Meta sedang mengembangkan chip pelatihan AI in-house pertamanya. Menurut Reuters, perusahaan telah memulai uji coba sejumlah kecil chip pelatihan AI baru dan akan memesan lebih banyak jika berhasil dalam uji coba. Chip sedang diproduksi oleh TSMC.
Keputusan Meta untuk membangun chip AI sendiri juga merupakan bagian dari strategi jangka panjang untuk mengurangi ketergantungan perusahaan pada pemasok pihak ketiga seperti Nvidia, yang merupakan a Penyedia Dominan Unit Pemrosesan Grafis (GPU) yang digunakan dalam beban kerja terkait AI. Raksasa teknologi ini telah memproyeksikan pengeluaran keseluruhannya, termasuk pengeluaran modal, untuk mencapai setinggi $ 119 miliar pada tahun 2025 – banyak dari itu untuk menciptakan infrastruktur AI.
Chip yang dirancang meta adalah akselerator AI sekali pakai. Ini khusus untuk tugas terkait AI dibandingkan dengan perhitungan umum. Arsitektur khusus seperti itu dapat membuat chip lebih hemat daya dibandingkan dengan GPU yang saat ini digunakan dalam pelatihan AI.
Meta pertama berencana untuk menggunakan chip dalam algoritma rekomendasinya yang menentukan konten yang ditampilkan di Facebook dan Instagram. Perusahaan akhirnya bertujuan untuk meningkatkan penggunaan chip untuk memberi daya pada produk AI generatifnya, seperti ai chatbot yang dikenal sebagai meta ai.
Perampokan Meta ke pengembangan silikon khusus telah memiliki rekam jejak campuran sejauh ini. Perusahaan sebelumnya dibatalkan Chip inferensi in-house yang lebih awal setelah penyebaran skala kecil yang gagal, memilih sebagai gantinya untuk membeli miliaran dolar NVIDIA GPU. Namun, chip pelatihan baru tampaknya merupakan upaya yang lebih sukses, karena Meta telah melewati tonggak penting “tape-out” dalam perkembangannya.
Meta bukan satu -satunya perusahaan yang mengembangkan chip AI sendiri. Dalam berita lain, Openai sedang menyelesaikan pelatihan AI kustom pertamanya desain chip. Chip baru ini kemungkinan akan menampilkan arsitektur array sistolik bersama dengan memori band-bandwidth, seperti akselerator AI terbaru Nvidia. Arsitektur ini dikenal dengan kinerja tinggi dan efisiensinya dalam memproses perhitungan padat.
Sumber: Reuters
