AI 模型与平台

Cerebras 发布 Tungsten,助力晶圆级高阶编程

Theo Nash
将 Unite.AI 添加到您在 Google 上的首选来源
要点Tungsten将晶圆资源分配转移到编译器,使科学家无需手动进行描述符和结构配置。
查看更多
  • Tungsten将晶圆资源分配转移到编译器,使科学家无需手动进行描述符和结构配置。
  • 一个编码代理编写了一个完整的等离子体模拟,该模拟在Cerebras晶圆的98%上运行。
  • 真正的考验在于研究人员能否将Aviary的示例扩展到自己的代码中,而不必回退到内建函数。

Cerebras Systems 于 2026 年 11 月 16 日发布了 Tungsten。这是一种面向其 Wafer-Scale Engine 的高级语言及编译器。公司还同步推出了 Aviary,这是一个科学应用与教程合集。公告称,一段完全由编程智能体编写的等离子体模拟代码,已在一片 Cerebras 晶圆上运行,覆盖了其 98% 的面积。

此次发布旨在减轻编程负担,而非改变处理器本身。早期编译器通过内建函数开放非标量向量、流和事件功能,开发者因此必须配置描述符、将任务与事件关联,并手动规划片上互连。Cerebras 的目标是让科学家无需成为硬件专家,也不必牺牲性能,就能以高层次的方式对晶圆编程。

编译器管理晶圆级资源

Cerebras 将 Wafer-Scale Engine 描述为一台数据流机器,拥有 900,000 个核心、本地内存和晶圆上的通信网络;数据到达后,会触发处理这些数据的工作。访问模式寄存器可遍历多维数组和片上互连数据流,因此地址计算不占用指令。单条指令可以将整个循环作为操作数;核心之间可以通过片上互连消息相互调用函数;基于事件的控制流则取代轮询和分支。

Tungsten 采用了一种架构模型,可将高级代码映射到访问模式寄存器、事件驱动任务、片上互连调用以及包含循环的指令。公告中的 Jacobi 模板示例里,每一行源代码都表示对整个数据块进行循环,并可编译为一条向量指令,无需设置描述符或连接任务。这种记法使用 <+- 将值累加到目标位置,类似于 +=.

编译器还会通过成本模型和优化遍历,在整个程序范围内分配访问模式、循环定义、片上互连套接字和微线程,并在执行过程中调度这些资源的换入与换出。Cerebras 将这一做法比作 CPU 的寄存器分配与溢出处理。由编译器负责这些决策后,后续重构只需修改高级代码,而不必手动重写。

Aviary 涵盖教程与科学应用

Tungsten 和 Aviary 已通过 Cerebras Labs 上线。应用组合涵盖简洁的热方程和 Gray–Scott 反应扩散模板,也包括粒子输运、稀疏求解、快速傅里叶变换、分子动力学、等离子体模拟和高阶流体动力学。Gray–Scott 教程约有 50 行 Tungsten 代码,为新用户提供了一个更易上手的切入点,同时还有完整的科学计算代码可供使用。分子动力学应用涵盖短程 Lennard–Jones 相互作用,以及用于金属合金的表格化嵌入原子势。

Cerebras 报告称,作为确定性核辐射输运标准代理应用的 SNAP,在一台 CS-4 上达到 1.6 PFLOP/s,性能超过 El Capitan 超级计算机上的 10,800 块 GPU;作为稀疏工作负载超级计算基准的 HPCG,则在单个系统上达到 1.04 PFLOP/s。

许多应用源于与 Sandia、Lawrence Livermore 和 Los Alamos 国家实验室在 NNSA 高级内存技术计划下开展的合作。分子动力学代码以合作项目入围 2024 年 Gordon Bell 奖决赛的成果为基础,但它们是独立的代码;此前的成果使用的是 Tungsten 早期版本。

智能体编写的等离子体代码展示工作流程

粒子模拟应用是此次发布中展示智能体编程的核心案例。Cerebras 称,一名研究人员与一名编程智能体通过聊天界面合作,约用两周完成该应用,所有代码行均由智能体编写。智能体依据已发表的算法开展工作,使用开源 XOOPIC 代码验证参考实现,以 EMPIRE 等离子体代码为问题建模,并在生成测试、图表和文档的同时,发现并修复了自身的错误。

模拟中的粒子在电磁场作用下运动,并在核心之间迁移;隐式求解器则根据粒子的位置和速度,在分解后的网格上计算场。建模的问题是电子束进入氩等离子体。Cerebras 报告称,完整运行模拟时,以每秒 7,200 个时间步推进了 60 million 个粒子,在单个系统上的吞吐量达到每秒 430 billion 次粒子更新。

Cerebras 表示,Tungsten 参考资料已足够完善,可以支持这种由智能体主导的工作流程。Cerebras 联合创始人兼先进技术首席架构师 Michael James 仍鼓励用户亲自学习这门语言:“总得有人确保智能体不偏离方向。”

Cerebras 表示,同一份 Tungsten 代码既可在单片晶圆上运行,也可在集群中运行;其全球海啸模拟在一项 AI 部署中使用了 64 片晶圆,而此类部署最多可扩展至 2,048 个系统。

Cerebras 将设计优化器列为即将推出的产品,而非已发布应用组合的一部分。该优化器将 AI 模型与充当其世界模型的物理模拟相结合,两者均在晶圆上运行,使 AI 模型能够依据该模拟测试设计方案。

Tungsten 的实际意义,在于围绕其所报告的吞吐量构建的编程模型。关键在于,研究人员和智能体能否从 Aviary 的示例出发,编写自己的代码,而不必重新使用内建函数并手动布线互连网络。这种能力将决定 Cerebras 的专用硬件能在多大范围内支持科学计算和 AI 引导的设计。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。