模型推理速度狂飙 20 倍，又有一家公司想赶超英伟达

AIGC动态欢迎阅读

原标题：模型推理速度狂飙 20 倍，又有一家公司想赶超英伟达
关键字：模型,内存,芯片,带宽,参数
文章来源：Founder Park
内容字数：0字

内容摘要：

曾造出世界最大芯片公司 Cerebras，发布了全球最快的 AI 推理架构——Cerebras Inference。
运行 Llama3.1 8B 时，它能以 1800 token/s 的速率吐出文字。
自推出了使用一整个晶圆制造的芯片以来，Cerebras 在过去几年里的宣传，都是以攻进英伟达所把持的 AI 芯片市场为目标。
以下文章转载自「新智元」和「半导体行业观察」，Founder Park 略有调整。
点击关注，每天更新深度 AI 行业洞察
01「全球最快」AI推理服务据首席执行官 Andrew Feldman 介绍，新的 AI 推理架构——Cerebras Inference。通过使用 SRAM，在以 16 位精度运行 Llama 3.1 8B 时每秒能够生成 1,800 个以上的 token，而性能最高的 H100 实例每秒最多可生成 242 个 token。
不论是总结文档，还是代码生成等任务，响应几乎一闪而过，快到让你不敢相信自己的眼睛。
如下图右所示，以往，微调版 Llama3.1 8B 推理速度为 90 token/s，清晰可见每行文字。
而现在，直接从 90 to

原文链接：模型推理速度狂飙 20 倍，又有一家公司想赶超英伟达