Meta 决心在生成式 AI 领域追赶竞争对手，正投入数十亿美元用于自身 AI 工作。其中一部分资金用于招聘 AI 研究人员，但更大比例被用于开发硬件，特别是运行和训练 Meta AI 模型的芯片。
新一代 MTIA 芯片性能显著提升
Meta 今日展示了其芯片研发最新成果——“下一代”Meta 训练与推理加速器（MTIA）。作为去年 MTIA v1 的继任者，该芯片可运行包括 Facebook 等平台展示广告排名和推荐在内的模型。值得注意的是，此次发布比 Intel 宣布最新 AI 加速硬件晚了一天。
与采用 7nm 工艺的 MTIA v1 相比，新一代 MTIA 采用 5nm 工艺，物理设计更大且集成了更多处理核心。尽管功耗从 25W 升至 90W，但其内部内存翻倍至 128MB，平均时钟频率也从 800MHz 提升至 1.35GHz。
Meta 表示，新一代 MTIA 已在 16 个数据中心区域上线，整体性能较 v1 提升高达 3 倍。不过，该数据仅基于“四个关键模型”的测试结果得出。
“由于我们掌控整个技术栈，我们可以实现比商用 GPU 更高的效率。”
自研硬件仍处补充地位
此次硬件展示距离 Meta 生成式 AI 新闻发布会仅 24 小时，显得颇为不同寻常。Meta 在博文中透露两点关键信息：
- 目前并未将下一代 MTIA 用于生成式 AI 训练负载，虽有多个探索项目正在进行；
- 下一代 MTIA 不会取代 GPU，而是作为补充方案运行或训练模型。
这透露出 Meta 的行动步伐或许比预期缓慢。面对 2024 年底预计花费 180 亿美元购买 GPU 的成本压力，以及前沿模型数千万美元的训练成本，自研硬件本是极具吸引力的替代方案。
竞品加速布局，Meta 仍需努力
当 Meta 硬件进展迟缓时，竞争对手正在加速领先：
- Google：本周向 Cloud 客户普遍开放第五代 TPU v5p，并公布首款专用推理芯片 Axion；
- Amazon：已拥有多个定制 AI 芯片系列；
- Microsoft：去年推出 Azure Maia AI Accelerator 和 Azure Cobalt 100 CPU。
Meta 称从第一代硅片到下一代 MTIA 的“生产模型”仅用不到九个月，周期短于 Google TPU。但若想摆脱对第三方 GPU 的依赖并与强劲对手匹敌，Meta 仍有大量工作要做。