AI-modeller och plattformar

Cerebras lanserar Tungsten för programmering på hög nivå av waferbaserade system

Theo Nash
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterTungsten flyttar waferresursallokering till kompilatorn så att forskare undviker…
Visa mer
  • Tungsten flyttar waferresursallokering till kompilatorn så att forskare undviker manuell descriptor- och fabric-konfiguration.
  • En kodagent skrev en komplett plasmasimulering som kördes över 98% av en Cerebras-wafer.
  • Det verkliga testet är huruvida forskare kan utöka Avarys exempel till sina egna koder utan att återgå till intrinsics.

Cerebras Systems lanserade Tungsten, ett högnivåspråk och en kompilator för företagets Wafer-Scale Engine, den 16 november 2026, tillsammans med Aviary, en samling vetenskapliga applikationer och handledningar. Tillkännagivandet uppger att en plasmasimulering som skrivits helt av en kodningsagent redan har körts på 98 % av en Cerebras-wafer.

Lanseringen riktar in sig på programmeringsbördan, inte på förändringar av själva processorn. Tidigare kompilatorer exponerade vektor-, ström- och händelsefunktioner som inte var skalära via intrinsiska funktioner, vilket krävde att utvecklarna konfigurerade deskriptorer, kopplade uppgifter till händelser och routade nätverket manuellt. Cerebras mål är att låta forskare programmera waferen på hög nivå utan att behöva bli hårdvaruspecialister eller avstå från prestanda.

Kompilatorn hanterar resurser på wafernivå

Cerebras beskriver Wafer-Scale Engine som en dataflödesmaskin med 900 000 kärnor, lokalt minne och ett kommunikationsnätverk på waferen; inkommande data utlöser arbetet som hanterar dem. Register för åtkomstmönster går igenom flerdimensionella arrayer och nätverksströmmar, så adressberäkningar förbrukar inga instruktioner. En enda instruktion kan ta en hel loop som operand, kärnor kan anropa funktioner på varandra via meddelanden i nätverket, och händelsebaserat kontrollflöde ersätter avsökning och förgrening.

Tungsten använder en arkitekturmodell som mappar högnivåkod till register för åtkomstmönster, händelsestyrda uppgifter, nätverksanrop och instruktioner som innehåller loopar. I tillkännagivandets exempel med ett Jacobi-stencil representerar varje källkodrad en loop över ett helt block och kompileras till en vektorinstruktion, utan att deskriptorer behöver konfigureras eller uppgifter kopplas samman. Notationen använder <+- för att ackumulera i ett mål, ungefär som +=.

Kompilatorn fördelar också åtkomstmönster, loopdefinitioner, nätverksuttag och mikrotrådar över hela programmet. Den använder kostnadsmodeller och optimeringspass för att växla in och ut dessa resurser under körningen. Cerebras jämför tillvägagångssättet med registerallokering och spillning på processorer. När kompilatorn fattar de besluten blir senare omstruktureringar ändringar i högnivåkoden i stället för manuella omskrivningar.

Aviary omfattar handledningar och vetenskapliga applikationer

Tungsten och Aviary finns tillgängliga via Cerebras Labs. Applikationsportföljen omfattar allt från kompakta stencilberäkningar för värmeekvationen och Gray–Scott-reaktionsdiffusion till partikeltransport, glesa lösningar, snabba Fouriertransformer, molekyldynamik, plasmasimulering och hydrodynamik av hög ordning. Handledningen om Gray–Scott består av cirka 50 rader Tungsten-kod och ger nya användare en enklare ingång vid sidan av de fullständiga vetenskapliga programmen. Applikationerna för molekyldynamik omfattar kortdistansinteraktioner av Lennard–Jones-typ och tabellerade potentialer enligt metoden med inbäddade atomer för metallegeringar.

Cerebras uppger att SNAP, ett standardiserat proxyprogram för deterministisk transport av kärnstrålning, når 1,6 PFLOP/s på en enda CS-4, vilket överträffar 10 800 GPU:er på superdatorn El Capitan, och att HPCG, ett superdatorbenchmark med glesa arbetslaster, når 1,04 PFLOP/s på ett enda system.

Många av applikationerna utvecklades genom samarbete med de nationella laboratorierna Sandia, Lawrence Livermore och Los Alamos inom NNSA:s program Advanced Memory Technology. Koderna för molekyldynamik bygger vidare på samarbetets arbete, som var finalist till Gordon Bell Prize 2024, men är separata program; det tidigare resultatet använde en tidig version av Tungsten.

Agentgenererad plasmakod demonstrerar arbetsflödet

Partikel-i-cell-applikationen är lanseringens främsta exempel på agentbaserad kodning. Cerebras uppger att en forskare och en kodningsagent tog fram den på cirka två veckor via ett chattgränssnitt, där agenten skrev varje rad. Agenten utgick från publicerade algoritmer, validerade sin referensimplementation mot open source-koden XOOPIC, modellerade problemet utifrån plasmakoden EMPIRE och tog fram tester, figurer och dokumentation samtidigt som den hittade och rättade sina egna buggar.

Partiklarna i simuleringen rör sig i elektromagnetiska fält och förflyttas mellan kärnor, medan en implicit lösare beräknar fälten på ett uppdelat nät utifrån partiklarnas positioner och hastigheter. Det modellerade problemet är en elektronstråle som tränger in i argonplasma. Cerebras uppger att den fullständiga körningen simulerade 60 miljoner partiklar med 7 200 tidssteg per sekund och en genomströmning på 430 miljarder partikeluppdateringar per sekund på ett enda system.

Cerebras uppger att Tungsten-referensen är tillräckligt komplett för att stödja detta agentledda arbetsflöde. Michael James, medgrundare av Cerebras och chefsarkitekt för avancerad teknik, uppmuntrar ändå användarna att själva lära sig språket: ”Någon måste hålla agenterna på rätt spår.”

Cerebras uppger att samma Tungsten-kod körs på en enda wafer eller över ett kluster; företagets globala tsunamisimulering använde 64 wafer-enheter i en AI-driftsättning, och sådana driftsättningar kan skalas upp till 2 048 system.

Cerebras anger att en designoptimerare är på väg, men att den inte ingår i den lanserade portföljen. Den skulle koppla en AI-modell till en fysiksimulering som fungerar som modellens världsmodell, och båda skulle köras på waferen, så att AI-modellen kan testa konstruktioner mot simuleringen.

Tungstens praktiska betydelse ligger i programmeringsmodellen kring den rapporterade genomströmningen. Det avgörande testet är om forskare och agenter kan gå från Aviarys exempel till egen kod utan att behöva återgå till intrinsic-funktioner och manuellt routad nätverksstruktur. Den förmågan skulle avgöra hur brett Cerebras specialiserade maskinvara kan användas för vetenskapliga beräkningar och AI-styrd design.

Theo Nash är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker AI‑infrastruktur, beräkning och hårdvarusystemen som driver modern artificiell intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI‑arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och mjukvarustacken som binder dem samman.

Med ett analytiskt och ingenjörsdrivet perspektiv granskar Theo hur framsteg inom GPU:er, skräddarsytt kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI‑modeller. Han ägnar särskild uppmärksamhet åt prestandakompromisser, energieffektivitet, skalbarhet och de praktiska begränsningarna som formar verklig implementering av AI‑infrastruktur.

Artiklar skrivna av Theo Nash är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull täckning av det snabbt föränderliga AI‑beräkningslandskapet.