一、交易概述：价值 1 亿美元的 AI 超级计算机协议
据路透社报道，Cerebras Systems 周四表示，已签署一项价值约 1 亿美元 的协议，为阿拉伯联合酋长国科技集团 G42 提供三台人工智能 (AI) 超级计算机中的第一台。
总部位于硅谷的 Cerebras 表示，G42 已同意购买三套其所谓的 Condor Galaxy 系统，所有这些系统都将在美国建造，以加快部署速度。第一个系统将于今年上线，另外两个将于 2024 年初上线。
Cerebras 首席执行官安德鲁·费尔德曼 (Andrew Feldman) 表示，完成周四宣布的三个系统中第一个系统的合同价值约 1 亿美元。
核心要点：
- 合同总价值约 1 亿美元（针对第一台超级计算机）
- 共交付三套 Condor Galaxy 系统
- 全部在美国本土建造
- 第一台（CG-1）今年部署，其余两台 2024 年初上线
二、背景：全球寻找英伟达 GPU 替代品
此次交易达成之际，世界各地的云计算提供商正在寻找 Nvidia 公司芯片的替代品。Nvidia 公司是人工智能计算市场的领导者，由于 ChatGPT 和其他服务的迅速普及，其产品供不应求。Cerebras 是几家寻求挑战 Nvidia 的初创公司之一。
大公司正在构建自己的模型，但由于 Nvidia GPU 短缺，计算能力稀缺。 这为 Cerebras 这样的公司创造了机会，其人工智能芯片已被商业组织研究人员撰写的许多学术论文使用和引用。
为什么需要替代品？
- 供不应求： ChatGPT 等大模型服务爆发，导致 Nvidia GPU 严重缺货。
- 技术垄断： Nvidia 在 AI 软件（CUDA）和硬件（A100/H100）层面占据主导地位。
- 成本压力： GPU 集群的部署和扩展面临内存带宽瓶颈，Cerebras 提供了新的解耦架构。
三、合作双方介绍
3.1 Cerebras Systems
总部位于硅谷，是一家专注于制造世界上最大芯片的人工智能初创公司。其核心产品是 WSE-2 芯片，拥有 850,000 个内核、2.6 万亿个晶体管。Cerebras 去年因其硬件协助 Covid-19 研究而获得了令人垂涎的戈登贝尔奖，在学术界和国家实验室中享有盛誉。
3.2 G42
总部位于阿布扎比的科技集团，拥有 9 家运营公司，其中包括数据中心和云服务业务。G42 已从美国科技投资公司 Silver Lake 筹集了 8 亿美元，该公司得到了阿联酋主权财富基金 Mudabala 的支持。G42 计划使用 Cerebras 系统向医疗保健和能源公司出售人工智能计算服务。
G42 Cloud 首席执行官 Talal AlKaissi 告诉路透社，“Cerebras 拥有他们所谓的‘白手套’服务，让我们可以轻松” 在其机器上构建人工智能系统。
“我们希望将一些过剩产能与 Cerebras 批发给来自世界各地的开源人工智能社区的客户，特别是在美国的生态系统中。” —— Talal AlKaissi
四、技术细节：Cerebras 的 Condor Galaxy 系统与芯片架构
4.1 系统配置与性能
Cerebras 和 G42 建造的三个数据中心将提供 12 exaflops FP-16 性能的聚合 AI 计算能力。每个 Condor Galaxy 系统提供 4 exaflops 的性能。
第一个系统：Condor Galaxy-1 (CG-1)
- 已部署在加州数据中心
- 拥有 5400 万个核心
- 汇集了 64 个 CS-2 系统（Cerebras 的现有服务器产品）
- CS-2 已在美国能源部阿贡国家实验室和匹兹堡超级计算中心使用
Feldman 表示，“到 2024 年底，它将扩展到……9 台 exaflops 机器，总共 36 exaflops”。
4.2 核心芯片：WSE-2
Cerebras 的 CG-1 执行模型依赖于一种称为 “权重流” (Weight Streaming) 的技术，该技术将内存、计算和网络分解为单独的集群。AI 计算主要取决于模型的大小，系统拥有内存和计算技术可以分别扩展。
所有数据处理均在 Cerebras 的主 AI 芯片 WSE-2 上完成，该芯片拥有：
- 850,000 个内核
- 2.6 万亿个晶体管
- 40GB SRAM 内存
- 每秒 20 PB 的带宽
4.3 关键系统级技术
MemoryX： 系统级技术，单独存储模型参数，并将其传送到计算核心。Feldman 说，GPU 中每个芯片都有自己的内存和缓存，而 Cerebras 采用 集中参数存储，避免了“分布跟踪”的复杂性。
SwarmX： 在集群级别协调计算和内存管理——它从 MemoryX 获取参数并通过互连结构将其广播到多个 CS-2，互连结构是芯片中的多个 100GbE 通道。
4.4 线性扩展能力
Feldman 表示，解耦使得 CG-1 系统能够随着更多系统的添加而以线性方式扩展。线性扩展是可能的，因为内存和计算元件独立运行，这与 GPU 的大型部署不同（GPU 中每个芯片都有自己的内存和缓存）。
“你有数千个小型 GPU，每个 GPU 都有不同的参数块。因此，您已经获取了 1000 亿个参数，您必须跟踪它们的位置。我们有一个集中的参数存储。” —— Andrew Feldman
4.5 参数支持规模
“我们支持多达 6000 亿个参数，可扩展至 100 万亿个参数。” Feldman 说。谷歌和微软尚未报告LLM中支持其搜索和生产力应用程序的参数数量。
五、商业前景与面临的挑战
5.1 竞争优势
- 无需依赖英伟达 CUDA： Cerebras 发布了许多开源大语言模型，试图为其芯片构建底层软件基础设施。
- 特定场景优化： 芯片为 AI 计算设计，不追求传统的 64 位双精度（HPC 场景有限），但在 AI 推理和训练上效率高。
- 政府与监管支持： 与美国商务部合作，确保合规。Feldman 表示“我们了解规则是什么”。
5.2 主要挑战
- 英伟达生态垄断： Nvidia 拥有强大的软件实力，许多 AI 代码库都转向其专有的 CUDA 软件堆栈。
- 商业竞争激烈： 主要云提供商（谷歌、亚马逊、微软、甲骨文）都押注在 Nvidia GPU 上。
- 其他替代品： AMD（MI300X GPU）和 Intel（Gaudi 翻跟斗）也在追赶，但都未获得大量商业销售。
5.3 G42 的目标客户
G42 被认为是中东云和人工智能领域的重量级企业，它将向想要训练大型语言模型的公司出售计算能力。G42 的目标客户是医疗保健、金融服务和制造等垂直行业的商业客户。
六、常见问题解答（FAQ）
Q1：Cerebras 的芯片真的比 Nvidia GPU 强吗？
答： 不能简单比较。Cerebras 的 WSE-2 芯片在核心数量、晶体管数、片上内存带宽上远超单个 GPU，但其软件生态和通用性不如 Nvidia。Cerebras 在特定大语言模型训练和推理上表现出色，尤其是需要超大参数模型的场景。但 Nvidia 拥有更成熟的 CUDA 平台和广泛的应用支持。
Q2：Condor Galaxy 系统主要用来做什么？
答： 主要用于训练和运行大型语言模型（LLM），例如类似 GPT 的模型。G42 计划向医疗保健、能源、金融服务等行业的公司出售 AI 计算服务。此外，能源部的国家能源技术实验室也使用 Cerebras 系统进行脱碳项目中的计算流体动力学模拟。
Q3：为什么 G42 选择 Cerebras 而不是英伟达？
答： 主要原因有三：1）英伟达 GPU 严重短缺，无法满足 G42 的快速部署需求；2）Cerebras 提供“白手套”服务，帮助客户轻松在其机器上构建 AI 系统；3）Cerebras 的集中参数存储和线性扩展能力在训练超大模型时更具性价比。
Q4：Cerebras 的系统可以做传统 HPC（高性能计算）吗？
答： 不完全。Cerebras 芯片不支持 64 位双精度浮点运算，因此不适合传统科学计算（如气象模拟、CFD 全精度计算）。但它能处理 AI 与 HPC 交叉领域的工作负载，例如使用 AI 加速 HPC 模拟中的部分环节。Feldman 明确表示：“我们为人工智能打造了这台机器。”
Q5：这 1 亿美元只是第一台系统的价格吗？
答： 是的。Cerebras 首席执行官 Feldman 确认，完成三个系统中第一个系统的合同价值约 1 亿美元。三台系统的总价值未披露，但推测远超 3 亿美元。
七、小提示
- 关注“权重流”技术： 这是 Cerebras 区别于 GPU 的核心创新，理解它有助于把握 AI 芯片的未来趋势。
- 注意监管动态： 半导体和 AI 涉及国际贸易政策，Cerebras 与美国商务部的合作表明合规的重要性。
- 不要忽略软件生态： 硬件再强，没有好用的软件栈也难以推广。Cerebras 正在通过开源 LLM 和提供“白手套”服务来弥补差距。
- 实际应用场景： 如果您需要训练超过 1000 亿参数的模型并且面对 GPU 短缺，Cerebras 的 Condor Galaxy 系统可能是一个值得评估的选择。
结语
Cerebras 与 G42 的合作标志着 AI 计算领域正在从单一的英伟达 GPU 生态走向多元化。通过“权重流”技术、集中参数存储和线性扩展能力，Cerebras 为训练超大参数模型提供了一种全新的思路。尽管面临英伟达强大的软件生态和商业壁垒，但凭借 G42 的云服务能力和中东市场的支撑，Cerebras 有望在 AI 芯片竞赛中占据一席之地。未来，随着更多 Condor Galaxy 系统的上线，我们或许会看到人工智能计算成本进一步降低，推动新一代大模型的普及。