👆如果您希望可以时常见面，欢迎标星🌟收藏哦~
来源：内容编译自forbes，谢谢。
如果你从事金融行业，那么有关即将进行 IPO 的 Cerebras 的新闻全部是关于该公司的股票代码将如何在纳斯达克表现。
然而，如果你对科技感兴趣，故事就有点不同了。事实上，如果你只关注这些公司将如何竞争，你就真的看不到大局。
很多人都知道人工智能革命的开始是如何导致用 GPU 取代 CPU 的：GPU 是一种更复杂、更专业的逻辑处理器，适用于机器学习和相关工作。
当时，我们遵循一种非常常见的规定方法 - 输入大量训练数据，其中通常包括大量的网络抓取数据 - 然后用它来测试系统。
所有这些工作都需要大量的处理能力，而 GPU 就是为这些繁重的工作负载而构建的。
现在，该行业似乎正在进一步发展，走向所谓的推理，这是一种不同的任务，而且硬件必须更加专业化。
那么，什么是推论？因为每当有人开始谈论它时，你都能看到人们的眼睛都呆呆的。一般来说，除了高度科学的语境外，我们不喜欢这类词。
嗯，无论如何，推理基本上是人工智能的动态学习能力——获取实时数据并将其放入训练模型中以获得合乎逻辑的结果。
换句话说，训练有素的人工智能正在展示它从训练中学习到的知识。
因此，这种活动需要一些重量级的硬件：为此，Cerebras 推出了晶圆级引擎 (WSE)，对于科技爱好者来说，它的规格相当令人印象深刻。（这些巨型芯片由台湾半导体制造公司生产，这一点并不令人意外）。
WSE：幕后
Cerebras 的 WSE-3 拥有 4 万亿个晶体管和数量惊人的片上内存。它拥有大约 9,000 个核心，估计每秒可执行 125 千万亿次浮点运算。
我们之前曾报道过这类巨大的多核引擎，其硬件物理上很大——以英寸而不是厘米来衡量。
Perplexity 首席技术官丹尼斯·亚拉茨 (Denis Yarats) 在一份新闻声明中指出：“更低的延迟可以提高用户参与度。凭借 Cerebras 比传统 GPU 快 20 倍的速度优势，我们相信用户与搜索和智能答案引擎的互动将发生根本性转变。”
不难看出，这种力量将会为众多行业的人工智能发展提供强大的动力。
人工智能推理的用例
思考这个消息的一种方式是，我们只是想要更快的速度和更强大的功能来实现越来越复杂的流程。但你也可以考虑一下推理在人工智能进化的这一阶段将扮演的角色。换句话说，我们正在从监督较多的学习类型转向监督较少的学习类型——从我们 10 年前所做的那种确定性机器学习，转向一种新型的神经网络活动，在这种活动中，我们更信任系统能够自行学习。
因此，Cerebras 的新挑战的故事（更不用说另一家加入这一潮流的公司 Groq）是硬件追赶的故事。
硬件本身令人印象深刻——这些新款凯迪拉克系统引人注目——但我们应该关注的是，这些产品的用途是什么，它们为何会颠覆商业格局。
Run:AI 的一位作者写道：“随着人工智能越来越多地融入日常生活和商业运营的各个方面，高效、准确的人工智能推理的重要性日益凸显。准确的推理在医疗保健、欺诈检测和自动驾驶等敏感用例中尤为重要。”
这些只是一些顶级示例：我们尚未真正发现更深层次推理模型的一些更隐蔽的用途。十年后人工智能会是什么样子？它看起来仍然像是从计算机中出来的吗？还是事情会变得完全不同？
几年前，福布斯技术委员会成员Nir Kaldero 为我们列出了这份名单：其中一些承认具有很强的持久力，尽管考虑其中的一些很有趣。例如，云：当然，云的采用仍在继续，但现在我们对于许多工作负载有一个竞争的想法。它是在边缘、在设备上、在网络边缘进行处理。而且这也正在取得进展。
无论如何，硬件之争实际上是下一代技术系统的先兆。它们将会非常引人注目。
参考链接
https://www.forbes.com/sites/johnwerner/2024/11/04/nvidia-cerebras-race-to-supply-big-chips-for-ai-inference-activities/
END
👇半导体精品公众号推荐👇
▲点击上方名片即可关注
专注半导体领域更多原创内容
▲点击上方名片即可关注
关注全球半导体产业动向与趋势
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第3938内容，欢迎关注。
推荐阅读
『半导体第一垂直媒体』
实时 专业 原创 深度
公众号ID：icbank
喜欢我们的内容就点“在看”分享给小伙伴哦
