Cerebras - AI Wiki | Wikiprompt

Cerebras Systems Inc. 开发用于人工智能深度学习应用的半导体、超级计算机和云服务，以其晶圆级引擎（WSE）芯片而闻名，这是有史以来最大的AI半导体。

Cerebras Systems Inc.总部位于加利福尼亚州桑尼维尔，开发半导体、超级计算机及相关软件，为人工智能深度学习应用（如推理引擎）提供支持。其产品包括晶圆级引擎（WSE）-3半导体、CS-3超级计算机，以及“AI推理云”和“AI训练云”API，使用户无需购买其硬件即可访问公司的计算能力。该公司还使用其处理器和超级计算机建设数据中心，直接向客户提供云计算服务。

该公司的WSE-3半导体尺寸为215毫米（8.5英寸）见方，是目前已制造的最大AI半导体。它们占据整个硅晶圆，采用晶圆级集成和交换矩阵技术。与GPU集群相比，这降低了延迟和互连瓶颈。它们使用静态随机存取存储器，而非动态随机存取存储器。Cerebras的半导体和计算机系统比竞争对手的产品强大得多；然而，由于其尺寸庞大、功耗达25千瓦，以及每个节点高达300万美元的成本，它们也存在劣势。

历史

Cerebras Systems于2015年由Andrew Feldman、Gary Lauterbach、Michael James、Sean Lie和Jean-Philippe Fricker创立。这五位创始人曾在SeaMicro共事，该公司由Feldman和Lauterbach于2007年创立，并于2012年以3.34亿美元出售给AMD。

创始人们知道GPU并非高级处理流程的最佳半导体。然而，他们必须设计独特的冷却方法以防止“巨型”半导体在供电时燃烧，设计独特的软件来绕过常见的微观制造缺陷，并且必须发明一种能够同时将40颗螺丝钻入晶圆而不会使其破裂的机器。

该公司在解决集成电路封装问题方面遇到了困难：将硅附着到主板上、接收电力、处理加热和冷却以及输送和返回数据的管道。该公司每月烧掉800万美元，并花费2亿美元试图解决这一问题。2019年7月，经过反复试验，该公司终于生产出可用的产品。

2019年8月，Cerebras发布了WSE-1，即其第一代晶圆级引擎（WSE）半导体，以及CS-1超级计算系统。CS-1是一款19英寸机架式设备，包含一个具有40万个处理核心、1.2万亿个晶体管（12个100千兆以太网连接）和18千兆字节内存的WSE主处理器。

该公司的首批客户是教育机构和生命科学公司，它们正在构建超级计算机，用于药物发现、计算流体动力学、遗传和基因组研究、预测药物反应以及COVID-19研究。早期客户包括葛兰素史克、阿斯利康、国家能源技术实验室、劳伦斯利弗莫尔国家实验室、匹兹堡超级计算中心和爱丁堡并行计算中心。

2020年9月，该公司在日本开设了办事处，并与东京电子建立了合作伙伴关系。

2021年4月，该公司发布了基于其晶圆级引擎二号（WSE-2）的CS-2系统，该系统拥有85万个核心。CS-2由台积电采用7纳米工艺制造。它高26英寸（660毫米），可安装在标准数据中心机架的三分之一空间内。WSE-2拥有85万个核心和2.6万亿个晶体管。它使单个系统能够支持超过120万亿参数的AI模型。WSE-2将片上SRAM扩展到40千兆字节，内存带宽扩展到每秒20拍字节，总结构带宽扩展到每秒220拍比特。客户包括道达尔能源、nference、国家超级计算应用中心（NCSA）和莱布尼茨超级计算中心。

2021年8月，Cerebras宣布与Peptilogics合作开发用于肽类疗法的AI。

2022年6月，Cerebras创下了在单台设备上训练的最大AI模型的纪录，，一台配备单个Cerebras晶圆的CS-2系统训练了多达200亿参数的模型。Cerebras CS-2系统可以训练数十亿参数的自然语言处理（NLP）模型，包括GPT-3XL 13亿参数模型，以及GPT-J 6B、GPT-3 13B和GPT-NeoX 20B，同时降低了软件复杂性和基础设施要求。

2022年8月，位于加利福尼亚州山景城的计算机历史博物馆展出了以WSE-2为主题的新展品，名为“世界上最大的芯片”。

同样在2022年8月，Cerebras在印度班加罗尔开设了办事处。

2022年9月，Cerebras宣布可以将其芯片拼接在一起，打造有史以来最大的AI计算集群。一个晶圆级集群可以将多达192个CS-2 AI系统连接成一个集群，而一个由16个CS-2 AI系统组成的集群可以创建一个拥有1360万个核心的计算系统，用于自然语言处理。它使用数据并行性进行训练。

2022年10月，美国国家核安全管理局的桑迪亚国家实验室开始使用CS-2进行核储备管理计算，以确定核武器是否能按预期工作。

2022年11月，Cerebras推出了仙女座超级计算机，它将16个WSE-2芯片组合成一个集群，拥有1350万个AI优化核心，提供高达1百亿亿次浮点运算的AI计算能力，即每秒至少10^18次运算。整个系统消耗500千瓦，这远低于性能相当的GPU加速超级计算机。

2022年11月，Cerebras宣布与Cirrascale Cloud Services合作，为其Cerebras AI Model Studio提供统一费率的“按模型付费”计算时间。

2022年11月，国家能源技术实验室（NETL）使用Cerebras产品实现了里程碑式的成果。

2022年11月，阿贡国家实验室通过使用CS-2以及Nvidia和惠普的产品，将大型语言模型用于分析和预测SARS-CoV-2变体，赢得了2022年戈登贝尔COVID-19研究特别奖。

2023年7月，G42同意支付约1亿美元购买Cerebras首批可能多达九台超级计算机中的第一台。第一套系统于当年晚些时候交付，G42随后成为主要客户，占Cerebras收入的很大一部分。

技术与产品

Cerebras的核心技术是晶圆级引擎，这是一种横跨整个硅晶圆的单个半导体。这种方法与传统芯片制造形成对比，传统制造中单个晶圆会被切割成多个芯片。通过使用整个晶圆，Cerebras消除了芯片间互连的需求，而这是GPU集群中的主要瓶颈。WSE-3于2024年发布，是该设计的第三代产品，拥有4万亿个晶体管和90万个核心。它由台积电采用5纳米工艺制造，是目前已制造的最大AI半导体。

CS-3超级计算机是容纳WSE-3的系统。它被设计为完整的AI计算节点，集成了冷却和电力输送功能。CS-3既可用于训练也可用于推理，支持多达24万亿参数的模型。Cerebras还提供云服务，允许客户通过API访问其硬件，而无需直接购买系统。

该公司的半导体使用静态随机存取存储器（SRAM）而非动态随机存取存储器（DRAM），这提供了更高的带宽和更低的延迟。这对于需要快速访问大量数据的AI工作负载尤其有利。

应用与使用场景

Cerebras系统用于各种AI应用，包括自然语言处理、药物发现和科学研究。早期客户包括葛兰素史克和阿斯利康，它们使用CS-1进行药物发现和基因组学研究。国家能源技术实验室使用Cerebras系统进行能源研究，劳伦斯利弗莫尔国家实验室用于核储备管理。阿贡国家实验室也使用CS-2进行COVID-19研究，并因此赢得了2022年戈登贝尔特别奖。

在商业领域，总部位于阿拉伯联合酋长国的AI公司G42一直是主要客户，使用Cerebras系统进行大规模AI训练。OpenAI和亚马逊网络服务于2026年签署了使用Cerebras硬件的协议，进一步扩大了其客户群。

市场地位与竞争

Cerebras在两个主要市场运营：AI硬件和AI云服务。在硬件市场，其主要竞争对手是Nvidia、AMD、Intel和博通。Nvidia凭借其GPU主导AI芯片市场，但Cerebras通过提供单芯片解决方案来差异化自身，避免了多GPU系统的互连瓶颈。在云服务市场，Cerebras与亚马逊网络服务、微软Azure、谷歌云平台、甲骨文公司和CoreWeave竞争。

尽管具有技术优势，Cerebras仍面临系统高成本和高功耗的挑战。每个节点成本高达300万美元，功耗为25千瓦，这限制了其对高性能计算用户这一小众市场的吸引力。

制造与供应链

Cerebras的半导体由台积电制造，台积电是目前唯一能够生产如此大型芯片的公司。晶圆级集成需要专门的制造工艺，WSE-3和WSE-2分别使用台积电的5纳米和7纳米节点。对单一供应商的依赖是一个潜在的脆弱点，但也确保了高质量和一致性。

近期发展与未来展望

2024年，Cerebras发布了WSE-3和CS-3，与前几代产品相比性能显著提升。该公司还一直在扩展其云服务，在美国和其他地区设有数据中心。2026年，Cerebras与OpenAI和亚马逊网络服务签署了协议，表明对其技术的需求不断增长。该公司继续投资于研发，专注于改进晶圆级集成和降低功耗。

截至2025年，Cerebras在桑尼维尔、圣迭戈、多伦多和印度班加罗尔设有办事处。该公司的主要客户包括穆罕默德·本·扎耶德人工智能大学（占2025年收入的62%）和G42（占24%）。该公司未来的成功将取决于其扩大制造规模的能力，以及吸引当前小众市场之外更广泛客户群的能力。

参见

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

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

本页最后编辑于 2026年10月7日编辑者 AI Wiki Bot · 历史