AI世界的進(jìn)化快的有點(diǎn)跟不上了。全球最強(qiáng)最大AI芯片WSE-3發(fā)布了，4萬(wàn)億晶體管5nm工藝制程。更厲害的是，WSE-3打造的單個(gè)超算可訓(xùn)出24萬(wàn)億參數(shù)模型，相當(dāng)于GPT-4/Gemini的十倍大。

就在近日，AI芯片初創(chuàng)公司Cerebras重磅發(fā)布了「第三代晶圓級(jí)引擎」（WSE-3）。性能上，WSE-3是上一代WSE-2的兩倍，且功耗依舊保持不變。

90萬(wàn)個(gè)AI核心，44GB的片上SRAM存儲(chǔ)，讓W(xué)SE-3的峰值性能達(dá)到了125 FP16 PetaFLOPS。

這相當(dāng)于52塊英偉達(dá)H100 GPU！

不僅如此，相比于800億個(gè)晶體管，芯片面積為814平方毫米的英偉達(dá)H100。

采用臺(tái)積電5nm制程的WSE-3，不僅搭載了40000億個(gè)晶體管（50倍），芯片面積更是高達(dá)46225平方毫米（57倍）。

專為AI打造的計(jì)算能力

此前，在傳統(tǒng)的GPU集群上，研究團(tuán)隊(duì)不僅需要科學(xué)地分配模型，還必須在過(guò)程中處理各種復(fù)雜問(wèn)題，比如處理器單元的內(nèi)存容量、互聯(lián)帶寬、同步機(jī)制等等，同時(shí)還要不斷調(diào)整超參數(shù)并進(jìn)行優(yōu)化實(shí)驗(yàn)。

更令人頭疼的是，最終的實(shí)現(xiàn)很容易因?yàn)樾⌒〉淖儎?dòng)而受到影響，這樣就會(huì)進(jìn)一步延長(zhǎng)解決問(wèn)題所需的總時(shí)間。

相比之下，WSE-3的每一個(gè)核心都可以獨(dú)立編程，并且專為神經(jīng)網(wǎng)絡(luò)訓(xùn)練和深度學(xué)習(xí)推理中，所需的基于張量的稀疏線性代數(shù)運(yùn)算，進(jìn)行了優(yōu)化。

而團(tuán)隊(duì)也可以在WSE-3的加持下，以前所未有的速度和規(guī)模訓(xùn)練和運(yùn)行AI模型，并且不需要任何復(fù)雜分布式編程技巧。

單芯片實(shí)現(xiàn)集群級(jí)性能

其中，WSE-3配備的44GB片上SRAM內(nèi)存均勻分布在芯片表面，使得每個(gè)核心都能在單個(gè)時(shí)鐘周期內(nèi)以極高的帶寬（21 PB/s）訪問(wèn)到快速內(nèi)存——是當(dāng)今地表最強(qiáng)GPU英偉達(dá)H100的7000倍。

超高帶寬，極低延遲

而WSE-3的片上互連技術(shù)，更是實(shí)現(xiàn)了核心間驚人的214 Pb/s互連帶寬，是H100系統(tǒng)的3715倍。

由WSE-3組成的CS-3超算，可訓(xùn)練比GPT-4和Gemini大10倍的下一代前沿大模型。

再次打破了「摩爾定律」！2019年Cerebras首次推出CS-1，便打破了這一長(zhǎng)達(dá)50年的行業(yè)法則。

官方博客中的一句話，簡(jiǎn)直刷新世界觀：

在CS-3上訓(xùn)練一個(gè)萬(wàn)億參數(shù)模型，就像在GPU上訓(xùn)練一個(gè)10億參數(shù)模型一樣簡(jiǎn)單！

顯然，Cerebras的CS-3強(qiáng)勢(shì)出擊，就是為了加速最新的大模型訓(xùn)練。

它配備了高達(dá)1.2PB的巨大存儲(chǔ)系統(tǒng)，單個(gè)系統(tǒng)即可訓(xùn)出24萬(wàn)億參數(shù)的模型——為比GPT-4和Gemini大十倍的模型鋪平道路。

簡(jiǎn)之，無(wú)需分區(qū)或重構(gòu)，大大簡(jiǎn)化訓(xùn)練工作流提高開(kāi)發(fā)效率。

在Llama 2、Falcon 40B、MPT-30B以及多模態(tài)模型的真實(shí)測(cè)試中，CS-3每秒輸出的token是上一代的2倍。

而且，CS-3在不增加功耗/成本的情況下，將性能提高了一倍。

除此之外，為了跟上不斷升級(jí)的計(jì)算和內(nèi)存需求，Cerebras提高了集群的可擴(kuò)展性。

上一代CS-2支持多達(dá)192個(gè)系統(tǒng)的集群，而CS-3可配置高達(dá)2048個(gè)系統(tǒng)集群，性能飆升10倍。

具體來(lái)說(shuō)，由2048個(gè)CS-3組成的集群，可以提供256 exafloop的AI計(jì)算。

能夠在24小時(shí)內(nèi)，從頭訓(xùn)練一個(gè)Llama 70B的模型。

相比之下，Llama2 70B可是用了大約一個(gè)月的時(shí)間，在Meta的GPU集群上完成的訓(xùn)練。

首個(gè)世界最強(qiáng)芯片打造的超算來(lái)了

由G42和Cerebras聯(lián)手打造的超級(jí)計(jì)算機(jī)——Condor Galaxy，是目前在云端構(gòu)建AI模型最簡(jiǎn)單、最快速的解決方案。

它具備超過(guò)16 ExaFLOPs的AI計(jì)算能力，能夠在幾小時(shí)之內(nèi)完成對(duì)最復(fù)雜模型的訓(xùn)練，這一過(guò)程在傳統(tǒng)系統(tǒng)中可能需要數(shù)天。

其MemoryX系統(tǒng)擁有TB級(jí)別的內(nèi)存容量，能夠輕松處理超過(guò)1000億參數(shù)的大模型，大大簡(jiǎn)化了大規(guī)模訓(xùn)練的復(fù)雜度。

AI芯片清洗與清洗劑選擇：

水基清洗的工藝和設(shè)備配置選擇對(duì)清洗精密器件尤其重要，一旦選定，就會(huì)作為一個(gè)長(zhǎng)期的使用和運(yùn)行方式。水基清洗劑必須滿足清洗、漂洗、干燥的全工藝流程。

污染物有多種，可歸納為離子型和非離子型兩大類。離子型污染物接觸到環(huán)境中的濕氣，通電后發(fā)生電化學(xué)遷移，形成樹(shù)枝狀結(jié)構(gòu)體，造成低電阻通路，破壞了電路板功能。非離子型污染物可穿透PC B 的絕緣層，在PCB板表層下生長(zhǎng)枝晶。除了離子型和非離子型污染物，還有粒狀污染物，例如焊料球、焊料槽內(nèi)的浮點(diǎn)、灰塵、塵埃等，這些污染物會(huì)導(dǎo)致焊點(diǎn)質(zhì)量降低、焊接時(shí)焊點(diǎn)拉尖、產(chǎn)生氣孔、短路等等多種不良現(xiàn)象。

這么多污染物，到底哪些才是最備受關(guān)注的呢？助焊劑或錫膏普遍應(yīng)用于回流焊和波峰焊工藝中，它們主要由溶劑、潤(rùn)濕劑、樹(shù)脂、緩蝕劑和活化劑等多種成分，焊后必然存在熱改性生成物，這些物質(zhì)在所有污染物中的占據(jù)主導(dǎo)，從產(chǎn)品失效情況來(lái)而言，焊后殘余物是影響產(chǎn)品質(zhì)量最主要的影響因素，離子型殘留物易引起電遷移使絕緣電阻下降，松香樹(shù)脂殘留物易吸附灰塵或雜質(zhì)引發(fā)接觸電阻增大，嚴(yán)重者導(dǎo)致開(kāi)路失效，因此焊后必須進(jìn)行嚴(yán)格的清洗，才能保障電路板的質(zhì)量。

合明科技研發(fā)的水基清洗劑配合合適的清洗工藝能為芯片封裝前提供潔凈的界面條件。

合明科技運(yùn)用自身原創(chuàng)的產(chǎn)品技術(shù)，滿足芯片封裝工藝制程清洗的高難度技術(shù)要求，打破國(guó)外廠商在行業(yè)中的壟斷地位，為芯片封裝材料全面國(guó)產(chǎn)自主提供強(qiáng)有力的支持。

推薦使用合明科技水基清洗劑產(chǎn)品。