Cerebras巨型AI晶片問世，輝達霸權受挑戰？

30 秒看重點

• 事件： 美國Cerebras公司推出WSE-3巨型AI晶片，宣稱運算速度比輝達頂級GPU快15倍。
• 意義： 這款突破性單晶圓架構晶片，挑戰輝達的AI晶片霸主地位，有望加速AI模型研發與部署。
• 影響： 可能重塑全球AI運算格局，為台灣半導體供應鏈帶來新商機，也刺激AI晶片市場競爭。

Cerebras如何挑戰輝達AI晶片霸主地位？

AI科技的突飛猛進，背後最關鍵的推手就是強大的運算能力，特別是訓練大型語言模型（LLMs）對算力的需求簡直是「吃電怪獸」。過去幾年，輝達（Nvidia）憑藉其高效能GPU與成熟的CUDA生態系，幾乎獨霸了整個AI晶片市場。但現在，Cerebras這家新創公司，正帶著他們的第三代晶圓級引擎（Wafer-Scale Engine, WSE-3），準備在這塊市場投下一顆震撼彈。

Cerebras的WSE-3晶片最「狂」的設計，就是它將整個AI運算單元直接「刻」在一整片巨大的矽晶圓上。想像一下，傳統上我們訓練大型AI模型，就像要蓋一棟大樓，輝達的方式是蓋好很多棟獨立別墅（多顆GPU），再用高速公路把這些別墅串起來。雖然別墅本身很棒，但資料在別墅之間傳輸，還是會塞車。Cerebras WSE-3的做法，則像是直接蓋了一棟超級摩天大樓，把所有房間（AI核心）、電梯（記憶體）和交通系統（內部互連）都整合在同一棟建築物裡面，資料在裡面跑，幾乎沒有延遲，速度自然快到嚇人。

WSE-3的規格驚人，擁有2.4兆個電晶體、90萬個經過最佳化的AI核心，以及高達96GB的片上靜態隨機存取記憶體（SRAM），提供了高達125 PetaFLOPS的單精度AI運算能力。這些核心和記憶體全部緊密整合，確保資料能以超高頻寬、超低延遲在晶片內部流通，完美解決了AI訓練中最常見的「記憶體瓶頸」和「資料傳輸延遲」問題。這對於訓練動輒數十億、上兆參數的超大型語言模型，或進行複雜的科學模擬，絕對是革命性的進展，有望大幅縮短研發時程，讓新一代的AI模型更快問世。Cerebras的這種巨型AI晶片設計，重新定義了AI運算架構，為AI晶片效能提升開闢了新道路。

1. 近期：Cerebras發表第三代晶圓級引擎WSE-3，並預計第三季開始出貨。
2. 2021年：Cerebras推出第二代Wafer-Scale Engine (WSE-2) 晶片。
3. 2020年：Cerebras推出首代Wafer-Scale Engine (WSE-1) 晶片。

台灣怎麼看這件事？

Cerebras這款「怪物級」AI晶片的問世，對台灣半導體產業鏈來說，絕對是個值得關注的大事。首先，Cerebras是台灣護國神山台積電的重要客戶，WSE-3晶片採用了台積電先進的製程技術來製造。這代表Cerebras的成功，將直接帶動台積電先進製程的產能需求，對於台灣的半導體產業鏈無疑是利多消息。此外，像相關的封裝、測試、載板等台灣供應商，也可能因為新的AI晶片市場競爭而受惠，增加新的代工機會。

從台灣發展AI運用的角度來看，若Cerebras這種高效能、低延遲的巨型AI晶片能普及，將有助於台灣的學術研究機構和AI新創公司，以更低的成本和更高的效率訓練大型AI模型，加速台灣在AI領域的創新腳步。當然，輝達作為台灣重要的合作夥伴，Cerebras的崛起也代表AI晶片市場的競爭將更激烈，這對台灣產業而言，既是挑戰也是加速技術創新的契機。長尾關鍵字如台灣半導體AI供應鏈、台積電Cerebras合作、台灣AI運算發展，都將是未來關注的焦點。

編輯觀點

Cerebras WSE-3的出現，無疑證明了AI晶片設計還有巨大的創新空間，打破了大家對輝達一家獨大的既定印象。然而，光有硬體性能還不夠，輝達的強大護城河在於其成熟且廣泛被開發者採用的CUDA軟體生態系。Cerebras能否在軟體層面提供同樣友善且強大的支援，將是其能否真正威脅輝達地位的關鍵。同時，這種單晶圓巨型AI晶片的良率和成本控制，也是Cerebras必須面對的挑戰。但無論如何，有競爭才有進步，更多元的高效能AI算力解決方案，對整個AI產業發展絕對是好事一樁。

常見問題

Cerebras WSE-3比輝達GPU強在哪裡？

WSE-3將所有AI運算核心和超高頻寬記憶體整合在單一巨大晶圓上，大幅減少了傳統多顆GPU之間資料傳輸的延遲與瓶頸，實現了更快的整體運算速度和更高的記憶體效率。

這麼大的晶片要怎麼生產？

Cerebras與台灣的台積電合作，利用其先進的製程技術來製造這種特殊尺寸的晶圓級晶片。儘管生產難度高，但透過精密的設計和製程控制得以實現。

這會影響輝達（Nvidia）的市場地位嗎？

短期內輝達仍將主導AI晶片市場，但Cerebras的出現提供了一個極具潛力的高性能替代方案。若WSE-3能證明其穩定性、易用性並建立起生態系，將可能改變AI超算市場的競爭格局。

什麼樣的AI應用會最需要WSE-3？

WSE-3最適合用於訓練數十億甚至上兆參數的超大型語言模型，以及需要極致運算效能、對資料傳輸延遲敏感的複雜科學模擬和AI基礎研究工作。

台灣廠商跟Cerebras有關係嗎？

台灣的半導體龍頭台積電是Cerebras晶片的主要代工夥伴，因此Cerebras的市場表現與技術發展，將直接影響台積電及其周邊封測等供應鏈的營收與技術合作前景。

名詞小教室

Wafer-Scale Engine (WSE)

想像一下，一般電腦晶片都是從一整塊矽晶圓上切割成很多小塊，WSE則是把整個晶圓都做成一顆超級巨大的「一體成形」晶片，像一個超級大腦，把所有運算核心、記憶體全部集中在上面，專門為了AI的極致運算而生。

GPU (Graphics Processing Unit)

原本是用來處理遊戲和圖像的顯示晶片，但因為它擅長同時處理大量簡單重複的運算（就像很多小工人一起蓋房子），後來被發現非常適合用來訓練複雜的AI模型，成為目前AI運算的主力硬體。

PetaFLOPS

這是衡量電腦運算速度的一個單位。1 PetaFLOPS代表電腦每秒可以執行1千萬億次（10的15次方）的浮點運算。這就像在說一部超級跑車每秒能處理多少個複雜的數學題目，數字越大跑得越快。

CUDA

這是輝達（Nvidia）開發的一套軟體平台和程式設計模型，讓開發者可以更容易地利用輝達GPU的強大運算能力來處理各種任務，特別是在AI和科學運算領域，已建立起龐大且難以取代的生態系。