Techno / High-Tech

La puce géante Cerebras serait 10.000 fois plus rapide que les GPU professionnels de Nvidia

Dix fois meilleurs que prévu. Ce sont les résultats préliminaires de la puce géante Cerebras, dont nous vous avons parlé à son lancement et lors de son intégration dans son premier boîtier.
Alors que l’entreprise à la base de son développement tablait sur une puissance mille fois supérieure à celle des GPU concurrents, Cerebras et le laboratoire national de technologie énergétique (National Energy Technology Laboratory, NETL) du département de l’Énergie des États-Unis communiquent désormais des performances jusqu’à « 10.000 fois supérieures ».

Révolutionnaire par sa conception, puisqu’il s’agit d’une puce occupant la totalité de l’espace utile d’une tranche de silicium, Cerebras WSE (wafer scale engine) est une puce gravée en 16 nanomètres dédiée aux tâches liées à l’IA.
Outre ses 400.000 cœurs de calcul IA, ce sont la quantité délirante de RAM (18 Go !) et les bandes passantes d’un autre monde (9 Po/s pour la mémoire et 100 Po/s pour le réseau) qui lui confèrent un avantage de poids sur la concurrence.
En l’occurrence, il s’agit des systèmes conçus à base de racks de puces Nvidia V100 les plus puissants actuellement en service en attendant son remplacement effectif par le nouveau modèle, la A100.

Aussi belle la promesse soit-elle, il faudra attendre de voir (réellement) arriver les mesures de performances indépendantes de la puce. Pour l’heure, Cerebras et le NETL affirment que le système CS-1, qui intègre la puce Cerebras, serait jusqu’à « 200 fois plus puissant que le Supercalculateur Joule » qui occupe actuellement la 82e place du Top500 des supercalculateurs.
Nul doute que cette échelle de puissance n’est valable que pour une, voire quelques tâches spécifiques. Mais c’est déjà une prouesse immense.

Si elle ne saurait changer la façon dont sont conçus les appareils électroniques grand public – vous vous voyez avec un smartphone de la taille d’une poêle ? – cette super puce relance l’intérêt de l’usage de « dies » géants, notamment pour les applications scientifiques et professionnelles. Des domaines où la principale limite n’est pas tant la puissance pure des puces, mais les temps d’échanges de données avec les différents types de mémoires.

Source : Techradar




Source link