据英国广播公司网站8月20日报道，由塞雷布拉斯系统公司设计的这款芯片名为“晶圆级引擎”，比普通的iPad略大。该公司称，单块芯片即可驱动从无人驾驶汽车到监视软件等各种复杂的人工智能(AI)系统。
但有专家称，事实将证明，把这项创新安装到许多数据中心是不切实际的。
报道称，多年来，计算机芯片总体上变得越来越小，速度也更快。通常会有几十块芯片在一个硅晶圆上制造出来，然后晶圆会被切割开来，以便将一个个芯片分开。
最强大的台式机中央处理器约有30个处理器核心，各个核心能够同时处理自己的运算。
而图形处理器往往拥有更多核心，尽管单个核心处理能力略低。
一直以来，这使得它们成为一些AI处理任务的首选，这些任务可以分解为若干部分，同时运行，任何一个计算的结果都不能决定另一个计算的输入。这方面的例子包括语音识别、图像处理和模式匹配。最强大的图形处理器有多达5000个核心。
但塞雷布拉斯系统公司的新型芯片有40万个核心，它们全部通过高带宽连接互相联系。该公司称，这使得这种芯片在应对复杂的机器学习挑战时拥有优势，它的延迟更短、动力要求更低，而且这种新型芯片能将处理一些复杂数据所需的时间从数月减少到数分钟。
塞雷布拉斯系统公司创始人兼首席执行官安德鲁费尔德曼说，该公司“克服了几十年来的技术挑战”，这些挑战限制了芯片的尺寸。他说：“减少训练时间消除了制约整个行业前进的一大瓶颈。”
塞雷布拉斯系统公司已经开始将这款硬件运送给少数客户，但尚未透露这些芯片的价格。
虽然这些芯片的处理速度的确快得多，但美国阿南德技术网站的高级编辑伊恩卡特雷斯说，技术进步是需要付出成本的。
“更小型计算机芯片的优势之一是，它们消耗的功率要少很多，并且更容易保持低温，”他解释说，“当你开始使用这种尺寸更大的芯片时，企业需要专门的基础设施来支持它们，这将限制谁能实际使用它。这就是为什么它适用于AI领域，因为目前有大笔资金正投向这个领域。”
塞雷布拉斯系统公司远不是第一家开发AI系统所用芯片的公司。2016年，谷歌开发了张量处理器芯片，用以驱动包括其翻译应用程序在内的软件，现在正将该技术出售给第三方；次年，中国的华为公司宣布，其麒麟智能手机芯片已获得一款神经网络处理器，以助加速矩阵乘法计算，AI任务中常包含这种计算。
但并非这方面的所有努力都取得了成功。上世纪80年代初，美国三部曲网络系统公司获得了数亿美元资金，用于打造自己的超级芯片。然而，那些处理器在测试中温度过高，并且没有最初想象的那么强大。由于受到技术挑战和个人挑战的困扰，该公司五年后放弃了这个项目。
