Meta breidt plannen uit om te vertrouwen op eigen AI-chips

11:32

Meta bereidt zich voor om het gebruik van intern ontwikkelde kunstmatige intelligentie-chips te vergroten, terwijl het probeert de stijgende kosten van het bedienen van geavanceerde AI-systemen te beheersen en de efficiëntie van zijn datacenterinfrastructuur te verbeteren.

Het bedrijf test de derde generatie van zijn aangepaste AI-versnellers, bekend als MTIA 450 en naar verluidt codenaam “Artemis.” Tegelijkertijd is Meta bijna klaar met het ontwerp van een volgende generatie, aangeduid als de MTIA 500 of “Astrea,” volgens informatie geciteerd door Bloomberg.

De nieuwere chips worden verwacht in de eerste helft van 2027 in de datacenters van Meta te worden uitgerold. Het gebruik zal waarschijnlijk geleidelijk toenemen naarmate de vraag van het bedrijf naar rekencapaciteit groeit, samen met de ontwikkeling en werking van steeds geavanceerdere AI-modellen.

De stap van Meta weerspiegelt een bredere trend onder grote technologiebedrijven om gespecialiseerde processors te ontwerpen voor hun eigen werklasten. In plaats van uitsluitend te vertrouwen op commercieel beschikbare chips, ontwikkelen bedrijven aangepaste hardware die geoptimaliseerd kan worden voor specifieke AI-toepassingen en vereisten van datacenters.

Yi-Jiun Song, een vice-president van engineering bij Meta, zei dat het bedrijf streeft naar voortdurende verbeteringen in de efficiëntie van chips. Het doel is dat elke nieuwe generatie een grotere rekencapaciteit levert voor elke eenheid energie die wordt verbruikt en elke dollar die wordt geïnvesteerd.

Volgens Song verwacht Meta dat de uitrol van deze intern ontwikkelde processors meer dan één gigawatt zal overschrijden over een periode van 12 maanden. Het tempo kan verder toenemen als de vraag naar AI-rekencapaciteit sterk blijft, wat de schaal van de infrastructuur benadrukt die nodig is om de groeiende AI-activiteiten van het bedrijf te ondersteunen.

Het energieverbruik is een belangrijke overweging geworden voor technologiebedrijven die grote AI-systemen bouwen. Het trainen en draaien van geavanceerde modellen vereist krachtige rekencapaciteit, terwijl datacenters ook aanzienlijke hoeveelheden elektriciteit nodig hebben voor zowel processors als koelsystemen.

Aangepaste AI-chips kunnen bedrijven meer controle bieden over hoe rekencapaciteit wordt toegewezen. Door hardware op specifieke werklasten af te stemmen, kunnen technologiebedrijven verbeteringen nastreven in energie-efficiëntie, verwerkingsprestaties en operationele kosten in vergelijking met meer algemene oplossingen.

Voor Meta is de strategie ook gekoppeld aan de snelle uitbreiding van zijn AI-ambities op zijn sociale mediaplatforms, aanbevelingssystemen, generatieve AI-producten en andere diensten. Deze toepassingen vereisen steeds grotere hoeveelheden rekencapaciteit naarmate het bedrijf zijn gebruik van kunstmatige intelligentie uitbreidt.

De ontwikkeling van zijn eigen processors betekent niet noodzakelijk dat Meta externe chipleveranciers zal verlaten. Gespecialiseerde interne hardware kan in plaats daarvan commerciële processors aanvullen, waardoor het bedrijf verschillende werklasten over verschillende soorten rekensystemen kan verdelen.

De investering van Meta in aangepaste siliconen illustreert ook het groeiende belang van hardware in de wereldwijde AI-race. Terwijl softwaremodellen en algoritmen centraal blijven staan in de ontwikkeling van kunstmatige intelligentie, is toegang tot efficiënte en schaalbare rekencapaciteit een steeds belangrijker factor geworden voor bedrijven die hun AI-capaciteiten willen uitbreiden.

De geplande uitrol van nieuwere MTIA-processors in 2027 zal daarom een nieuwe stap zijn in Meta's inspanning om een meer gediversifieerde rekencapaciteit te bouwen. Als de vraag naar AI-diensten blijft groeien, kunnen intern ontworpen chips een steeds belangrijker onderdeel worden van de langetermijnstrategie van het bedrijf voor het beheren van energieverbruik en infrastructuurkosten.