Wafer-Scale: почему «чип-пластина» Cerebras не вытеснила обычные CPU/GPU

Cerebras предлагает радикально другой путь: вместо множества маленьких кристаллов — один огромный, почти как вся 300-мм пластина. На бумаге это выглядит как мечта для серверных задач: меньше «упаковочной бюрократии», меньше внешних мостов между кристаллами, проще держать данные рядом с вычислениями. Сильная сторона подхода — локальная память и внутренняя связность. Большие массивы SRAM можно разложить максимально близко к вычислительным ядрам, а внутренние шины масштабировать физически — количеством параллельных линий. Отсюда и эффект: архитектура особенно хороша там, где критичны задержки доступа к данным и постоянное матричное перемножение в обучении моделей. Но у решения есть фундаментальные барьеры. Физический предел экспонирования (reticle) заставляет работать «мозаикой» по пластине, а идеальный выход годных на такой площади невозможен — дефектные участки приходится обходить программно. Добавьте к этому цену, энергию, охлаждение и то, что современные ИИ-сценарии всё чаще завязаны на новые форматы, смешанные типы вычислений и гибкие схемы масштабирования. #Cerebras #ИИ #процессор #технологии #AI #нейросети #чип #суперкомпьютер #hardware #NVIDIA #датацентр #машинноеобучение #tech #будущеетехнологий #cpu #gpu #deep learning #itновости #innovation #xenonlab