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 គឺកុំព្យូទ័រធ្ងន់ និងប៉ារ៉ាឡែល ដែលជាកន្លែងដែល GPUs ពូកែ។ ការឌិកូដគឺជាមេម៉ូរី-កម្រិតបញ្ជូន-ចង និងបន្តបន្ទាប់គ្នា ដែលជាកន្លែងដែល Cerebras អះអាងថា ស្ថាបត្យកម្មទំហំ wafer របស់វាទទួលបានអត្ថប្រយោជន៍ ចាប់តាំងពីម៉ូដែលទាំងមូលអាចអង្គុយលើស៊ីលីកុនតែមួយបានដោយមិនមានទំនាក់ទំនងអន្តរបន្ទះឈីបដែលធ្វើអោយក្រុម GPU យឺតក្នុងអំឡុងពេលជំនាន់។
ក្រុមហ៊ុនបានពិសោធន៍ជាមួយវិធីផ្សេងទៀតក្នុងការបំបែកបន្ទុកការងារ។ 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 អះអាងថាការរៀបចំរបស់ខ្លួនជៀសវាងការពិន័យទាំងពីរ ទោះបីជាការកំណត់គោលឯករាជ្យនៅទូទាំងរយៈពេលកំណត់ខុសៗគ្នា និងគំរូចរាចរណ៍នឹងក្លាយជាការសាកល្បងពិតប្រាកដ។
សម្រាប់អ្នកអាន AI Buzz Wire ដែលតាមដានការប្រណាំងផ្នែកហេដ្ឋារចនាសម្ព័ន្ធ សារពី Cerebras គឺថា យុគសម័យនៃការសន្និដ្ឋានមួយបន្ទះឈីបមួយគឺផ្តល់ផ្លូវទៅកាន់បំពង់បង្ហូរប្រេងដែលមានគោលបំណង - ហើយថាក្រុមហ៊ុនមានបំណងធ្វើជាម្ចាស់នៃការឌិកូដពាក់កណ្តាលនៃពួកគេ។
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →