OpenAI豪赌200亿美元:餐盘级芯片颠覆半导体传统
OpenAI与AI芯片独角兽Cerebras达成一项为期三年的合作协议,承诺支付超过200亿美元租用后者晶圆级芯片驱动的服务器。若三年内总支出达到300亿美元,OpenAI最终可持有约10%的股权。这笔交易旨在减少对英伟达芯片的依赖,其核心在于采用一种颠覆性的芯片制造技术——不切割晶圆,直接将整张晶圆作为一颗芯片使用。
01技术原理:从切割到整片集成
传统芯片制造流程类似“切蛋糕”,先在12英寸硅晶圆上制造出成百上千个芯片,切割后剔除有缺陷的个体,再进行封装与连接。这种模式受限于光刻设备与良率,单个芯片面积通常不超过800平方毫米。Cerebras则跳过了切割环节,直接将几乎整张晶圆制成一颗芯片(WSE3),通过极小的核心设计和大量冗余,利用片上网络绕过制造缺陷,使其缺陷容忍度比传统处理器高出100倍。
| 维度 | 传统芯片 | Cerebras WSE3 |
|---|---|---|
| 制造方式 | 晶圆切割、筛选良品 | 保留整片晶圆,冗余容错 |
| 芯片面积 | 约800平方毫米 | 46225平方毫米(餐盘大小) |
| 内存架构 | 片外内存,需长距离传输 | 44GB片上SRAM,集成存储 |
| 内存带宽 | 基准水平(如英伟达H100) | 21PB/秒(约为H100的7000倍) |
传统芯片与晶圆级引擎核心参数对比
02性能与能效:极致算力的工程代价
WSE3芯片集成了4万亿个晶体管和90万个AI核心。通过将计算与存储集成在同一块晶圆上,彻底消灭了传统集群中高达90%的数据传输延迟。在运行4000亿参数的大模型时,其生成速度可达每秒2500个token,比英伟达旗舰系统快一倍以上。Cerebras宣称,该方案能将AI模型训练成本降低90%。
- 散热挑战
芯片功耗高达15000瓦,Cerebras设计了内置闭环水冷系统,所有冷却和供电模块支持热插拔,确保满载稳定运行。 - 封装集成
需将供电、散热及数据传输接口集成到一个15U的定制液冷服务器中,全套工具链需从零搭建。
03产业前景:生态进化的关键
- 2028年
- 2026年
- 2025年
这笔交易不仅是资金的投入,更是片上内存架构进入主流视野的信号。然而,晶圆级制造的进一步普及依赖于产业生态的协同进化。当前WSE3采用台积电5纳米工艺,若要在更高制程上扩大面积,仍需突破光刻设备物理限制、掩模版尺寸约束及封装测试工具链的瓶颈。
当前文章无评论,是时候发表评论了