本文來自微信公眾號：品玩 （ID：pinwancool），作者：NeilShen，題圖來自：視覺中國

【資料圖】

Meta公布了自研芯片的進展。名為Meta Training and Inference Accelerator，即Meta訓練和推理加速芯片，簡稱MTIA。它預計將于2025年發布。

Meta宣稱MTIA是提高效率和水平的重要工具， 定制化的MTIA采用ASIC架構，可并行執行多個任務，適用于AI加速計算，從而成為Meta人工智能訓練和推理芯片家族中重要的組成部分。

Meta強調，雖然芯片的內存和網絡等功能還需要進一步優化，但MTIA在每瓦性能方面“顯著”提升了效率，可以幫助Meta更好探索人工智能前沿技術。

此外Meta還表示，MTIA將專注于人工智能推理，而不是訓練。

第一代MTIA由Meta在2020年創建，使用了7納米工藝，在Meta自己設計的性能測試中，它被認為在“中低復雜度”的AI模型方面相比GPU具有優勢。

除了MTIA，Meta還在開發另一種芯片，被稱為Meta可擴展視頻處理器（MSVP），顧名思義，MSVP主要的工作是將視頻內容——不管是短視頻還是直播，都盡量通過MSVP來加載整合，滿足不同平臺渠道對碼率、分辨率和低延遲等需求，避免讓基礎視頻需求采用軟件編碼形式處理，進而加速整個視頻工作流程。

Meta在幾個月前成立了生成式AI團隊，據說扎克伯格，CTO Andrew Bosworth花了大量的時間和這個團隊討論Meta在人工智能領域能做些什么。上周他們剛推出了針對廣告客戶的內容設計工具。

Meta在人工智能的進展過去集中在審核過濾和廣告推薦算法這些領域，許多時候這些負載是使用CPU組合運行的，再加上定制的專門用于加速的AI芯片。

隨著生成式AI的爆發，Meta已經采購了大量的英偉達芯片，原來的芯片方案已經被放棄。

Meta基礎設施副總裁Alexis Bjorlin在TechCrunch的采訪中將自研芯片形容為“構建對堆棧所有層面的控制能力”，這和百度的AI戰略思路很相似，從數據中心設計到訓練框架再到數據集和算法，Meta試圖在AI方面追上競爭對手，開始進行對本身AI全鏈條資源的整合。

自研芯片緊鑼密鼓提上日程，形成對比的是現在所有人都還在依賴英偉達的芯片。

Meta目前訓練大模型所使用的是名為Research SuperCluster (RSC)的超級計算機，它內置了2000個英偉達DGX A100系統，包括16000塊A100 GPU。

谷歌和微軟也都有自己的超級計算機，微軟把它整合在了自己的Azure云上（然后又和OpenAI結合在一起，后者使用微軟的資源訓練大模型），谷歌的超算則有26000塊H100 GPU。

超算資源直接和大模型開發訓練以及推理的進度有關，但也意味著會受到英偉達產能的“卡脖子”，因此各家都在推動自研芯片進展。

Google很早就研發了名為TPU的訓練芯片，AlphaGo就由其驅動。上個月有消息傳出，微軟在秘密研發自己的AI芯片，合作伙伴是英偉達對手AMD。

Meta走向自研之路是順理成章的，強化在AI領域的垂直整合能力不僅可以降低成本，定制芯片還能方便根據自家業務需求定制功能，更容易打造差異化競爭點。

如果Meta的大模型一方面能在傳統的社交業務上支撐內容廣告營銷（這部分具體的運行模式Meta自己承認也還在探索中），另一方面將生成式AI接入元宇宙，幫助用戶生成數字孿生形象和相關的代碼，那么其增長潛力將會極其巨大，扎克伯格在2月份就表示要致力于提高Meta的人工智能算力，押注AI的未來看上去是必由之路，Meta的自研芯片是向這條道路進發的最新嘗試。

本文來自微信公眾號：品玩 （ID：pinwancool），作者：NeilShen

關鍵詞：