WSE jest 56,7 razy większy od dostępnych na rynku procesorów graficznych i zajmuje powierzchnię 465,25 centymetra kwadratowego. To specjalistyczny układ przeznaczony jedynie do trenowania sztucznej inteligencji. Z tego powodu ma jednopoziomową, rozproszoną pamięć SRAM o łącznej pojemności 18 GB i przepustowości 9 petabajtów na sekundę. To wszystko, w połączeniu z ogromną liczbą rdzeni, sprawia, że WSE wydaje się idealnym rozwiązaniem dla złożonych zadań, w których niezbędne jest zastosowanie uczenia maszynowego.
Bardzo istotne są też zastosowane algorytmy, które optymalizują obliczenia. W przypadku uczenia maszynowego wielokrotnie wykorzystuje się ogromne tablice, w których często duża ilość danych to po prostu zera. Układ WSE jest w stanie ominąć mnożenia przez zero, co oszczędza moc obliczeniową na bardziej użyteczne zadania. Ze względu na zastosowanie, w WSE zrezygnowano też z obsługi protokołów komunikacyjnych takich jak TCP/IP i MPI. To pozwoliło zmniejszyć energię potrzebną do przesłania 1 bita znacznie poniżej 1 pikodżula (1-bilionowej części dżula).
Uczenie maszynowe i SI na tyle się upowszechniła, że producenci sprzętu zaczęli produkować specjalne układy, które są wyspecjalizowane w zadaniach wymagających uczenia maszynowego. Wystarczy wspomnieć takie układy NPU jak A12 Bionic Apple, czy Kirin 980 Huawei. Jednak w przypadku WSE mówimy o układzie przeznaczonym do jeszcze bardzie wymagających zadań. Bardzo możliwe, że układ ten znajdzie zastosowanie w autonomicznych pojazdach, czy w centrach obliczeniowych. Warto przy tym przypomnieć, że również Intel wspólnie z chińskim koncernem Baidu, opracowuje własne układy SI o nazwie Nervana. | CHIP
→W naszym rankingu procesorów takiego olbrzyma nie ma, ale zajmujący pierwsze miejsce AMD Ryzen 9 3900X też imponuje.
