Así es el chip de computadora más grande del mundo

Una nueva empresa con sede en California reveló lo que dice es el chip de computadora más grande del mundo.

El Wafer Scale Engine, diseñado por Cerebras Systems, es un poco más grande que un iPad estándar.

La firma dice que un solo chip puede conducir sistemas complejos de inteligencia artificial (IA) en todo, desde automóviles sin conductor hasta software de vigilancia.

Sin embargo, un experto sugirió que la innovación resultaría poco práctica de instalar en muchos centros de datos.

Copyright de la imagen
Sistemas CerebrasCaptura de imagen

El chip mide 21.5 cm cuadrados (3.3 pulgadas cuadradas)

Un panel clásico de silicio alberga unos 100 chips regulares de computadora.

¿Por qué es importante el desarrollo?

Los chips de computadora generalmente se han vuelto más pequeños y más rápidos a lo largo de los años.

Por lo general, docenas se fabrican en una sola “oblea” de silicio, que luego se corta para separarlas entre sí.

Las CPU de escritorio más potentes (unidades centrales de procesamiento) tienen alrededor de 30 núcleos de procesador, cada uno capaz de manejar su propio conjunto de cálculos simultáneamente.

Las GPU (unidades de procesamiento de gráficos) tienden a tener más núcleos, aunque menos potentes.

Esto tradicionalmente los ha convertido en la opción preferida para los procesos de inteligencia artificial que pueden dividirse en varias partes y ejecutarse simultáneamente, donde el resultado de un cálculo no determina la entrada de otro.

Los ejemplos incluyen reconocimiento de voz, procesamiento de imágenes y coincidencia de patrones. Las GPU más potentes tienen hasta 5,000 núcleos.

Pero el nuevo chip de Cerebras tiene 400,000 núcleos, todos unidos entre sí por conexiones de gran ancho de banda.

La firma sugiere que esto le da una ventaja en el manejo de desafíos complejos de aprendizaje automático con menos retraso y menores requisitos de energía que las combinaciones de las otras opciones.

Copyright de la imagen
imágenes falsasCaptura de imagen

Una oblea de silicio típica alberga alrededor de 100 chips de computadora

Cerebras afirma que Wafer Scale Engine reducirá el tiempo que lleva procesar algunos datos complejos de meses a minutos.

Su fundador y director ejecutivo, Andrew Feldman, dijo que la compañía había “superado desafíos técnicos de décadas” que tenían un tamaño de chip limitado.

“Reducir el tiempo de capacitación elimina un importante cuello de botella para el progreso de toda la industria”, dijo.

Cerebras ha comenzado a enviar el hardware a un pequeño número de clientes.

Todavía no ha revelado cuánto cuestan las fichas.

Copyright de la imagen
Sistemas CerebrasCaptura de imagen

Un trabajador inspecciona las virutas mientras se fabrican

¿Cuales son las desventajas?

Mientras que los chips procesan la información mucho más rápido, el Dr. Ian Cutress, editor senior del sitio de noticias AnandTech, dijo que los avances en tecnología tendrían un costo.

“Una de las ventajas de los chips de computadora más pequeños es que usan mucha menos energía y son más fáciles de mantener frescos”, explicó.

“Cuando comienzas a lidiar con chips más grandes como este, las compañías necesitan una infraestructura especializada para soportarlos, lo que limitará quién puede usarlo prácticamente.

“Es por eso que es adecuado para el desarrollo de inteligencia artificial, ya que es a donde van los grandes dólares en este momento”.

Copyright de la imagen
Sistemas CerebrasCaptura de imagen

Un primer plano del motor Wafer Scale que se fabrica

¿Es este el primer chip AI?

Cerebras está lejos de ser la primera compañía en desarrollar chips para alimentar sistemas de inteligencia artificial.

En 2016, Google desarrolló chips de TPU (unidad de procesamiento de tensor) para alimentar el software, incluida su aplicación de traducción de idiomas, y ahora vende la tecnología a terceros.

Al año siguiente, Huawei de China anunció que sus chips Kirin de teléfonos inteligentes habían obtenido una NPU (unidad de procesamiento neuronal) para ayudar a acelerar el cálculo de las multiplicaciones de matrices, un tipo de matemática comúnmente involucrada en tareas de IA.

Pero no todos estos esfuerzos han tenido éxito.

A principios de la década de 1980, la compañía estadounidense Trilogy recibió cientos de millones de dólares en fondos para crear su propio superchip.

Sin embargo, los procesadores se calentaron demasiado en las pruebas y fueron menos potentes de lo que inicialmente se pensaba.

Plagada de desafíos técnicos y personales, la compañía renunció al proyecto cinco años después.