Meta börjar testa sitt första interna AI-träningschip

Meta, företaget som äger Facebook, testar sitt första egenutvecklade chip för att träna artificiell intelligens (AI), en milstolpe i deras strävan att designa fler anpassade chip och minska sitt beroende av leverantörer som Nvidia.

Uppskattad investeringsbudget på 119 miljarder USD

Världens största sociala medieföretag Meta har påbörjat småskaliga tester med chipet och planerar att öka produktionen för bredare användning om testet lyckas.

Meta, företaget som äger Facebook, testar sitt första interna chip för att träna artificiell intelligens (AI)-system.

Satsningen på att utveckla egna chips är en del av Metas långsiktiga plan för att minska sina massiva infrastrukturkostnader, eftersom företaget satsar stort på AI-verktyg för att driva tillväxt.

Meta, som även äger Instagram och WhatsApp, förutspår att de totala utgifterna under 2025 kommer att ligga på mellan 114 och 119 miljarder dollar, inklusive upp till 65 miljarder dollar i kapitalutgifter, till stor del drivna av investeringar i AI-infrastruktur.

Metas nya träningschip är en dedikerad accelerator, vilket innebär att den är utformad för att hantera specifika AI-uppgifter, enligt en källa. Detta gör den mer energieffektiv än de integrerade grafikprocessorer (GPU:er) som vanligtvis används för AI-arbetsbelastningar.

Enligt källan samarbetar Meta med världens största kontraktschiptillverkare TSMC för att producera detta chip.

Testutplaceringen började efter att Meta slutfört sin första "tape-out" av chipet, en viktig milstolpe inom kiselchiputveckling som innebär att den ursprungliga designen skickas genom en chiptillverkningsanläggning. En typisk tape-out-process kostar tiotals miljoner dollar och tar cirka tre till sex månader att slutföra, utan någon garanti för att testet kommer att lyckas. Om det misslyckas måste Meta diagnostisera problemet och upprepa tape-out-steget.

Chipet är det senaste i företagets Meta Training and Inference Accelerator (MTIA)-linje, ett program som har haft en tuff start under åren och har sett ett chip avbrutet i ett liknande utvecklingsstadium.

Förra året började dock Meta använda ett MTIA-chip för att utföra inferens, vilket är processen att köra ett AI-system när användare interagerar med det, för rekommendationssystem som bestämmer vilket innehåll som visas i Facebooks och Instagrams nyhetsflöden.

Meta planerar att använda interna träningschips senast 2026

Meta-chefer säger att de vill börja använda interna chips senast 2026 för träning, den beräkningsintensiva processen att mata ett AI-system med massiva mängder data för att "lära" det hur det ska fungera.

Meta-chefer säger att de vill börja använda interna chips för utbildning senast 2026.

Precis som med inferenschippet är målet med träningschippet att börja med rekommendationssystem och sedan använda det för generativa AI-produkter som Meta AI-chatboten, säger chefer. "Vi tittar på hur vi tränar för rekommendationssystem, och sedan hur vi tänker kring träning och inferens för generativ AI", sa Metas produktchef Chris Cox på Morgan Stanleys teknik-, media- och telekommunikationskonferens förra veckan.

Herr Cox beskrev Metas chiputvecklingsarbete som "en gå-, kryp- och sedan spring-situation" hittills, men sa att cheferna ansåg att deras första generationens inferenschip för rekommendationssystem var "en enorm framgång".

Meta avbröt tidigare ett internt anpassat inferenschip efter att det misslyckades i en småskalig pilotinstallation liknande den nuvarande för träningschippet, och återgick istället till att beställa GPU:er värda miljarder dollar från Nvidia 2022.

Sociala medieföretaget har sedan dess varit en av Nvidias största kunder och har samlat en flotta av grafikkort för att träna sina modeller, inklusive deras rekommendations- och annonssystem och deras Llama-familj av plattformsmodeller. Dessa enheter utför också inferens för de mer än 3 miljarder människor som använder deras appar varje dag.

Värdet av dessa GPU:er har ifrågasatts i år då AI-forskare har blivit alltmer skeptiska till hur mycket ytterligare framsteg som kan göras genom att fortsätta att "skalera upp" stora språkmodeller genom att lägga till mer data och datorkraft.

Dessa tvivel förstärktes av lanseringen i slutet av januari av nya lågkostnadsmodeller från den kinesiska startupen DeepSeek, vilka optimerar beräkningseffektiviteten genom att förlita sig mer på inferens än de flesta nuvarande modeller.

Nvidia-aktier förlorade så mycket som en femtedel av sitt värde vid ett tillfälle under en global utförsäljning av AI-aktier utlöst av DeepSeek. De har sedan dess återhämtat sig mycket av sina förluster då investerare satsade på att företagets chip skulle förbli branschstandarden för träning och inferens, även om de sedan dess har fallit tillbaka på grund av bredare handelsproblem.

Källa: https://www.baogiaothong.vn/meta-bat-dau-thu-nghiem-chip-dao-tao-ai-noi-bo-dau-tien-192250312120123752.htm