Собственикът на Facebook Meta Platforms планира тази година да внедри в своите центрове за данни нова версия на персонализиран чип, насочен към подпомагане на изкуствения интелект (AI), съобщава Ройтерс.
Чипът, второ поколение на собствената силиконова линия Meta, обявена миналата година, може да помогне за намаляване на зависимостта на Meta от чиповете на Nvidia (NVDA.O), които доминират на пазара и контролират спираловидно нарастващите разходи, свързани с изпълнението на AI работни натоварвания.
Най-голямата компания за социални медии в света се бори да увеличи изчислителния си капацитет за жадните за енергия генеративни AI продукти, които налага в приложенията Facebook, Instagram и WhatsApp и хардуерни устройства като смарт очилата си Ray-Ban. Meta харчи милиарди долари, за да натрупа арсенали от специализирани чипове и да преконфигурира центровете за данни, за да ги поемат.
В мащаба, в който Meta оперира, успешното внедряване на собствен чип може потенциално да намали стотици милиони долари годишни разходи за енергия и милиарди разходи за закупуване на чипове, сочи Дилън Пател, основател на групата за изследване на силиций SemiAnalysis.
Главният изпълнителен директор на Meta Марк Зукърбърг миналия месец заяви, че компанията планира да има до края на годината приблизително 350 000 водещи процесора „H100“ от Nvidia, която произвежда най-търсените графични процесори, използвани за AI. В комбинация с други доставчици Meta ще натрупа еквивалентен изчислителен капацитет от общо 600 000 H100, изтъква Зукърбърг.
Внедряването на собствен чип като част от този план е положителен обрат за вътрешния силиконов проект за изкуствен интелект на Meta, след решението на ръководството през 2022 г. да бъде спряна първата версия на чипа. Вместо това компанията избра да закупи графични процесори на Nvidia на стойност милиарди долари, които имат почти монопол върху AI процес, известен като обучение, който включва захранване на огромни набори от данни в модели, за да ги научи как да изпълняват задачи.
Новият чип, наричан вътрешно „Artemis“, подобно на своя предшественик, може да изпълнява само процес, в който моделите са призовани да използват своите алгоритми, за да правят преценки за класиране и да генерират отговори на потребителски указания.
