Meta 正斥资数十亿美元用于人工智能研发，决心要在生成式人工智能领域追赶竞争对手。这些资金不仅涵盖了扩充AI研究团队的开支，更侧重于自主研发硬件技术，尤其是能高效运行及训练Meta AI模型的专用芯片。

就在昨日英特尔发布其最新AI加速器硬件之后，Meta迅速展示了其芯片研发的最新进展——新一代MTIA。作为先前MTIA v1版本的升级迭代，这款芯片能够支持包括针对Meta旗下各平台（例如Facebook）上的显示广告排名算法和推荐系统在内的多种复杂模型。

与基于 7nm 工艺构建的 MTIA v1 相比，新一代 MTIA 采用了更为先进的 5nm 工艺，在物理尺寸上有所增加，并搭载了更多的处理核心。尽管整体功耗有所提升（从25w到90w），但配备了更多的内部存储器（从64MB扩容至128MB）。

Meta 表示，新一代 MTIA 目前已在其 16 个数据中心区域投入使用，并且相较于MTIA v1 ，整体性能提高了 3 倍。Meta在博客中写道，“得益于对整体技术堆栈的把控，相较于商用GPU，新一代MTIA实现了更高的效率。”

虽然Meta正积极推动“多项相关计划”，探索新一代MTIA在生成式AI训练任务中的应用潜力，但现阶段尚未将其用于此类工作负载。此外，Meta 表示新一代 MTIA 并非旨在取代用于运行或训练模型的 GPU，而是对其进行补充。

可以看出，Meta在推进自家硬件发展方面的步伐似乎并不如预期那样迅速。

Meta 的人工智能团队无疑面临着削减成本的压力。到 2024 年底，该公司预计将在 GPU 上花费180亿美元，用于训练和运行生成式 AI 模型，而在前沿生成式模型的训练成本动辄数千万美元的情况下，自主研发硬件成为了颇具吸引力的替代方案。

与此同时，Meta在硬件创新领域的相对滞后让其管理层备感压力，因为竞争对手正以前所未有的速度推进相关技术研发。例如，本周谷歌已向谷歌云客户提供了用于训练AI模型的第五代定制芯片TPU v5p ，并推出了首款专门用于运行模型的芯片Axion。另一边，亚马逊早已构建了一系列定制AI芯片产品。而微软也不甘示弱，在前一年推出了Azure Maia AI加速器和Azure Cobalt 100 CPU，进一步加剧了在AI硬件市场的竞赛态势。

Meta在博客文章中表示，新一代 MTIA从第一个芯片到生产模型只花了不到九个月的时间，这一周期确实相对较短。然而，要想真正摆脱对第三方GPU的依赖，并与强劲的竞争对手抗衡，Meta仍面临诸多挑战，还有大量的工作亟待完成。

原文链接：https://techcrunch.com/2024/04/10/meta-unveils-its-newest-custom-ai-chip/