Modele i platformy AI

Cerebras udostępnia Tungsten — język programowania wysokiego poziomu do programowania w skali wafla

Theo Nash
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyTungsten przenosi przydział zasobów wafla do kompilatora, dzięki czemu naukowcy unikają…
Zobacz więcej
  • Tungsten przenosi przydział zasobów wafla do kompilatora, dzięki czemu naukowcy unikają ręcznej konfiguracji deskryptorów i oprogramowania sprzętowego.
  • Agent kodujący napisał całą symulację plazmy, która działała na 98% wafla Cerebras.
  • Prawdziwym testem jest to, czy badacze potrafią rozszerzyć przykłady Aviary na własne kody bez powracania do intrinsics.

Cerebras Systems udostępniła 16 listopada 2026 r. Tungsten, język programowania wysokiego poziomu i kompilator dla Wafer-Scale Engine, a także Aviary — zbiór aplikacji naukowych i samouczków. Zgodnie z ogłoszeniem symulacja plazmy napisana w całości przez agenta programistycznego została już uruchomiona na 98% wafla Cerebras.

Wydanie ma zmniejszyć obciążenie związane z programowaniem, a nie wprowadzać zmiany w samym procesorze. Wcześniejsze kompilatory udostępniały nieskalarne możliwości wektorowe, strumieniowe i zdarzeniowe za pośrednictwem funkcji wewnętrznych (intrinsics), przez co programiści musieli konfigurować deskryptory, łączyć zadania ze zdarzeniami i ręcznie wyznaczać trasy w sieci komunikacyjnej. Celem Cerebras jest umożliwienie naukowcom programowania wafla na wysokim poziomie bez konieczności zostawania specjalistami od sprzętu ani rezygnowania z wydajności.

Kompilator zarządza zasobami na poziomie wafla

Cerebras opisuje Wafer-Scale Engine jako maszynę przepływu danych z 900 000 rdzeni, pamięcią lokalną i siecią komunikacyjną na waflu; napływające dane uruchamiają operacje, które je przetwarzają. Rejestry wzorców dostępu przechodzą przez tablice wielowymiarowe i strumienie sieciowe, dzięki czemu obliczanie adresów nie zużywa instrukcji. Pojedyncza instrukcja może przyjmować jako operand całą pętlę, rdzenie mogą wywoływać funkcje na innych rdzeniach za pośrednictwem komunikatów przesyłanych przez sieć, a sterowanie oparte na zdarzeniach zastępuje odpytywanie i rozgałęzianie.

Tungsten wykorzystuje model architektury, który odwzorowuje kod wysokiego poziomu na rejestry wzorców dostępu, zadania sterowane zdarzeniami, wywołania przez sieć i instrukcje obejmujące pętle. W przykładzie stencila Jacobiego z ogłoszenia każda linia kodu źródłowego odpowiada pętli obejmującej cały blok i jest kompilowana do jednej instrukcji wektorowej, bez konfigurowania deskryptorów ani łączenia zadań. Zapis wykorzystuje <+- do akumulowania wartości w miejscu docelowym, podobnie jak +=.

Kompilator przydziela też wzorce dostępu, definicje pętli, gniazda sieciowe i mikrowątki w całym programie, wykorzystując modele kosztów i etapy optymalizacji do włączania tych zasobów do użycia i wycofywania ich w trakcie wykonywania programu. Cerebras porównuje to podejście z przydzielaniem rejestrów procesora i przenoszeniem wartości poza rejestry. Gdy kompilator przejmuje te decyzje, późniejsze zmiany struktury programu wymagają edycji kodu wysokiego poziomu, a nie ręcznego przepisywania.

Aviary obejmuje samouczki i aplikacje naukowe

Tungsten i Aviary są dostępne za pośrednictwem Cerebras Labs. Zbiór aplikacji obejmuje zarówno niewielkie stencilowe obliczenia dla równania ciepła i modelu reakcji-dyfuzji Gray–Scotta, jak i transport cząstek, rozwiązywanie układów rzadkich, szybką transformatę Fouriera, dynamikę molekularną, symulację plazmy i hydrodynamikę wysokiego rzędu. Samouczek Gray–Scotta liczy około 50 linii kodu Tungsten, oferując nowym użytkownikom łatwiejszy punkt wejścia obok pełnych kodów naukowych. Aplikacje do dynamiki molekularnej obejmują krótkozasięgowe oddziaływania Lennarda–Jonesa oraz tablicowane potencjały metody atomu osadzonego dla stopów metali.

Cerebras informuje, że SNAP, standardowy program zastępczy do deterministycznych obliczeń transportu promieniowania jądrowego, osiąga wydajność 1,6 PFLOP/s na jednym CS-4, wyprzedzając 10 800 procesorów GPU w superkomputerze El Capitan, a HPCG, benchmark superkomputerowy dla obciążeń rzadkich, osiąga 1,04 PFLOP/s na pojedynczym systemie.

Wiele aplikacji powstało w wyniku współpracy z krajowymi laboratoriami Sandia, Lawrence Livermore i Los Alamos w ramach programu NNSA Advanced Memory Technology. Kody do dynamiki molekularnej bazują na pracach uczestników współpracy, które w 2024 r. znalazły się w finale konkursu Gordon Bell Prize, ale są odrębnymi programami; we wcześniejszych pracach wykorzystano wczesną wersję Tungsten.

Kod plazmowy napisany przez agenta pokazuje, jak przebiega praca

Aplikacja particle-in-cell stanowi główny przykład programowania z udziałem agenta przedstawiony przy okazji wydania. Cerebras informuje, że jeden naukowiec i jeden agent programistyczny stworzyli ją w około dwa tygodnie, korzystając z interfejsu czatu, a agent napisał każdą linię kodu. Agent korzystał z opublikowanych algorytmów, weryfikował implementację referencyjną w porównaniu z otwartym kodem XOOPIC, opracował model problemu na podstawie kodu plazmowego EMPIRE, a także przygotował testy, wykresy i dokumentację, jednocześnie samodzielnie wykrywając i naprawiając błędy.

Cząstki w symulacji poruszają się pod wpływem pól elektromagnetycznych i przemieszczają między rdzeniami, a solver niejawny oblicza pola na zdekomponowanej siatce na podstawie położeń i prędkości cząstek. Modelowany problem dotyczy wiązki elektronów wnikającej w plazmę argonową. Cerebras podaje, że pełna symulacja objęła 60 milionów cząstek przy 7200 krokach czasowych na sekundę, osiągając przepustowość 430 miliardów aktualizacji cząstek na sekundę w jednym systemie.

Cerebras twierdzi, że dokumentacja referencyjna Tungsten jest wystarczająco kompletna, by umożliwić taki tryb pracy z udziałem agenta. Michael James, współzałożyciel Cerebras i główny architekt ds. zaawansowanych technologii, nadal zachęca jednak użytkowników do samodzielnego poznania języka: „Ktoś musi pilnować, żeby agenci trzymali się właściwego kursu”.

Cerebras informuje, że ten sam kod Tungsten działa na jednym waflu lub w klastrze; globalna symulacja tsunami wykorzystała 64 wafle w ramach wdrożenia AI, a takie wdrożenia można skalować do 2048 systemów.

Cerebras wymienia optymalizator projektów jako rozwiązanie, które ma dopiero powstać, a nie część udostępnionego już zbioru aplikacji. Ma on łączyć model AI z symulacją fizyczną pełniącą rolę modelu świata, przy czym oba rozwiązania mają działać na waflu, umożliwiając modelowi AI testowanie projektów w symulacji.

Praktyczne znaczenie Tungsten wynika z modelu programowania stojącego za deklarowaną przepustowością. Kluczowe jest to, czy badacze i agenci będą mogli przejść od przykładów z Aviary do własnych kodów bez powrotu do funkcji intrinsic i ręcznego trasowania sieci połączeń. Ta możliwość zadecyduje o tym, w jakim stopniu wyspecjalizowany sprzęt Cerebras będzie mógł wspierać obliczenia naukowe i projektowanie wspomagane przez AI.

Theo Nash jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się infrastrukturą AI, obliczeniami oraz systemami sprzętowymi napędzającymi współczesną sztuczną inteligencję. Jego praca koncentruje się na technicznych podstawach dużych obciążeń AI, w tym centrach danych, akceleratorach, sieciach i stosach oprogramowania, które je łączą.

Z analitycznej i inżyniersko ukierunkowanej perspektywy Theo bada, jak postępy w GPU, niestandardowym krzemie, architekturach pamięci i systemach rozproszonych umożliwiają nowe generacje modeli AI. Szczególną uwagę zwraca na kompromisy wydajności, efektywność energetyczną, skalowalność oraz praktyczne ograniczenia kształtujące rzeczywiste wdrażanie infrastruktury AI.

Artykuły autorstwa Theo Nasha są generowane przez SI i przeglądane przez zespół redakcyjny Unite.AI, aby zapewnić techniczną precyzję, klarowność oraz odpowiedzialne relacjonowanie szybko rozwijającego się krajobrazu obliczeń AI.