Revolucija u Umjetnoj Inteligenciji: Nova Tehnologija Wafer-Scale
Uvod
Inženjeri sa Sveučilišta u Kaliforniji, Riverside, istražuju inovativni pristup hardveru umjetne inteligencije koji bi mogao riješiti izazove performansi i održivosti. Njihovo najnovije istraživanje, objavljeno u časopisu Device, razmatra potencijal “wafer-scale” akceleratora – golemih računalnih čipova koji djeluju na cijelim silicijskim wafers, umjesto na malim čipovima koji se koriste u današnjim GPU-ima.
Što Je Wafer-Scale Tehnologija?
Mihri Ozkan, profesor elektroinženjerstva na UCR-u i glavni autor rada, naglašava: “Tehnologija wafer-scale predstavlja veliki iskorak naprijed. Ona omogućava da AI modeli s trilijunima parametara rade brže i učinkovitije od tradicionalnih sustava.” Ovi čipovi, poput Cerebrasovog Wafer-Scale Engine 3 (WSE-3), sadrže do 4 trilijuna tranzistora i 900,000 AI-usmjerenih jezgri na jednoj jedinici.
Još jedan wafer-scale procesor, Tesla-ov Dojo D1, ima 1.25 trilijuna tranzistora i gotovo 9,000 jezgri po modulu. Ovi procesori uklanjaju kašnjenja i gubitke energije koja su uobičajena kod sustava gdje podaci putuju između više čipova. “Držanjem svega na jednom waferu izbjegavate kašnjenja i gubitke energije zbog komunikacije između čipova,” dodaje Ozkan.
Izazovi Tradicionalnih GPU-a
Iako tradicionalni GPU-i i dalje igraju važnu ulogu zbog svoje niže cijene i modularnosti, veličina i složenost AI modela počinju uzrokovati prepreke u performansama i potrošnji energije. “Računanje u AI-u više nije samo pitanje brzine,” objašnjava Ozkan. “Ovo je o dizajnu sustava koji može premjestiti ogromne količine podataka bez pregrijavanja ili prekomjerne potrošnje električne energije.”
Ekološke Prednosti Wafer-Scale Sustava
Wafer-scale sustavi imaju značajne ekološke prednosti. Na primjer, Cerebrasov WSE-3 može izvesti do 125 kvadrilijuna operacija u sekundi, koristeći pritom daleko manje energije od GPU sustava. “Zamislite GPU-e kao prometne autoceste – učinkovite, ali gužve troše energiju,” kaže Ozkan. “Wafer-scale motori su više poput monoraila: izravni, učinkoviti i manje zagađujući.”
Toplinski Izazovi i Rješenja
Ipak, jedan veliki izazov ostaje – stari problem topline. Wafer-scale čipovi mogu trošiti do 10,000 vata snage, koji se gotovo u cijelosti pretvaraju u toplinu, što zahtijeva napredne sustave hlađenja kako bi se spriječilo pregrijavanje i održala performansa. Cerebras koristi glycol baziranu petlju hlađenja ugrađenu u čip, dok Tesla koristi tekući sustav koji ravnomjerno raspoređuje rashladnu tekućinu po površini čipa.
Zaključak
Tehnologija wafer-scale, koja obnavlja paradigmu u području umjetne inteligencije, nudi brojne prednosti, uključujući poboljšanu učinkovitost i manje ekološke utjecaje. Kako se ovaj inovativni pristup nastavlja razvijati, mogli bismo svjedočiti novoj eri u računalnom dizajnu koja će oblikovati budućnost umjetne inteligencije.
