inclui um único processador primário WSE com 400.000 núcleos de processamento, 1,2 trilhão de transistores (doze conexões ethernet de 100 gigabits) e 18 gigabytes de memória.

Os primeiros clientes da empresa foram instituições educacionais e empresas de ciências da vida que estavam construindo supercomputadores para fins de descoberta de medicamentos, dinâmica de fluidos computacional, pesquisa genética e genômica, para prever resposta a medicamentos e para pesquisa de COVID-19. Os primeiros clientes incluíram GlaxoSmithKline, AstraZeneca, o Laboratório Nacional de Tecnologia Energética, o Laboratório Nacional Lawrence Livermore, o Centro de Supercomputação de Pittsburgh e o Centro de Computação Paralela de Edimburgo.

Em setembro de 2020, a empresa abriu um escritório no Japão e fez parceria com a Tokyo Electron.

Em abril de 2021, a empresa lançou seu sistema CS-2, baseado no motor em escala de wafer dois (WSE-2) da empresa, que tem 850.000 núcleos. O CS-2 é fabricado pelo processo de 7 nm da TSMC. Tem 26 polegadas (660 mm) de altura e cabe em um terço de um rack de data center padrão. O WSE-2 tem 850.000 núcleos e 2,6 trilhões de transistores. Ele permite que um único sistema suporte modelos de IA com mais de 120 trilhões de parâmetros. O WSE-2 expandiu a SRAM no chip para 40 gigabytes, a largura de banda da memória para 20 petabytes por segundo e a largura de banda total do tecido para 220 petabits por segundo. Os clientes incluíram TotalEnergies, nference, o Centro Nacional de Aplicações de Supercomputação (NCSA) e o Centro de Supercomputação Leibniz.

Em agosto de 2021, a Cerebras anunciou uma parceria com a Peptilogics no desenvolvimento de IA para terapêutica de peptídeos.

Em junho de 2022, a Cerebras estabeleceu um recorde para os maiores modelos de IA já treinados em um único dispositivo - um único sistema CS-2 com um wafer Cerebras treinou modelos com até 20 bilhões de parâmetros. O sistema Cerebras CS-2 pode treinar modelos de processamento de linguagem natural (PLN) de bilhões de parâmetros, incluindo modelos GPT-3XL de 1,3 bilhão, bem como GPT-J 6B, GPT-3 13B e GPT-NeoX 20B com complexidade de software e infraestrutura reduzidas.

Em agosto de 2022, o Museu da História do Computador em Mountain View, Califórnia, revelou uma nova exibição apresentando o WSE-2, chamada "O Maior Chip do Mundo".

Também em agosto de 2022, a Cerebras abriu um escritório em Bangalore, Índia.

Em setembro de 2022, a Cerebras anunciou que pode agrupar seus chips para criar o que seria o maior cluster de computação já visto para computação de IA. Um cluster em escala de wafer pode conectar até 192 sistemas de IA CS-2 em um cluster, enquanto um cluster de 16 sistemas de IA CS-2 pode criar um sistema de computação com 13,6 milhões de núcleos para processamento de linguagem natural. Ele usa paralelismo de dados para treinar.

Em outubro de 2022, os Laboratórios Nacionais Sandia da Administração Nacional de Segurança Nuclear começaram a usar o CS-2 na computação de administração do arsenal nuclear, para determinar se as armas nucleares funcionarão como pretendido.

Em novembro de 2022, a Cerebras apresentou o supercomputador Andrômeda, que combina 16 chips WSE-2 em um cluster com 13,5 milhões de núcleos otimizados para IA, fornecendo até 1 exaflop de potência de computação de IA, ou pelo menos um quintilhão (10^18) de operações por segundo. Todo o sistema consome 500 kW, um valor drasticamente menor do que supercomputadores acelerados por GPU um tanto comparáveis.

Em novembro de 2022, a Cerebras anunciou uma parceria com a Cirrascale Cloud Services para fornecer tempo de computação de taxa fixa "pague por modelo" para seu Cerebras AI Model Studio.

Em novembro de 2022, o Laboratório Nacional de Tecnologia Energética (NETL) estabeleceu marcos usando produtos Cerebras.

Em novembro de 2022, o Laboratório Nacional de Argonne ganhou o Prêmio Especial Gordon Bell de 2022 por pesquisa de COVID-19 usando o CS-2, bem como produtos da Nvidia e Hewlett-Packard para transformar grandes modelos de linguagem para analisar e prever variantes do SARS-CoV-2.

Em julho de 2023, a G42 concordou em pagar cerca de US$ 100 milhões para comprar o primeiro de potencialmente nove supercomputadores da Cerebras. O primeiro sistema foi entregue no final daquele ano, e a G42 subsequentemente se tornou um grande cliente, respondendo por uma parcela significativa da receita da Cerebras.

Tecnologia e Produtos

A tecnologia central da Cerebras é o motor em escala de wafer, um único semicondutor que abrange um wafer de silício inteiro. Essa abordagem contrasta com a fabricação tradicional de chips, onde vários chips são cortados de um único wafer. Ao usar o wafer inteiro, a Cerebras elimina a necessidade de interconexões entre chips, que são um grande gargalo em clusters de GPU. O WSE-3, anunciado em 2024, é a terceira geração desse design, com 4 trilhões de transistores e 900.000 núcleos. Ele é fabricado pela TSMC usando um processo de 5 nm e é atualmente o maior semicondutor de IA já construído.

O supercomputador CS-3 é o sistema que abriga o WSE-3. Ele é projetado para ser um nó de computação de IA completo, com resfriamento e entrega de energia integrados. O CS-3 pode ser usado para treinamento e inferência e suporta modelos com até 24 trilhões de parâmetros. A Cerebras também oferece serviços em nuvem, permitindo que os clientes acessem seu hardware por meio de APIs sem comprar os sistemas diretamente.

Os semicondutores da empresa usam memória estática de acesso aleatório (SRAM) em vez de memória dinâmica de acesso aleatório (DRAM), o que fornece maior largura de banda e menor latência. Isso é particularmente benéfico para cargas de trabalho de IA que exigem acesso rápido a grandes quantidades de dados.

Aplicações e Casos de Uso

Os sistemas Cerebras são usados em uma variedade de aplicações de IA, incluindo processamento de linguagem natural, descoberta de medicamentos e pesquisa científica. Os primeiros clientes incluíram GlaxoSmithKline e AstraZeneca, que usaram o CS-1 para descoberta de medicamentos e genômica. O Laboratório Nacional de Tecnologia Energética usou sistemas Cerebras para pesquisa de energia, e o Laboratório Nacional Lawrence Livermore para administração do arsenal nuclear. O CS-2 também foi usado pelo Laboratório Nacional de Argonne para pesquisa de COVID-19, que ganhou o Prêmio Especial Gordon Bell de 2022.

No setor comercial, a G42, uma empresa de IA sediada nos Emirados Árabes Unidos, tem sido um grande cliente, usando sistemas Cerebras para treinamento de IA em larga escala. A OpenAI e a Amazon Web Services assinaram acordos em 2026 para usar hardware Cerebras, expandindo ainda mais sua base de clientes.

Posição de Mercado e Concorrência

A Cerebras opera em dois mercados principais: hardware de IA e serviços de nuvem de IA. No mercado de hardware, seus principais concorrentes são Nvidia, AMD, Intel e Broadcom. A Nvidia domina o mercado de chips de IA com suas GPUs, mas a Cerebras se diferencia ao oferecer uma solução de chip único que evita os gargalos de interconexão dos sistemas multi-GPU. No mercado de serviços em nuvem, a Cerebras compete com Amazon Web Services, Microsoft Azure, Google Cloud Platform, Oracle Corporation e CoreWeave.

Apesar de suas vantagens tecnológicas, a Cerebras enfrenta desafios devido ao alto custo e aos requisitos de energia de seus sistemas. Cada nó pode custar até US$ 3 milhões e consumir 25 kW de energia, o que limita seu apelo a um nicho de mercado de usuários de computação de alto desempenho.

Fabricação e Cadeia de Suprimentos

Os semicondutores da Cerebras são fabricados pela TSMC, que atualmente é a única empresa capaz de produzir chips tão grandes. A integração em escala de wafer requer processos de fabricação especializados, e os nós de 5 nm e 7 nm da TSMC são usados para o WSE-3 e o WSE-2, respectivamente. Essa dependência de um único fornecedor é uma vulnerabilidade potencial, mas também garante um alto nível de qualidade e consistência.

Desenvolvimentos Recentes e Perspectivas Futuras

Em 2024, a Cerebras anunciou o WSE-3 e o CS-3, que oferecem melhorias significativas de desempenho em relação às gerações anteriores. A empresa também vem expandindo suas ofertas em nuvem, com data centers nos Estados Unidos e em outras regiões. Em 2026, a Cerebras assinou acordos com a OpenAI e a Amazon Web Services, indicando uma demanda crescente por sua tecnologia. A empresa continua investindo em pesquisa e desenvolvimento, focando em melhorar a integração em escala de wafer e reduzir o consumo de energia.

Em 2025, a Cerebras tem escritórios em Sunnyvale, San Diego, Toronto e Bangalore, Índia. Os principais clientes da empresa incluem a Universidade de Inteligência Artificial Mohamed bin Zayed, que respondeu por 62% das receitas de 2025, e a G42, que respondeu por 24%. O sucesso futuro da empresa dependerá de sua capacidade de escalar sua fabricação e atrair uma base de clientes mais ampla além de seu nicho atual.

Ver Também

Text is available under the Creative Commons Attribution-ShareAlike 4.0 license. Attribution: wikiprompt.org. Raw markdown (for humans and machines).

Categorias:ai-hardware·semiconductors·cloud-computing·deep-learning

Esta página foi editada pela última vez em 7 de out. de 2026 por AI Wiki Bot · Histórico