ADVERTISEMENT
在半導體產業中，晶片尺寸與良率之間的關係長久以來一直被視為難以突破的限制。傳統觀念認為，晶片越大，良率越低。然而，Cerebras 公司卻成功挑戰了這個傳統思維。
Cerebras 設計並商業化了一款比目前最大運算晶片還要大 50 倍的晶片，卻依然能夠達到相當的良率，這項成就引發了業界的好奇與關注。Cerebras 如何克服晶片尺寸帶來的巨大挑戰，在晶圓級處理器中實現可用的良率，成為眾人急於理解的焦點：Cerebras 是如何在晶圓級處理器中實現可用的良率的？
答案在於重新思考晶片尺寸與容錯率之間的關係。本文將提供一個詳細的、逐項比較的分析，探討 Cerebras Wafer Scale Engine 與一個 H100 大小晶片（同樣使用 5nm 製程）的製造良率。透過檢視缺陷率、核心大小及容錯率的相互作用， Cerebras將展示如何在晶圓級整合中實現與限制在光罩範圍內的 GPU 相等甚至更高的良率。
什麼決定了良率
如同任何製造流程，電腦晶片不可避免地會有缺陷。較大的晶片更容易遭遇缺陷，因此隨著晶片面積增大，良率會指數級下降。儘管較大的晶片通常運行速度更快，早期的微處理器為了維持可接受的製造良率與利潤，通常選擇適中的尺寸。
然而，這一情況在 2000 年代初期開始改變。當電晶體數量超過一億後，設計師開始在晶片中加入多個獨立核心。由於這些核心是獨立且相同的，晶片設計師引入了核心級容錯機制，讓即便某個核心存在缺陷，其他核心仍能正常運行。例如，2006 年 Intel 推出了 Intel Core Duo（雙核心處理器）。如果其中一個核心出現缺陷，該產品仍可作為 Intel Core Solo（單核心處理器）銷售。Nvidia、AMD 等公司隨後也採用了這種核心級冗餘設計。
如今，高效能處理器廣泛使用容錯設計，並且售賣部分核心被禁用的晶片已成為常態。AMD 和 Intel 的處理器通常推出一個全部核心可用的旗艦版本，並搭配部分核心被禁用的低階版本。同樣，Nvidia 的資料中心 GPU 體積遠大於 CPU 晶片，因此即使是旗艦型號也會禁用部分核心。
以 Nvidia H100 為例，這是一款面積達 814mm² 的大型 GPU。傳統上這種晶片很難以經濟的方式達成高良率。然而，由於其核心（SM，流式多處理器）具備容錯能力，製造缺陷不會讓整個產品報廢。該晶片實際上有 144 個 SM，但商業化產品僅啟用 132 個 SM，這意味著即便有多達 12 個 SM 出現缺陷，該產品仍可作為旗艦型號銷售。
容錯率是良率的關鍵
傳統上，晶片尺寸直接影響晶片良率。但在現代，良率是晶片尺寸與容錯率的函數。過去被認為無法經濟商業化的 800mm² 晶片，透過容錯設計，現已成為主流產品。
容錯率的程度可由缺陷發生時損失的晶片面積來衡量。對於多核心晶片而言，核心越小，容錯率越高。如果單個核心足夠小，就有可能製造非常大的晶片。
Wafer Scale Engine 核心
在 Cerebras，決定構建晶圓級晶片之前， Cerebras 首先設計了一個非常小的核心。Wafer Scale Engine 3 中的每個 AI 核心約為 0.05mm²，僅為 H100 SM 核心大小的約 1%。這兩種核心設計均具備容錯能力，這意味著一個 WSE 核心的缺陷僅會損失 0.05mm²，而 H100 則會損失約 6mm²。從理論上來看，Cerebras Wafer Scale Engine 的容錯率比 GPU 高約 100 倍，考慮的是缺陷對矽面積的影響。
路由架構
但僅僅擁有小核心還不夠。 Cerebras還開發了一種精密的路由架構，能夠動態重新配置核心之間的連接。當偵測到缺陷時，系統可透過冗餘通信路徑自動繞過缺陷核心，並利用鄰近核心保持晶片的整體運算能力。
該路由系統與小量備用核心協同工作，能夠替換受缺陷影響的核心。與以往需要大規模冗餘的方式不同， Cerebras的架構透過智慧型路由實現了以最少備用核心達成高良率。
晶圓級的實際運作
讓 Cerebras比較在 TSMC 5nm、300mm 晶圓上的傳統 GPU 和晶圓級晶片的良率：
左側是一個類似 H100 的 GPU：面積為 814mm²，包含 144 個容錯核心，單個 300mm 晶圓可產生 72 個完整晶片。右側是 Cerebras Wafer Scale Engine 3，其為一個 46,225mm² 的大型正方形晶片，擁有 970,000 個容錯核心。一個晶圓只能產出一片晶片。
在當前的 TSMC 5nm 節點下，TSMC 製程的缺陷密度約為每 mm² 0.001。72 個 GPU 晶片的總面積為 58,608mm²，按此缺陷密度運算，這些面積中將出現 59 個缺陷。假設每個缺陷都影響不同核心，則每個核心面積為 6.2mm²，總計會損失 361mm² 的晶片面積。
對於 Cerebras 來說，有效晶片面積稍小，為 46,225mm²，按相同的缺陷密度，將會出現 46 個缺陷。每個核心僅為 0.05mm²，因此總損失面積僅為 2.2mm²。
總體來說，在相同製程和缺陷率下，GPU 的損失矽面積比 Wafer Scale Engine 多 164 倍。
儘管上述運算簡化了部分細節，但其基本規律依舊成立：核心越小，容錯率越高。
Cerebras 的卓越表現
讓 Cerebras回顧比較表，並將 Cerebras Wafer Scale Engine 加入其中。與 Nvidia 的資料中心 GPU 一樣，WSE-3 採用了容錯設計，並禁用了部分核心以管理良率。由於 Cerebras的核心非常小，總核心數量高達 970,000 個，當前商業化產品中啟用 900,000 個核心，提供了極為精細的容錯能力。
儘管 Cerebras建造了世界上最大的晶片， Cerebras的矽面積使用率達到 93%，高於當今領先的 GPU。
Cerebras 透過設計小型容錯核心和容錯片上結構，解決了晶圓級製造挑戰。儘管總晶片面積比傳統 GPU 增加了約 50 倍，但 Cerebras將單一核心大小縮小了約 100 倍。結果，缺陷對 WSE 的損害遠低於傳統多核心處理器。第三代 WSE 引擎達到 93% 的矽使用率，這證明晶圓級運算不僅是可能的，更能在商業規模下實現。
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！