Cerebras 晶圆级引擎（WSE）

一整片晶圆就是一颗芯片

Cerebras 晶圆级引擎（Wafer Scale Engine，WSE）是一款 AI 处理器，它最关键的设计决定在尺寸上：它不把加工完成的硅晶圆切割成许多颗独立芯片，而是把整片晶圆当作一颗芯片使用^[1]。Cerebras Systems 于 2019 年 8 月 19 日发布这款芯片，联合创始人 Sean Lie 在 Hot Chips 会议上作了介绍^[1]。

半导体制造通常在晶圆加工完成后把它切割成一颗颗裸片，原因是良率：一粒灰尘或一个晶体缺陷就可能毁掉一颗芯片，芯片做得小，出问题时浪费的硅也少。WSE 走的是相反的路，整片晶圆即一颗芯片，它的许多工程设计都是为了让这条路走得通。

规模

这颗芯片在 46,225 mm² 的硅上容纳了超过 1.2 万亿个晶体管。Cerebras 给出的对照是：最大的 GPU 面积为 815 mm²、有 211 亿个晶体管，WSE 的面积是它的 56.7 倍^[1]。

核心、内存与网络

芯片内部有 40 万个计算核心，称为稀疏线性代数核心（Sparse Linear Algebra Core，SLAC），围绕神经网络所做的数学运算设计；Cerebras 称它们会跳过深度学习中大量出现的乘零运算^[1]。

内存全部在片上：18 GB 的静态随机存储器（SRAM）分布在核心旁边，构成存储层次中唯一的一级，总带宽为每秒 9 PB。Cerebras 声称，这相当于当时领先 GPU 的片上内存的 3,000 倍、内存带宽的 10,000 倍^[1]。

核心之间由名为 Swarm 的二维网格（mesh）片上网络相连，总带宽为每秒 100 petabits，因此核心之间的通信不离开硅片^[1]。

让整片晶圆可用

WSE 由台积电（TSMC）以 16 纳米工艺制造^[1]。CEO Andrew Feldman 表示，这一设计必须解决长期限制芯片尺寸的几个问题，包括跨掩模版（reticle）互连、良率、供电与封装^[1]。这些正是通常把裸片限制在很小尺寸内的现实约束：光刻设备一次曝光的视场有限，超出的部分要靠拼接，而每多一平方毫米，就有更大的概率碰上缺陷。

后续几代

2019 年 Cerebras 随 WSE 一同推出了 CS-1 系统，2021 年推出 WSE-2^[2]。第三代 WSE-3 于 2024 年 3 月发布，拥有 4 万亿个晶体管、90 万个 AI 核心、44 GB 片上 SRAM，峰值 AI 性能为 125 petaflops，采用台积电 5 纳米工艺^[2]。

为什么重要

WSE 可以看作一个关于 AI 计算成本来源的论断。在常规系统里，计算被分摊到许多颗芯片上，数据在芯片之间、封装之间和板卡之间搬动，既费时间也费电。把 40 万个核心和全部内存放在同一片硅上、用 Swarm 连接，Cerebras 让这些流量留在芯片内部^[1]。公司给出的对比数字，比如面积是最大 GPU 的 56.7 倍、片上内存和带宽高出数千倍，是公司自己的说法，而非独立测量^[1]；设计上的难处也正是 Feldman 列出的那几项：良率、供电和封装^[1]。由于一片晶圆大小的芯片无法简单地换成小芯片来用，实际的问题在于片上通信带来的收益是否压得过这些代价。此后这条产品线继续推进，2021 年的 WSE-2、2024 年的 WSE-3，说明这一路线被延续了若干代，而没有停留在一次性的演示上^[2]。