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。

【資料圖】

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。