Tekoäly-yhtiö Cerebras Systems on tehnyt merkittävän ilmoituksen julkaisemalla odotetun tekoälypiirinsä, Wafer-Scale Engine 3 (WSE-3), avaten uuden aikakauden tekoälymallien käsittelylle. Edistynyt piiri tarjoaa Cerebrasin aiempaa piiriä, WSE-2:a, uskomattomasti kaksi kertaa suuremman suorituskyvyn. WSE-3 on suunniteltu erityisesti organisaatioille, jotka tarvitsevat suuria tekoälymalleja kouluttaakseen, tehden siitä oleellisen osan Cerebrasin CS-3 tekoälysuperkonetta.
CS-3 tekoälysuperkoneessa on neljä erilaista järjestelmäkokoonpanoa, jotka pystyvät hienosäätämään 70 miljardin parametrin malleja, kuten Meta’s Llama 2, yhdessä päivässä. Tämä ennennäkemätön nopeus ja tehokkuus tekevät CS-3:sta vallankumouksellisen tekniikan alalla.
WSE-3-piirin lisäksi Cerebras esitteli yhteistyönsä Abu Dhabissa toimivan teknologiaryhmä G42:n kanssa rakentaakseen kolmannen klusterin tekoälysuperkoneistaan, jota kutsutaan nimellä Condor Galaxy 3. Tämän klusterin odotetaan omaavan vaikuttavat 8 eksaflopin tekoälyprosessointitehon ja 58 miljoonaa tekoälyyn optimoitua ydintä. Cerebras väittää, että tämä infrastruktuuritaso asettaa Condor Galaxy 3:n yhdeksi kehittyneimmistä tekoälyjärjestelmistä, optimoituina laajamittaisia tieteellisiä simulaatioita ja suurien tekoälymallien koulutusta varten, jotka ovat käytössä kuvan- ja puheentunnistussovelluksissa.
Suuret tekoälymallit ovat yhä yleistymässä tekoäly-yhteisössä, kun yhä useammat toimittajat tunnistavat mallikokojen skaalauksen tärkeyden. Tirias Researchin perustaja Jim McGregor vahvistaa tämän trendin, toteamalla, että pienempien kielimallien saavutettua suosiota, kehitys kohti videoiden luontia edellyttää suurempaa laskentakykyä, mikä johtaa yhä suurempien mallien tuottamiseen.
Analyytikkoyhtiö Intersect360 Researchin tekemän tutkimuksen mukaan yli kolmannes suurten suorituskykyisten laskentakeskusten käyttäjistä pyrkii rakentamaan omia generatiivisia tekoälymalleja. Cerebrasin WSE-3 tekoälypiirin ja CS-3-järjestelmien potentiaali vastata näiden käyttäjien tarpeisiin on suuri, sillä ne tarjoavat kahdesti suuremman suorituskyvyn samalla kustannuksella ja virrankulutuksella verrattuna muihin yleisesti käytettyihin kiihdyttimiin näihin järjestelmiin.
Vaikka Cerebrasil on edullinen kyky käsitellä valtavia tietomääriä uskomattoman lyhyessä ajassa, yhtiö on silti pienempi verrattuna hallitsevaan tekoälylaitteisto- ja ohjelmistotarjoajaan, Nvidiaan. McGregor kuitenkin ehdottaa, että Cerebras on menestynyt keskittymällä koulutukseen ja laajentumalla muihin alueisiin kuin omaan erikoisalaansa, kuten päättelyyn. Tämä laajentuminen ilmenee Cerebrasin yhteistyöstä Qualcomm Technologiesin AI 100 Ultra -järjestelmän kanssa inferenssin kiihdyttämiseksi.
Cerebrasin lähestymistapa suurten kielimallien (LLM) käsittelyyn erottaa sen kilpailijoista kuten Nvidiasta. Kun muut toimittajat luottavat tuhansiin GPU:iin skaalautuakseen, Cerebras pystyy käsittelemään LLM:iä yhdessä järjestelmässä. Kuitenkin tämän edun täysimääräiseksi hyödyntämiseksi käyttäjien on ajettava järjestelmää jatkuvasti saavuttaakseen positiivisen tuoton sijoitukselleen.
Generatiivisen tekoälyn kysyntä on ylittänyt Nvidiaa yms. johtavien toimittajien tarjonnan, mikä antaa etulyöntiaseman Cerebraksen kaltaisille startup-yrityksille. Tekoälyteollisuuden omaksuessa generatiivisen tekoälyn potentiaalin Cerebras hyötyy tästä kasvavasta kysynnästä ja pystyy tekemään oman ainutlaatuisen paikkansa markkinoilla.
UKK:
The source of the article is from the blog bitperfect.pe