كشفت شركة Cerebras عن معالج Cerebras Wafer Scale Engine، وهو شريحة ذكاء اصطناعي ضخمة تكسر القيود السابقة للأجهزة عبر دمج 1.2 تريليون ترانزستور على شريحة سيليكون واحدة. تأتي هذه الشريحة الثورية بحجم طبق طعام، وهي أكبر بـ 100 مرة من المعالجات التقليدية، وقد صُممت خصيصاً لتسريع أعباء عمل تدريب الذكاء الاصطناعي المعقدة. وبينما تكون المعالجات التقليدية غالباً أصغر من ظفر الإصبع، اختارت شركة Cerebras دمج الشريحة بالكامل، مع الحفاظ على شريحة السيليكون سليمة بدلاً من تقطيعها إلى مكونات فردية.
يُعد هذا التحديث بالغ الأهمية لباحثي الذكاء الاصطناعي ومشغلي مراكز البيانات، حيث يقضي هذا الحجم الهائل على عنق الزجاجة التقليدي المتمثل في نقل البيانات بين آلاف الشرائح الصغيرة المنفصلة. ومن خلال إبقاء أنوية الحوسبة متصلة فعلياً على سطح واحد، تقلل هذه المعمارية بشكل جذري من الوقت والطاقة اللازمين لتدريب نماذج الذكاء الاصطناعي من الجيل التالي. وكما أشارت تغطية The New York Times حول تطور أجهزة الذكاء الاصطناعي، أصبح السيليكون المخصص هو العامل الحاسم في تقدم هذا المجال.
تمثل المواصفات الفنية لمعالج Wafer Scale Engine قفزة تاريخية تتفوق على الأجهزة الحالية:
- حجم غير مسبوق: تُعد الشريحة أكبر بـ 56 مرة من أكبر بطاقة رسوميات (GPU) تم تصنيعها على الإطلاق.
- عدد هائل من الأنوية: يضم المعالج 400,000 نواة فردية مصممة للعمل معاً عبر نسيج اتصالات واسع النطاق الترددي.
- ذاكرة مدمجة: تحتوي الشريحة على ذاكرة تخزين مؤقتة (SRAM) مدمجة بسعة 18 جيجابايت، مما يوفر ذاكرة مدمجة أكبر بـ 3,000 مرة من بطاقات الرسوميات التقليدية.
- نقل البيانات: توفر هذه المعمارية نطاقاً ترددياً (Bandwidth) أعلى بـ 33,000 مرة، معتمدة على ذاكرة مقترنة بإحكام لضمان وصول عالي الكفاءة للبيانات.
نهاية عنق الزجاجة للشرائح المتعددة
يمثل معالج Cerebras Wafer Scale Engine تحولاً جذرياً في كيفية تعامل الصناعة مع توسيع نطاق حوسبة الذكاء الاصطناعي. من خلال الاحتفاظ بـ 400,000 نواة على قطعة سيليكون واحدة متصلة، تتجاوز شركة Cerebras عقبات زمن الاستجابة (Latency) الشديدة التي تحدث عند انتقال البيانات عبر اللوحات الأم بين بطاقات الرسوميات المنفصلة. في أجهزة الكمبيوتر العملاقة التقليدية، يُعد نقل البيانات من شريحة إلى أخرى السبب الرئيسي لتباطؤ الأداء واستهلاك الطاقة.
ومع وجود 18 جيجابايت من ذاكرة SRAM المدمجة، يمكن نظرياً تخزين الشبكات العصبية بالكامل وتدريبها مباشرة على المعالج دون الحاجة المستمرة لجلب البيانات من بنوك الذاكرة الخارجية. إذا أثبت هذا الدمج الشامل موثوقيته في النشر التجاري الواسع، فقد يجبر صانعي الرقائق التقليديين على إعادة التفكير في اعتمادهم على تجميع آلاف الشرائح الصغيرة لأعباء عمل الذكاء الاصطناعي الثقيلة. ورغم أن الحجم المادي الضخم للشريحة يفرض تحديات فريدة في التبريد والتصنيع، إلا أن زيادة النطاق الترددي بمقدار 33,000 ضعف تقدم سبباً مقنعاً لحل هذه العقبات.
