Meta加速AI芯片研发，推出性能升级的下一代MTIA

Meta 正全力推进其在人工智能领域的战略布局，不仅在人才招聘上投入巨资吸引顶尖的 AI 研究人员，还在硬件开发上投入重金，特别是针对 AI 模型的训练和运行所需的专用芯片。最近，Meta 宣布了其芯片研发项目的最新成果——下一代 Meta 训练和推理加速器（MTIA），这是对其去年推出的 MTIA v1 的重大升级，旨在提升在 Meta 旗下平台（如 Facebook）上进行广告排名和推荐的效率。

新一代 MTIA 芯片采用了先进的 5 纳米工艺，相较于前一代的 7 纳米工艺，这一进步标志着 Meta 在芯片制造技术上的显著提升。新芯片的设计更为庞大，集成了更多的处理核心，这使得它在处理复杂任务时更为高效。尽管新芯片的功耗达到了 90 瓦，高于前一代的 25 瓦，但它的内部内存容量增加到了 128MB，时钟速度也从 800MHz 提升到了 1.35GHz，这些改进使得新一代 MTIA 在性能上有显著提升。Meta 宣称，新一代 MTIA 在其 16 个数据中心区域部署后，相比前一代产品，整体性能提升了 3 倍。

然而，Meta 在其博客文章中透露，尽管新一代 MTIA 在性能上有所提升，但目前并未用于生成性 AI 训练工作负载。公司表示，正在开展多个项目，探索将新一代 MTIA 应用于生成性 AI 领域的可能。此外，Meta 也坦诚新一代 MTIA 并不会完全替代 GPU，而是作为 GPU 的补充，以提供更全面的性能优化。

Meta 在硬件发展上的谨慎态度可能源于其人工智能团队面临的成本压力。公司预计将在 2024 年底前在 GPU 上投入约 180 亿美元，用于训练和运行生成性 AI 模型。鉴于这些模型的训练成本可能高达数千万美元，开发自家硬件成为了一个具有吸引力的替代方案，有助于降低长期成本。

与此同时，Meta 的竞争对手们在 AI 芯片领域的发展速度不容小觑。谷歌已经向其云平台客户推出了第五代 TPU v5p，并且还推出了专门用于运行模型的 Axion 芯片。亚马逊也推出了多个定制 AI 芯片系列，而微软则推出了 Azure Maia AI 加速器和 Azure Cobalt 100 CPU。这些进展表明，Meta 在 AI 硬件领域面临着激烈的竞争，需要加快创新步伐，以减少对第三方 GPU 的依赖，并在竞争中保持领先地位。Meta 的目标是通过控制整个技术栈，实现比商用 GPU 更高的效率，从而在 AI 领域取得独立性，并最终与竞争对手匹敌。