Cerebras Systems បាននិយាយថា ខ្លួនបានដាក់ការសន្និដ្ឋានដាច់ដោយឡែកទៅក្នុងផលិតកម្ម ដោយបំបែកបន្ទុកការងាររបស់ AI រវាង GPUs ធម្មតា និងប្រព័ន្ធដំណើរការខ្នាត wafer របស់វានៅក្នុងការកំណត់រចនាសម្ព័ន្ធដែលក្រុមហ៊ុនបានអះអាងថាផ្តល់នូវសញ្ញាសម្ងាត់ 5 ដងច្រើនជាងក្នុងមួយមេហ្គាវ៉ាត់ដោយមិនមានការលះបង់ល្បឿននៃជំនាន់។

សេចក្តីប្រកាសដែលត្រូវបានចេញផ្សាយនៅលើប្លក់របស់ក្រុមហ៊ុននៅថ្ងៃទី 17 ខែវិច្ឆិកាឆ្នាំ 2026 បង្ហាញពីការផ្លាស់ប្តូរគួរឱ្យកត់សម្គាល់សម្រាប់ក្រុមហ៊ុនដែលបានចំណាយពេលជាច្រើនឆ្នាំក្នុងការដាក់ Wafer Scale Engine របស់ខ្លួនជាជម្រើសមួយសម្រាប់ការសន្និដ្ឋានផ្អែកលើ GPU ជាជាងការបំពេញបន្ថែមរបស់វា។ ឥឡូវនេះ Cerebras និយាយថា GPUs ដោះស្រាយដំណាក់កាលដំណើរការភ្លាមៗ ខណៈដែលប្រព័ន្ធរបស់វាគ្រប់គ្រងដំណាក់កាលបង្កើតសញ្ញាសម្ងាត់។ For more context on this story, see our ongoing artificial intelligence updates.

ហេតុអ្វីត្រូវបំបែកការសន្និដ្ឋានជាពីរ?

ការសន្និដ្ឋានកើតឡើងជាពីរដំណាក់កាល។ Prefill ដំណើរការប្រអប់បញ្ចូលរបស់អ្នកប្រើ និងបង្កើតស្ថានភាពគំរូកម្រិតមធ្យម។ បន្ទាប់មក ឌិកូដ ប្រើស្ថានភាពនោះ ដើម្បីបង្កើតនិមិត្តសញ្ញាលទ្ធផល ម្តងមួយៗ នៅក្នុងរង្វិលជុំ autoregressive ដែលធ្វើម្តងទៀតសម្រាប់រាល់ពាក្យនៃការឆ្លើយតប។

ដំណាក់កាលទាំងពីរមានទម្រង់គណនាខុសគ្នាខ្លាំង។ Prefill គឺ​កុំព្យូទ័រ​ធ្ងន់ និង​ប៉ារ៉ាឡែល ដែល​ជា​កន្លែង​ដែល GPUs ពូកែ។ ការឌិកូដគឺជាមេម៉ូរី-កម្រិតបញ្ជូន-ចង និងបន្តបន្ទាប់គ្នា ដែលជាកន្លែងដែល Cerebras អះអាងថា ស្ថាបត្យកម្មទំហំ wafer របស់វាទទួលបានអត្ថប្រយោជន៍ ចាប់តាំងពីម៉ូដែលទាំងមូលអាចអង្គុយលើស៊ីលីកុនតែមួយបានដោយមិនមានទំនាក់ទំនងអន្តរបន្ទះឈីបដែលធ្វើអោយក្រុម GPU យឺតក្នុងអំឡុងពេលជំនាន់។

ក្រុមហ៊ុន​បាន​ពិសោធន៍​ជាមួយ​វិធី​ផ្សេង​ទៀត​ក្នុង​ការ​បំបែក​បន្ទុក​ការងារ។ នៅក្នុងការប្រកាសប្លក់របស់ខ្លួន Cerebras រាយបញ្ជីគ្រោងការណ៍គោលដៅព្រាង ដែលគំរូតូចមួយស្នើរថូខឹន ហើយធំជាងផ្ទៀងផ្ទាត់ពួកវា និងការយកចិត្តទុកដាក់-FFN ដាច់ដោយឡែកពីគ្នាក្នុងចំណោមជម្រើសដែលវាត្រូវបានពិចារណា។ ប៉ុន្តែវាប្រកែកថាការបំបែក prefill ពីការឌិកូដគឺសាកសមនឹងកម្មវិធីដែលមានអន្តរកម្មខ្ពស់ ពីព្រោះដំណាក់កាល decode រក្សាល្បឿននៃជំនាន់ ultrafast របស់ Cerebras នៅដដែល។

លេខនៅពីក្រោយការទាមទារ

យោងតាមការប្រកាស ការកំណត់រចនាសម្ព័ន្ធដែលបានបែងចែកពេលនេះកំពុងរស់នៅក្នុង Cerebras Inference Cloud ហើយផ្តល់សញ្ញាសម្ងាត់ 5 ដងបន្ថែមទៀតក្នុងមួយមេហ្គាវ៉ាត់ក្នុងល្បឿនជំនាន់ដូចគ្នាដែលក្រុមហ៊ុនកំពុងបម្រើរួចហើយ។ Cerebras និយាយថាដៃគូហេដ្ឋារចនាសម្ព័ន្ធក៏អាចដាក់ពង្រាយស្ថាបត្យកម្មបំបែកដូចគ្នានៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យផ្ទាល់ខ្លួនរបស់ពួកគេ។

តក្កវិជ្ជាសេដ្ឋកិច្ចគឺត្រង់។ អ្នកផ្តល់ការសន្និដ្ឋានរកប្រាក់ចំណូលក្នុងមួយសញ្ញាសម្ងាត់ ហើយអំណាចគឺជាកត្តាកំណត់លើសមត្ថភាព។ ប្រសិនបើមេហ្គាវ៉ាត់ដូចគ្នាផ្តល់ទិន្នផល 5 ដងនៃសញ្ញាសម្ងាត់ កន្លែងដូចគ្នានេះបង្កើតសក្តានុពលប្រាក់ចំណូលច្រើនជាងសមាមាត្រ ដែលក្រុមហ៊ុនបង្ហាញជាមួយតារាងប្រៀបធៀបការកំណត់រចនាសម្ព័ន្ធការបម្រើសរុប និងបែងចែក។

សេចក្តីប្រកាសនេះក៏ពឹងផ្អែកលើការព្យាករណ៍តម្រូវការ ដើម្បីជជែកវែកញែកថា ឧស្សាហកម្មត្រូវការរាល់ការទទួលបានប្រសិទ្ធភាពដែលវាអាចទទួលបាន។ ដោយដកស្រង់ពី Goldman Sachs Research, Cerebras និយាយថា តម្រូវការការសន្និដ្ឋានរបស់ AI ត្រូវបានគេព្យាករណ៍ថានឹងកើនឡើងប្រហែល 24 ដងពីកម្រិត 2026 នៅឆ្នាំ 2030 ខណៈដែលសមត្ថភាពមជ្ឈមណ្ឌលទិន្នន័យកើនឡើងត្រឹមតែប្រហែល 2.2 ដងប៉ុណ្ណោះក្នុងរយៈពេលដូចគ្នា។ ប្រសិនបើការព្យាករទាំងពីរនៅតែរក្សា គម្លាតរវាងអ្វីដែលអ្នកប្រើចង់ដំណើរការ និងគ្រឿងបរិក្ខារណាដែលអាចផ្តល់ថាមពលក្លាយជាឧបសគ្គកំណត់នៃការបង្កើត AI ចុងឆ្នាំ 2020។

កម្មវិធីភ្នាក់ងារបង្កបញ្ហា

ក្រុមហ៊ុនសន្មតថាការកើនឡើងនៃតម្រូវការចំពោះកម្មវិធីភ្នាក់ងារដែលធ្វើមាត្រដ្ឋានយ៉ាងឆាប់រហ័សក្នុងឆ្នាំ 2026 ដោយដាក់ឈ្មោះ Muse, Copilot និង Codex ជាឧទាហរណ៍នៃផលិតផលដែលតម្រូវឱ្យមានការសន្និដ្ឋានអន្តរកម្មខ្ពស់ដើម្បីរក្សាអ្នកប្រើប្រាស់ឱ្យចូលរួម។ ភ្នាក់ងារសន្ទនាដែលស្ទ្រីមការឆ្លើយតបដោយសញ្ញាសម្ងាត់គឺជាបន្ទុកការងារដែលល្បឿននៃជំនាន់គឺជាមុខងារដែលប្រឈមមុខនឹងអ្នកប្រើប្រាស់ជាជាងការវាស់វែងផ្នែកខាងក្រោយ។

Cerebras កំណត់ការដាក់ឱ្យដំណើរការនៅក្នុងការជំរុញសមត្ថភាពកាន់តែទូលំទូលាយ។ ក្រុមហ៊ុនបានចង្អុលទៅប្រព័ន្ធ CS-4 ដែលបានប្រកាសកាលពីពេលថ្មីៗនេះ ការធ្វើមាត្រដ្ឋានយ៉ាងខ្លាំងនៃទិន្នផលផលិតកម្មរបស់ខ្លួន និងសមត្ថភាពមជ្ឈមណ្ឌលទិន្នន័យដែលបានគ្រោងទុកប្រហែល 700 មេហ្គាវ៉ាត់ ដែលជាបំណែកដែលនឹងអនុញ្ញាតឱ្យវា និងដៃគូរបស់ខ្លួនបម្រើចរាចរណ៍បានកាន់តែច្រើននៅឆ្នាំ 2027 និងលើសពីនេះ។

វេនជាក់ស្តែងសម្រាប់ Wafer-Scale

ជាយុទ្ធសាស្ត្រ សេចក្តីប្រកាសនេះអានថាជាការស្នាក់នៅប្រកបដោយប្រសិទ្ធភាពនៃការគ្រប់គ្រង GPU ។ ជាជាងសុំឱ្យអតិថិជនផ្លាស់ទីបំពង់ការសន្និដ្ឋានទាំងមូលទៅលើស៊ីលីកុនកម្រ និងអសកម្ម Cerebras កំពុងស្នើសុំការបែងចែកកម្លាំងពលកម្ម៖ អនុញ្ញាតឱ្យ GPUs ធ្វើអ្វីដែលពួកគេត្រូវបានធ្វើឱ្យប្រសើរសម្រាប់ និងអនុញ្ញាតឱ្យផ្នែករឹង wafer-scale ធ្វើអ្វីដែលវាល្អបំផុត។ សម្រាប់អ្នកផ្តល់ការសន្និដ្ឋានដែលច្របាច់រវាងតម្រូវការកើនឡើង និងកម្រិតថាមពល ទីលានគឺជាសមត្ថភាពដែលពួកគេអាចបន្ថែមដោយមិនចាំបាច់រង់ចាំផ្នែករឹងជំនាន់ថ្មី។

ថាតើការទាមទារប្រសិទ្ធភាព 5 ដងមាននៅទូទាំងស្ថាបត្យកម្មគំរូចម្រុះ និងការលាយបញ្ចូលគ្នានៃចរាចរណ៍ក្នុងពិភពពិតនឹងច្បាស់នៅពេលដែលដៃគូដាក់ពង្រាយការកំណត់តាមខ្នាត។ ប៉ុន្តែទិសដៅនៃការធ្វើដំណើរគឺច្បាស់លាស់នៅទូទាំងឧស្សាហកម្មនេះ។ ដោយសារការសន្និដ្ឋានជំនួសការបណ្តុះបណ្តាលជាបន្ទុកការងារកុំព្យូទ័រដែលលេចធ្លោ អ្នកលក់ផ្នែករឹងសំខាន់ៗទាំងអស់កំពុងពិនិត្យមើលឡើងវិញពីរបៀបដែលដំណាក់កាលទាំងពីរនៃជំនាន់គួរតែត្រូវបានបំបែក ផ្តល់ថាមពល និងតម្លៃ។

របៀបដែលវាប្រៀបធៀបជាមួយ GPU-Native Approaches

អ្នកផ្តល់ការសន្និដ្ឋានខ្នាតធំធំបានបន្តយុទ្ធសាស្រ្តបំបែកខ្លួនរបស់ពួកគេ ជាធម្មតារក្សាដំណាក់កាលទាំងពីរនៅលើគ្រួសារ GPU ដែលត្រូវបានកែសម្រួលសម្រាប់គោលបំណងនីមួយៗ។ វ៉ារ្យ៉ង់របស់ Cerebras មានលក្ខណៈពិសេសក្នុងការឆ្លងកាត់បន្ទាត់អ្នកលក់៖ ក្រុមហ៊ុនបានបញ្ជាក់ថា AMD GPUs គ្រប់គ្រងដំណាក់កាលនៃការបញ្ចូលក្នុងការកំណត់រចនាសម្ព័ន្ធផលិតកម្មរបស់វា ជាមួយនឹងប្រព័ន្ធ Cerebras ទទួលខុសត្រូវក្នុងការឌិកូដ។ ភាពមិនដូចគ្នានេះមានសារៈសំខាន់សម្រាប់ប្រតិបត្តិករ ព្រោះវាចាត់ទុកការបំពេញមុន និងការឌិកូដជាទំនិញដែលអាចទិញបានដាច់ដោយឡែកជាជាងជង់រួមបញ្ចូលគ្នាតែមួយ។

លទ្ធផលដែលបានបោះពុម្ពផ្សាយរបស់ក្រុមហ៊ុនសង្កត់ធ្ងន់ថាការបំបែករក្សាល្បឿននៃជំនាន់ជាជាងការជួញដូរសម្រាប់ប្រសិទ្ធភាព។ ភាពខុសគ្នានោះនិយាយអំពីការរិះគន់ជាយូរយារណាស់មកហើយអំពីការបម្រើដែលមិនរួមបញ្ចូលគ្នា៖ ការបំពេញបន្ថែមដោយឡែកពីគ្នាអាចបន្ថែមភាពយឺតយ៉ាវទៅសញ្ញាដំបូង ហើយការកំណត់រចនាសម្ព័ន្ធណាមួយដែលធ្វើឱ្យរង្វិលជុំនៃការឌិកូដយឺតនឹងធ្វើឱ្យអន្តរកម្មមានអារម្មណ៍ថាសេវាកម្មដែលមានតម្លៃថ្លៃបំផុតលក់។ Cerebras អះអាង​ថា​ការ​រៀបចំ​របស់​ខ្លួន​ជៀស​វាង​ការ​ពិន័យ​ទាំង​ពីរ ទោះ​បី​ជា​ការ​កំណត់​គោល​ឯករាជ្យ​នៅ​ទូទាំង​រយៈ​ពេល​កំណត់​ខុសៗ​គ្នា និង​គំរូ​ចរាចរណ៍​នឹង​ក្លាយ​ជា​ការ​សាកល្បង​ពិត​ប្រាកដ។

សម្រាប់អ្នកអាន AI Buzz Wire ដែលតាមដានការប្រណាំងផ្នែកហេដ្ឋារចនាសម្ព័ន្ធ សារពី Cerebras គឺថា យុគសម័យនៃការសន្និដ្ឋានមួយបន្ទះឈីបមួយគឺផ្តល់ផ្លូវទៅកាន់បំពង់បង្ហូរប្រេងដែលមានគោលបំណង - ហើយថាក្រុមហ៊ុនមានបំណងធ្វើជាម្ចាស់នៃការឌិកូដពាក់កណ្តាលនៃពួកគេ។

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →