Openai搞的這個Cerebras 芯片比較有意思😅
1. 晶圓級尺寸 (Wafer-Scale)：世界上最大的芯片，有多大呢，臉盤那麼大.😅
晶體管數量： 擁有 4 萬億個晶體管（作為對比，H100 只有 800 億個）
2. 極高的片上內存帶寬 (On-chip SRAM)
這是 Cerebras 吊打 GPU 的核心武器。
消除瓶頸： 在傳統的 GPU 架構中，模型計算時需要在顯存（HBM）和計算核心（Core）之間頻繁搬運數據，這產生了巨大的能耗和延遲。（內存計算會稀釋HBM增長率，但蛋糕足夠大，同時SRAM的成本也很高，前期對三星海力士美光三巨頭威脅不大）
全片上存儲： Cerebras 擁有高達 44GB 的片上 SRAM 內存，帶寬達到了每秒 21 PB (PetaBytes)。這意味著模型的大部分權重可以完全存儲在芯片內部，讀寫速度比 GPU 的顯存快上千倍，從而實現了 OpenAI 模型那樣的“秒速”推理。
3. 極簡的編程與擴展
單機即集群： 由於芯片本身足夠大，一個 Cerebras 節點（CS-3）的算力就相當於幾十個甚至上百個傳統的 GPU 節點。
無需切分模型： 開發者不需要像在 GPU 集群上那樣，把一個大模型拆分成很多份並考慮複雜的跨服務器通訊（Model Parallelism）。在 Cerebras 看來，整個模型就在“一塊”芯片上跑。
4. 針對大語言模型 (LLM) 的稀疏優化
處理零值： AI 模型中有很多權重是“零”（稀疏性），傳統 GPU 依然會對這些零進行無效計算。Cerebras 芯片內置了稀疏計算引擎，能夠直接跳過零值，從而進一步榨取性能。
