晶圆级（Wafer-Scale）AI 训练芯片是将整片晶圆作为一个处理器的革命性架构，规避了传统 GPU 多芯片互联的瓶颈。Cerebras 和 Tesla Dojo 是这一领域的两大代表。
主流晶圆级训练系统
| 型号 | 厂商 | 晶体管数 | 核心数 | 片上 SRAM | 算力 (FP16 稀疏) | 系统算力 | 状态 |
|---|
| Cerebras WSE-4 (CS-4, 推测) | Cerebras | ~5 万亿 | ~1,500,000 | ~80GB | ~200 PFLOPS | ~200 PFLOPS | 2027 预计 |
| Cerebras WSE-3 (CS-3) | Cerebras | 4 万亿 | 900,000 | 44GB | 125 PFLOPS | 125 PFLOPS | 2024 |
| Cerebras WSE-2 (CS-2) | Cerebras | 2.6 万亿 | 850,000 | 40GB | ~62 PFLOPS | ~62 PFLOPS | 2021 |
| Tesla Dojo ExaPOD | Tesla | 180,000 亿 (360× D1) | 127,440 | N/A | N/A | 100 EFLOPs | 2023 |
| Tesla Dojo Cabinet | Tesla | 3,000 亿 (6× D1 Tile) | 2,124 | N/A | N/A | ~1.7 EFLOPs | 2023 |
| Tesla Dojo D1 | Tesla | 500 亿 | 354 | N/A | 36.7 TFLOPS (BF16) | — | 2022 |
Cerebras WSE-2 vs WSE-3 vs WSE-4 (推测)
| 指标 | WSE-2 (CS-2) | WSE-3 (CS-3) | WSE-4 (CS-4, 推测) |
|---|
| 制程 | TSMC 7nm | TSMC 5nm | TSMC 3nm |
| 晶体管 | 2.6 万亿 | 4 万亿 | ~5 万亿 |
| 核心数 | 850,000 | 900,000 | ~1,500,000 |
| 片上 SRAM | 40GB | 44GB | ~80GB |
| FP16 稀疏算力 | ~62 PFLOPS | 125 PFLOPS | ~200 PFLOPS |
| 系统 TDP | 15 kW | 15 kW | ~30 kW |
| 发布时间 | 2021 | 2024 | 2027 预计 |
Cerebras WSE 关键特性
- 无内存墙：所有数据片上 SRAM（无 HBM）
- Weight Streaming：流式加载模型权重到 SRAM
- 无模型并行：单芯片可训练超大模型
- CS-3 系统液冷：15kW TDP
- 集群方案：可互联多个 CS-3
Tesla Dojo 关键特性
- D1 单芯片 354 核：定制架构
- 6 颗 D1 = 1 Tile：高密度封装
- ExaPOD = 360 颗 D1 = 100 EFLOPs：单集群冠绝全球
- 专为 FSD 视频训练：特斯拉定制
- 不外售：仅 Tesla 内部使用
选型建议
- 大模型科研 / 制药 / 材料科学：Cerebras CS-3（云端租赁 Cerebras Cloud）
- 自动驾驶 / 视频训练：Tesla Dojo（仅 Tesla 内部）
- 云端 AI 服务：Cerebras Cloud 可访问
详细产品页
相关类型