# Zettascale

Zettascale 打造面向探索型工作负载的节能 AI 芯片与 XPU，支持从原型到集群规模的系统。

- Findings24: <https://findings24.com/zh-CN/tools/zettascale>
- 网站: <https://exalaboratories.com>
- 价格: Freemium
- 分类: AI开发者工具, AI 趣味工具

## 什么是 Zettascale？

Zettascale 正在打造面向发现型工作负载的 AI 芯片，包括 XPU 芯片。公司将其硬件定位为 AI 系统的基础设施，这些系统不只是生成文本：它们提出想法、对其进行模拟、用现实结果测试候选方案，并利用结果改进下一轮。

网站将 Grasshopper 介绍为首款 XPU，目前已在 FPGA 上完成原型验证；Monolith 则是一个正在开发中的集群，用于将 XPU 连接成更大的机器。在公开页面中，产品被描述为面向 AI 训练和推理的节能可重构数据流芯片，重点强调减少数据移动、支持稠密与非规则计算，并覆盖宽广的精度范围。

## Zettascale 能做什么？

### 节能型 AI 硬件

公司表示，其 XPU 芯片可用极少的能耗运行各种 AI 工作负载，重点面向发现型计算，而不仅仅是文本生成。

### 减少数据移动

Grasshopper 被介绍为首款 XPU 的 FPGA 原型，旨在尽量减少数据移动，而网站将其识别为 AI 中一项主要的能耗成本。

### 混合工作负载支持

该架构被描述为可在一台机器中同时支持稠密和非规则工作负载，因此既能处理以矩阵为主的计算，也能处理稀疏的条件执行。

### 宽精度范围

技术说明页称该硬件应覆盖从 fp8 到 fp64 的精度范围，从而既可用于低精度训练，也可用于更高精度的科学计算。

### 集群级发现工作流

Monolith 被呈现为一个像单芯片一样运作的集群，旨在在发现循环中同时支持训练、模拟和验证。

### 可重构数据流设计

公开页面将产品定位为可重构数据流芯片，表明其架构可适配 AI 训练与推理工作负载。

## 使用场景

### 面向发现型的 AI 研究

适用于构建需要提出候选方案、模拟结果并验证结果的 AI 系统，而不仅仅是提供文本回复的团队。

### 混合计算型 AI 工作负载

适用于将稠密线性代数与稀疏或非规则执行相结合的工作负载，此时单一固定加速器可能过于狭窄，而通用 GPU 可能会浪费算力。

### 注重能效的训练与推理

适用于重视能耗且数据移动成本较高的项目，尤其是当工作负载能从数据流导向设计中受益时。

### 科学与模拟密集型工作

适用于研究团队在工作流的部分环节需要更高精度计算的场景，例如需要超越低精度张量运算的科学或模拟密集型步骤。

### 集群化发现流水线

适用于团队级系统，需要将多个 XPU 连接为一个逻辑机器，用于训练、模拟和验证。

## 常见问题

### Zettascale 是做什么的？

Zettascale 正在打造用于 AI 训练和推理的节能可重构数据流芯片。该网站将其硬件定位于面向发现型的 AI 工作负载，而非通用消费者应用。

### 什么是 Grasshopper？

网站将 Grasshopper 描述为首款 XPU，并在 FPGA 上进行了原型验证。它被设计用于尽量减少数据移动，而公司称这是一项 AI 中占主导地位的能耗成本。

### Monolith 用于什么？

Monolith 被描述为一个正在开发中的集群，用于将多个 XPU 连接起来，使其像一颗芯片一样工作。其目标工作流是发现循环：在一台机器中完成训练、模拟和验证。

### Zettascale 如何定价？

公开页面未显示产品定价、套餐层级或自助购买流程。定价页面看起来更像是公司页面，而不是产品定价页面。

### 支持哪些设置或集成？

源内容强调了面向稠密计算的硬件、从 fp8 到 fp64 的完整精度范围，以及非规则执行。它没有说明软件集成、安装步骤或平台兼容性细节。

## 快速信息

- **类别**: AI 芯片
- **主要产品**: XPU 芯片
- **原型**: Grasshopper
- **集群系统**: Monolith
- **公司域名**: exalaboratories.com
- **总部**: 美国加利福尼亚州旧金山