人工智能和超级计算机，人工智能和超级人工智能

百亿元亿次级线圈“仙女座”集群的本质总数超出1954个Nvidia A100 GPU。

图中：Cerebras 仙女座集群，一台1350万核的人工智能超级计算机。

据美联社报导，周一，Cerebras系统企业发布其1350万最核心的“仙女座（Andromeda）”人工智能超级计算机，用以深度学习。依据Cerebras的观点，仙女座在16位半精密度的情形下带来了超出 1 exaflop（1百亿元亿个每秒钟）的人工智能计算水平。

仙女座本来就是由16台连接在一起的 Cerebras C-2 微型计算机的集群。每一个CS-2包括一个单晶硅片经营规模模块处理芯片（一般称之为“WSE-2”），是目前最大的一个硅芯片，约8.5平方英寸，封装形式2.6万亿元晶体三极管，构成85万只核。

Cerebras 花掉了3500万美金在佛罗里达州圣克拉拉的一个大数据中心设立了仙女座集群。它对于大中型语言模型等应用软件展开了优化，并已被用来学术研究与商业工作中。Cerebras 在一份新闻稿件中写到：“仙女座集群根据跨GPT-3、GPT-J和GPT-Neox等GPT级大中型语言模型简单地数据并行，带来了堪称完美的弹性。”

图中：Cerebras WSL2处理芯片大概8.5英尺厚为，封装形式了2.6万亿个晶体三极管。

依据Cerebras公司这样的说法，“堪称完美的弹性”代表着伴随着 Cerebras 公司向仙女座集群加上大量CS-2电子计算机模块，神经元网络的练习时间以“堪称完美比例”降低。一般来说，要根据使用根据GPU的软件提升大量计算水平来扩张深度学习图模型经营规模，大家可能见到伴随着硬件配置成本升高，收益会日益减少。除此之外，Cerebras宣称其超级计算机能够运行根据GPU的软件无法执行任务：

仙女座第一批客户之一，展现了GPU遥不可及的工作中，她在GPT-J上完成了25亿和250亿次参数堪称完美的放大，长编码序列长短——MSL为10240。客户尝试在2000个 NVIDIA A100集群Polaris上做相同的工作中，但是由于GPU运行内存和内存带宽限制，GPU无法执行此项工作。

这种观点是不是经得住外界核查还尚未可知，但公司经常会在非常大的英伟达显卡（Nvidia）GPU集群上练习深度学习图模型时期，Cerebras好像提供了一种取代方式。

仙女座集群与其它超级计算机对比怎样？现阶段，世界上最快的电子计算机“最前沿”（Frontier）坐落于橡树岭国家级实验室（Oak Ridge National Labs），在64位双精度中的计算速度为1.103 exaflops。这两台计算机造价成本为6亿美金。

对仙女座集群的浏览如今应由好几个客户远程控制应用。已经被商业服务写作助手 JasperAI 和阿贡国家级实验室及其英国剑桥大学用以科学研究。

假如小伙伴们喜爱，敬请期待“知新了”！