A Facebook anyavállalata, a Meta megkezdte első, házon belül fejlesztett MI-tréningchipjének tesztelését, amely kulcsfontosságú lépés lehet a vállalat saját félvezetői irányába. A cél egyértelmű: csökkenteni az Nvidia és más külső beszállítók felé fennálló függőséget, valamint optimalizálni az MI-infrastruktúra költségeit.
A Meta az elmúlt években óriási összegeket fektetett be MI-alapú megoldások fejlesztésébe, és a saját félvezetők tervezése logikus lépés ebben a folyamatban. A vállalat előrejelzése szerint 2025-ben a teljes kiadásai elérhetik a 119 milliárd dollárt, amelyből akár 65 milliárdot is az MI-infrastruktúrára fordíthatnak.
A most tesztelt chip egy dedikált gyorsító, amely kizárólag MI-feladatok elvégzésére optimalizált. Az ilyen típusú chipek hatékonyabbak lehetnek az általános célú grafikus processzoroknál (GPU-knál), amelyek eddig az iparág szabványos megoldásai voltak az MI-tréninghez. A Meta az új chipet a tajvani TSMC-vel együttműködésben gyártatja.
Kockázatos, de ígéretes fejlesztési folyamat
A tesztelés jelenlegi szakaszában a Meta első „tape-out” fázisát zárta le, amely az egyik legfontosabb mérföldkő a félvezetőgyártásban. Ez a lépés azt jelenti, hogy az első prototípust már elküldték a gyártásba, azonban a folyamat akár több hónapig is eltarthat, és jelentős költségekkel járhat.
A házon belüli chipfejlesztés azonban nem mentes a kockázatoktól. A Meta korábban már dolgozott egy MI-inferenciára tervezett chipen, amelyet végül leállított, miután a kis léptékű tesztek nem hoztak megfelelő eredményeket. Ennek következtében 2022-ben a vállalat visszatért az Nvidia GPU-khoz, és több milliárd dollár értékben rendelt ezekből a félvezetőkből.
A mostani tréningchip elsődleges célja a tartalomajánló rendszerek hatékonyságának növelése, amely meghatározza, hogy a felhasználók milyen posztokat látnak a Facebook és Instagram hírfolyamaikban. Később pedig generatív MI-megoldások, például a Meta AI chatbot számára is bevetnék a fejlesztést.
Chris Cox, a Meta termékfejlesztési igazgatója a közelmúltban elmondta, hogy a vállalat „lépésről lépésre” halad ebben az irányban. Az inferencia céljára használt első generációs chip már sikeresnek bizonyult, így a tréningchip is hasonló pályát követhet.
Az MI-iparág változásai és az Nvidia szerepe
Bár a Meta saját félvezetői komoly előrelépést jelenthetnek, a vállalat továbbra is az Nvidia egyik legnagyobb vásárlója marad. Az Nvidia GPU-i kulcsszerepet játszanak mind az ajánlórendszerek, mind a hirdetési algoritmusok és a Llama nevű MI-modelljeik működtetésében.
Az MI-fejlesztések terén azonban egyre több kutató fogalmaz meg kételyeket azzal kapcsolatban, hogy az eddigi megközelítés – vagyis a modellek méretének folyamatos növelése és a számítási kapacitás skálázása – fenntartható-e hosszú távon. A kínai DeepSeek startup nemrég olyan alacsony költségű modelleket mutatott be, amelyek hatékonyabb számítási módszereket alkalmaznak, és kevesebb erőforrást igényelnek.
Ez a változás az Nvidia részvényein is nyomot hagyott: a vállalat papírjai az év elején jelentősen estek, majd valamennyire visszakorrigáltak, de a piac továbbra is figyeli, hogyan alakul az MI-iparág jövője.
A Meta mostani lépése egyértelműen azt mutatja, hogy a vállalat nem kíván teljesen függetlenedni az Nvidia megoldásaitól, de hosszú távon jelentős költségmegtakarítást érhet el saját chipjeivel. A következő évek döntőek lehetnek a vállalat MI-stratégiájának alakulása szempontjából.
