Meta wdroży własne chipy AI w pierwszej połowie przyszłego roku, aby obniżyć koszty i zmniejszyć zależność od Nvidia

Meta przyspiesza tempo wdrażania własnych chipów AI, aby zmniejszyć zależność od NVIDIA oraz obniżyć koszty operacyjne centrów danych.

Firma poinformowała, że trzecia generacja autorskiego chipa MTIA 450 (nazwa kodowa: Arke) zostanie wdrożona w centrach danych w pierwszej połowie przyszłego roku. Prace projektowe nad czwartą generacją MTIA 500 (nazwa kodowa: Astrid) zostaną ukończone w ciągu około miesiąca, a wejście do centrów danych przewidziane jest na koniec 2027 roku, przy dużo szerszej skali wdrożenia.

Ta mapa drogowa chipów wskazuje na realny postęp Meta w obniżaniu kosztów infrastruktury AI.

Wiceprezes ds. inżynierii w Meta, Yee Jiun Song, stwierdził, że autorskie chipy są wydajniejsze od obecnie dostarczanych rozwiązań NVIDIA w zakresie uruchamiania modeli AI, „ponieważ sami wykonujemy znaczną część prac inżynieryjnych”.

W ciągu najbliższych 12 miesięcy deklarowane wdrożenia Meta dla autorskich chipów przekroczą odpowiednik 1 gigawata poboru mocy. Yee Jiun Song zapowiedział, że później tempo ekspansji może się jeszcze zwiększyć, pod warunkiem braku załamania rynku lub popytu na AI.

Na moment publikacji, we wtorek w trakcie sesji Meta zwyżkowała o 0,18%, a NVIDIA o 0,74%.

Meta wspólnie z Broadcom projektuje chipy, z kolei za produkcję odpowiada TSMC; cały kierunek zmierza do ograniczenia zależności od dominacji NVIDIA w branży.

Meta po raz pierwszy ogłosiła plany badań nad własnymi chipami w 2023 roku. Obecna, trzecia generacja, otrzymała pierwszych 12 próbek z fabryk TSMC 1 września; różnice pomiarów wydajności w testach i symulacjach były poniżej 2–3%. Podczas pierwszych testów zespół inżynierski skutecznie uruchomił na chipie autorski model Meta.

Yee Jiun Song podkreślił, że wyniki testów wskazują brak istotnych wad konstrukcyjnych, jednak konieczne są jeszcze miesiące strojenia i optymalizacji; jednocześnie wydajność produkcyjna TSMC nadal rośnie.

Podkreślił, że ta linia chipów opiera się głównie o pamięć o wysokiej przepustowości i jest przeznaczona głównie do typowych scenariuszy wnioskowania, a nie do ultraszybkiego inferencji wymagającej najkrótszego czasu reakcji. „To nasz podstawowy chip do ogólnego wnioskowania,” powiedział.

Meta rozważała wcześniej rozwój chipa pod kryptonimem Olympus, mającego wspierać zarówno fazy treningu, jak i wnioskowania modeli AI, z premierą planowaną na lata 2028–2029.

Jednak według informacji Yee Jiun Songa projekt został anulowany, a firma skoncentrowała się na chipach do wnioskowania, głównie ze względu na czynniki kosztowe.

„Gdy zaczynasz rozbudowę do wielkoskalowych instalacji rzędu kilku gigawatów, koszty stają się kluczowe,” powiedział. Zaznaczył, że jeśli chip obsługujący jednocześnie trening i wnioskowanie będzie droższy o około 30%, to przy masowym wdrożeniu „jest to absolutnie nie do przyjęcia”.

Meta Superintelligence Labs wspomaga strojenie chipów pod kątem potrzeb przyszłych modeli AI, optymalizując ich wydajność podczas fazy wnioskowania.

Po zakończeniu prac nad Astrid, Meta planuje, że dalsze generacje chipów będą skupione na zwiększaniu szybkości obliczeniowej i przepustowości, czyli liczby obsługiwanych zadań AI w jednostce czasu. Wprowadzenie technologii światłowodowej może dodatkowo usprawnić wydajność chipów.

„Mamy bardzo solidną mapę drogową,” mówi Yee Jiun Song. „W nadchodzących latach planujemy konsekwentnie rozwijać chipy zdolne konkurować z ofertą dostawców.”

Ta deklaracja odzwierciedla dążenie Meta do stopniowego przejmowania inicjatywy technologicznej w infrastrukturze AI dzięki autorskim rozwiązaniom krzemowym oraz tworzenia trwałej przewagi kosztowej i energetycznej.