節能型 AI 硬體
公司表示其 XPU 晶片可用極少的能耗執行各類 AI 工作負載，重點不只在文字生成，也著重探索型運算。
概覽
Zettascale 正在打造 AI 晶片，包括 XPU，用於以探索為核心的工作負載。該公司將其硬體定位為 AI 系統的基礎設施，不只是產生文字：它們提出想法、模擬這些想法、以現實測試候選方案，並利用結果改進下一輪。
網站將 Grasshopper 呈現為第一款 XPU，目前以 FPGA 原型實作，而 Monolith 則是正在開發中的叢集，可將多顆 XPU 連接成更大型的機器。從公開頁面來看，這項產品以節能、可重組資料流晶片為核心，適用於 AI 訓練與推論，並強調將資料移動降到最低、支援密集與非規則運算，以及涵蓋廣泛的精度範圍。
核心能力
降低資料移動
Grasshopper 被介紹為第一款 XPU 的 FPGA 原型，設計目標是將資料移動降到最低，而網站將資料移動視為 AI 中的主要能耗成本。
混合工作負載支援
該架構被描述為可在同一台機器中支援密集與非規則工作負載，因此能同時處理大量矩陣運算與稀疏、條件式執行。
廣泛精度範圍
論文頁面指出，硬體應涵蓋從 fp8 到 fp64 的精度範圍，讓它既能支援低精度訓練，也能支援更高精度的科學運算。
叢集規模探索流程
Monolith 被呈現為一個表現得如同單一晶片的叢集，旨在支援訓練、模擬與驗證，形成一個探索循環。
可重組資料流設計
公開頁面將產品定位為可重組資料流晶片，表示其架構可跨 AI 訓練與推論工作負載進行調整。
適用情境
探索型 AI 研究
當團隊正在打造需要提出候選方案、模擬結果，並在同一個探索循環中驗證結果的 AI 系統，而不只是提供文字回應時使用。
混合運算 AI 工作負載
適用於結合密集線性代數與稀疏或非規則執行的工作負載；當單一固定加速器過於狹隘，而通用 GPU 可能浪費資源時特別合適。
重視能耗的訓練與推論
適用於重視能耗的專案，尤其當資料移動是顯著成本，且工作負載可受益於資料流導向設計時。
科學與模擬密集工作
當研究團隊在工作流程的部分環節需要較高精度運算，例如科學或模擬密集步驟，需要超過低精度張量數學時使用。
叢集式探索流程
適用於需要將多個 XPU 連接成單一邏輯機器，以進行訓練、模擬與驗證的團隊規模系統。
Pros and Cons
Pros
- 同時針對密集數學與非規則執行，而不只優化單一工作負載模式。
- 支援從 fp8 到 fp64 的精度範圍，與訓練及科學工作負載都相關。
- 將系統圍繞降低資料移動來設計，這是 AI 硬體中的關鍵能耗成本。
- 從單一 XPU 概念延伸到叢集規模運作，讓 Monolith 表現得如同一顆晶片。
Cons
- 公開網站未提供詳細的安裝文件、整合資訊或平台相容性說明。
- 未公開價格、方案結構或購買條款。
- 這些硬體以開發中的形式描述，因此部分產品能力看起來仍屬於路線圖，而非已正式出貨的功能。
FAQ
Zettascale 是做什麼的？
Zettascale 正在打造用於 AI 訓練與推論的節能可重組資料流晶片。網站將其硬體定位為專為探索型 AI 工作負載而設，而非一般用途的消費者應用程式。
Grasshopper 是什麼？
網站將 Grasshopper 描述為第一款 XPU，並以 FPGA 進行原型驗證。它被呈現為一種降低資料移動的方法，而公司認為資料移動是 AI 中主要的能耗成本。
Monolith 用於什麼？
Monolith 被描述為一個開發中的叢集，可將多個 XPU 連接起來，使其如同一顆晶片般運作。其預期工作流程是探索循環：在同一台機器中完成訓練、模擬與驗證。
Zettascale 如何定價？
公開頁面未顯示產品定價、方案層級或自助結帳流程。定價網址看起來是公司頁面，而非產品定價頁。
支援哪些安裝或整合？
來源強調其硬體支援密集數學、從 fp8 到 fp64 的完整精度範圍，以及非規則運算。但未說明軟體整合、安裝步驟或平台相容性細節。
Quick Facts
- 類別
- AI 晶片
- 主要產品
- XPU 晶片
- 原型
- Grasshopper
- 叢集系統
- Monolith
- 公司網域
- exalaboratories.com
- 總部
- 美國加州舊金山