制造大型键盘芯片有哪些挑战？

目前，最大的计算机芯片通常可以放在手掌上，而一些较小的计算机芯片可以放在指尖上. 越来越小的芯片似乎是该行业的总体发展趋势和总体思路. 现在，硅谷的一家创业公司Cerebras正在挑战这一概念.

本周一，该公司宣布了有史以来最大的计算机芯片. 它的大小与餐盘一样大-大约是普通筹码大小的100倍-几乎不能放在人的膝盖上. 开发该芯片的工程师认为，该芯片可用于大型数据中心，并有助于加速从无人驾驶汽车到亚马逊的Alexa的人工智能（AI）的开发.

许多公司正在为AI制造新芯片，包括英特尔和高通等传统芯片制造商，以及美国，英国和中国的其他初创公司.

Google制造了该芯片，并将其用于多个人工智能项目，包括Google Assistant和Google Translate，它们可以识别Android手机上的语音命令. 然后将一种语言翻译成另一种语言.

Cerebras首席执行官兼创始人Andrew Feldman说: “该领域的增长令人惊讶. ”他是芯片行业的资深人士，之前曾将公司出售给芯片巨头AMD.

新的AI系统依赖于神经网络. 这些复杂的数学系统松散地基于神经网络，可以通过分析大量数据来学习任务. 例如，通过准确定位数千张猫照片中的图案，神经网络可以学习识别猫.

这需要一种特殊的计算能力. 如今，大多数公司都借助GPU来分析数据. 这些芯片最初是为游戏和其他用于渲染图像的软件而设计的，但它们也擅长运行驱动神经网络的数学运算.

大约6年前，随着Google，Facebook和Microsoft等技术巨头在人工智能领域的投资增加，他们开始购买大量NVIDIA GPU. 截至2016年夏季，Nvidia在美国的平均销售额为1.43亿美元，是上一年的两倍多. 但是这些公司想要更多的处理能力.

Google已经开发出专门用于神经网络的芯片（张量处理单元，TPU），其他几家芯片制造商也在追求相同的目标. AI系统可与许多芯片一起使用. 问题在于，在芯片之间移动大块数据会很慢，并限制了芯片分析此信息的速度. 加利福尼亚大学洛杉矶分校教授Subramanian Iyer专门研究人工智能芯片设计，他说: “将所有这些芯片连接在一起实际上会降低它们的速度并消耗大量能量. ”硬件制造商正在探索许多不同的选择. 有些人试图拓宽芯片之间的管道.

Cerebras是一家只有三年历史，拥有超过2亿美元资本的公司，采用了一种新颖的方法. 这个想法是将所有数据存储在一块巨大的芯片上，以便系统可以更快地运行.

使用大芯片非常困难. 计算机芯片通常安装在直径约12英寸的圆形硅片上. 每个晶圆通常包含约100个芯片. 这些芯片中的许多，当从晶片中取出时，都被扔掉，不再使用. 将电路蚀刻到硅中是非常复杂的过程，制造商无法消除缺陷. 某些电路不起作用. 这是芯片制造商将其芯片保持尽可能小的尺寸的原因之一，以减少错误的余地，因此他们不必浪费那么多.

Cerebras说，他们已经制造出了晶圆尺寸的芯片. 其他人也尝试过这种方法，最著名的是一家名为Trilogy的初创公司，该公司由著名的IBM芯片工程师Gene Amdahl于1980年创立. 尽管它获得了超过2.3亿美元的财政支持，但它最终感到这项任务太困难了，并在五年后结束.

Cerebras计划下个月开始向少数客户运送硬件. 费尔德曼说，该芯片可以比现有硬件更快地训练人工智能系统100到1,000倍. 他和他的工程师将巨型芯片分为较小的部分或内核，因为他们知道某些内核无法工作. 该公司的硬件存在重大问题. 费尔德曼关于芯片性能的说法尚未得到证实，他没有透露芯片的价格. 价格将取决于Cerebras及其制造合作伙伴台积电（TSMC）生产芯片的效率.

TSMC的高级副总裁布拉德·保尔森（Brad Paulsen）表示，这一过程“需要更多的劳动”. 这种大小的芯片会消耗大量能量，这意味着保持其散热非常困难且昂贵. 换句话说，构建芯片只是任务的一部分. 保尔森说: “这对我们来说是一个挑战. ” “这也适合他们. ” Cerebras计划将芯片出售为更大机器的一部分，该机器包括使用冷冻液体冷却硅的精密设备. 这与大型技术公司和政府机构过去的合作方式完全不同.

“并不是人们没有制造出这种芯片，”伊利诺伊大学（University of Illinois）教授拉克什·库马尔（Rakesh Kumar）说，他也在研究大型人工智能芯片. “问题在于他们未能制造出商业上可行的芯片. ”直到今天，新一代隐形硅公司Cerebras一直在寻求使训练成为一种深度学习模型，就像从亚马逊购买牙膏一样快.

经过近三年的安静研究和开发，Cerebras今天推出了新芯片-这是一款出色的芯片. “晶圆级引擎”是1.2万亿个晶体管（有史以来最大），46225平方毫米（有史以来最大），包括18 GB的片上内存（当前市场上最大的芯片）和400,000个处理器Core（估计为是最先进的. ）

图片: Cerebras的芯片级引擎比典型的Mac键盘大

在斯坦福大学（Stanford University）的Hot Chips会议上，它引起了轰动. 热芯片会议是硅产业组织的有关产品介绍和路线图的大型会议之一. 参与者之间有不同的“ ooh”和“ aah”级别. 您可以从《财富》杂志的Tiernan Ray中了解有关此芯片的更多信息，或阅读Cerebras的白皮书. 今天下午，我与公司创始人兼首席执行官安德鲁·费尔德曼（Andrew Feldman）坐了下来，讨论了他的173位工程师在过去几年中利用Benchmark和其他公司的1.12亿美元风险投资，在这条街上悄悄做的事情.

更大意味着挑战

首先，简要说明如何为移动电话和计算机供电. 台积电（TSMC）等晶圆代工厂使用标准尺寸的硅晶圆，使用光将晶体管蚀刻到晶圆上，然后将它们分成单独的芯片. 晶圆是圆形的，芯片是正方形的，因此将圆细分为单个芯片的清晰阵列需要一些基本的几何知识. 光刻工艺中的一大挑战是错误可能会渗透到制造过程中，需要进行大量测试以验证质量，并迫使晶圆厂丢弃性能不佳的芯片. 芯片越小且越紧凑，单个芯片发生故障的可能性就越小，并且晶圆厂的输出就越高. 高收益等于高利润.

Cerebras提出了在单个晶圆上蚀刻一系列独立芯片的想法，而不仅仅是将整个晶圆本身用作巨型芯片. 这使所有这些单独的内核都可以直接相互连接-极大地加快了深度学习算法的关键反馈环路-但以创建和管理这些芯片为代价，制造和设计面临巨大挑战.

Cerebras的技术架构和设计由联合创始人Sean Lie领导. 费尔德曼和李此前曾共同创立了一家名为SeaMicro的公司，该公司在2012年以3.34亿美元的价格卖给了AMD.

根据费尔德曼的说法，团队遇到的第一个挑战是处理“穿越”之间的交流. 尽管Cerebras芯片包含完整的晶圆，但当今的光刻设备仍必须像在硅晶圆上蚀刻单个芯片一样工作. 因此，该公司必须发明新技术，以使这些单独的芯片能够在整个晶圆上相互通信. 他们与台积电合作，不仅发明了新的通信渠道，而且还必须编写新的软件来处理具有超过万亿个晶体管的芯片.

第二个挑战是产量. 当芯片覆盖整个硅晶片时，晶片蚀刻中的任何缺陷都可能导致整个芯片无法工作. 这是数十年来整个晶圆技术的问题: 根据物理定律，几乎不可能以完美的精度重复蚀刻一万亿个晶体管. Cerebras通过向芯片添加更多内核来解决此问题. 当核心附近的芯片出现错误时，这些核心将用作备份.

费尔德曼向我解释: “您只需要占总数的1％，即额外核心的1.5％. ”留下额外的内核可以使芯片基本上进行自我修复，避免光刻错误，并使整个Wafer硅芯片可行.

输入芯片设计的未知领域

前两个挑战-芯片之间的线路通信和处理良率-困扰着芯片设计人员数十年. 费尔德曼说，但是它们都是已知问题，通过使用现代工具对其进行重新处理，实际上它们更容易解决预期的问题. 然而，他将挑战比作攀登珠穆朗玛峰. “就像第一批人未能攀登珠穆朗玛峰一样，他们说，'该死，第一部分真的很困难. '然后下一组走过来，说: “那是什么. 最后一百码是问题所在. ”

事实上，根据Feldman所说，Cerebras面临的最困难的挑战是接下来的三个挑战，因为没有其他芯片设计者可以通过跨线通信来弄清楚接下来发生了什么. 芯片在运行过程中会变得很热，但是不同的材料以不同的速度膨胀. 这意味着连接芯片和母板的连接器需要以相同的速度热膨胀，以避免两者之间出现裂缝. 费尔德曼说: “您如何找到一种可以承受这种压力的连接器？以前没有人做过，因此我们需要发明一种材料. 因此，我们拥有材料科学博，我们必须发明一种可以解决这种问题的材料. 其中一些差异. ”芯片制造完成后，需要对其进行测试和封装，然后再运送到原始设备制造商（OEM），然后由原始设备制造商将芯片添加到最终客户（无论是数据中心还是消费者笔记本电脑）.

但是，这也是一个挑战: 市场上没有什么东西可以处理整个晶圆芯片.

图片: Cerebras设计了自己的测试和包装系统来处理其芯片

在这个阶段，没有人拥有如此大的印刷电路板，连接器，冷却板，也没有用于调试它们的软件和工具. 费尔德曼解释说. “因此，我们设计了整个生产过程，因为没人能做到这一点. ” Cerebras的技术不仅是其销售的芯片，还包括用于制造和包装这些芯片的所有相关机械设备. 的. Cerebras的芯片以15千瓦的功率运行，尽管它可以与现代AI集群相媲美，但对于单个芯片来说这是一个巨大的功耗. 所有这些功能也需要冷却，Cerebras必须设计一种新方法为如此大的芯片提供这两种功能. 它基本上是通过翻转芯片来解决此问题的，Feldman称之为“使用z维”.

“我们的想法是，不同于芯片上电源和冷却设备的传统水平移动，芯片上电源和冷却设备的所有点都是垂直传输的，以确保两者之间的访问是均匀的. ” ，这是该公司在过去几年中一直试图日夜解决的三个挑战-热膨胀，包装和电源/冷却.

从理论到现实

Cerebras有一个演示芯片（大约和我们的脑袋一样大），据报道它已经开始向客户交付原型. 但是，与所有新芯片一样，最大的挑战是扩大生产以满足客户需求.

对于Cerebras，这种情况有点不寻常. 由于它在晶片上集成了如此多的计算能力，因此客户不必购买数十或数百个芯片并将它们缝合在一起就可以创建一个计算集群. 相反，他们可能只需要少量的Cerebras芯片即可满足他们的深度学习需求. 该公司的下一阶段是实现规模并确保其芯片的稳定交付. 该公司将芯片封装为一个完整的系统“设备”，其中还包括其专有的冷却技术. 希望在接下来的几个月中听到有关Cerebras技术的更多详细信息，尤其是在有关未来深度学习处理工作流程的争论日益激烈之时.

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/bofangqi/article-299928-1.html