这种大芯片，大有可为

公众号记得加星标⭐️，第一时间看推送不会错过。 人工智能（AI）模型呈指数级增长，目前已达到万亿参数，这揭示了传统单芯片图形处理单元 （GPU）架构在可扩展性、能源效率和计算吞吐量方面的显著局限性。晶圆级计算已成为一种 变 革 性 的 范 式 ， 它 将 多 个 小 芯 片 集 成 到 一 块 单 片 晶 圆 上 ， 以 提 供 前 所 未 有 的 性 能 和 效 率 。 Cerebras晶圆级引擎（WSE-3）拥有4万亿晶体管和90万个核心，特斯拉的Dojo每个训练芯片拥 有1.25万亿晶体管和8,850个核心，这些平台都体现了晶圆级AI加速器满足大规模AI工作负载需 求的潜力。 本综述对晶圆级AI加速器和单芯片GPU进行了全面的比较分析，重点关注它们在高性能AI应用中的 相 对 性 能 、 能 源 效 率 和 成 本 效 益 。 同 时 ， 也 探 讨 了 台 积 电 （ TSMC ） 的 晶 圆 上 芯 片 封 装 技 术 （CoWoS）等新兴技术，该技术有望将计算密度提高多达40倍。 此外，本研究还讨论了关键挑战，包括容错、软件优化和经济可行性，深入探讨了这两种硬件范式之 间的权衡和协同作用。此外，还 ...