5月19日消息，根據外媒Techcrunch報道，在今天上午的一次線上活動中，Facebook 母公司Meta首次公開了其自研AI 晶片的進展，可以支持其最近推出的廣告設計和創作工具的生成式AI技術。
△Meta CEO祖克柏展示首款自研AI晶片MTIA
##Meta基礎設施副總裁Alexis Bjorlin表示：「
建立我們自己的[硬體] 功能使我們能夠控制堆疊的每一層，從資料中心設計到培訓框架。需要這種程度的垂直整合才能大規模突破人工智慧研究的界限。首款自研AI晶片MTIA
在過去十年左右的時間裡，Meta 花費了數十億美元來招募頂級資料科學家並建立新型人工智慧，包括現在為發現引擎、審核過濾器和遍布其應用程式和服務的廣告推薦器提供支援的人工智慧。 This company has been striving to turn its many ambitious AI research innovations into products, especially in the area of generative AI.。
自 2016 年開始，網路頭部企業一直在積極研發雲端AI晶片。 Google 一直在設計和部署稱為Tensor Processing Units（TPU）的自研AI晶片，用於訓練生成式AI 系統如PaLM-2、Imagen 等；亞馬遜則向AWS 客戶提供AWS Trainium、AWS Inferentia 兩款自研晶片進行應用。傳聞微軟也傳出正與 AMD 合作開發一款名為 Athena 的 AI晶片。
先前，Meta 主要使用第三方的 CPU 和專為加速 AI 演算法而設計的客製化晶片的組合來運行其 AI 工作負載——CPU 在處理這類任務時的效率往往低於 GPU。為了扭轉局面，Meta 在2020年開發了其第一代基於7nm製程的自研AI晶片 MTIA（MTIA v1）。
Meta 將該AI晶片稱為 Meta Training and Inference Accelerator，簡稱 MTIA，並將其描述為加速 AI 訓練和推理工作負載的AI晶片「家族」的一部分。 MTIA 是一種 ASIC，一種將不同電路組合在一塊基板上的晶片，允許對其進行編程以並行執行一項或多項任務。
「為了在我們的重要工作負載中獲得更高水準的效率和效能，我們需要一個與模型、軟體堆疊和系統硬體協同設計的客製化解決方案，以使得各種服務為我們的使用者提供更好的體驗。
根據介紹，MTIA v1採用7奈米製程製造，其內部128MB記憶體可擴充至最高128GB。 Meta表示，MTIA可以專門用於處理與 AI 推薦系統相關的工作，幫助用戶找出最佳貼文內容並更快呈現在用戶眼前，其運算效能和處理效率都勝過 CPU。另外，在 Meta 設計的基準測試中，MTIA處理「低複雜度」 」和「中等複雜度」的 AI 模型也比 GPU 更有效率。
Meta 表示，MTIA晶片的記憶體和網路領域仍有一些工作要做，隨著 AI 模型規模的成長，這會出現瓶頸，需要將工作負載分配到多個晶片上。最近，Meta已經收購了位於奧斯陸的英國晶片獨角獸Graphcore的AI網路技術團隊，以此為目的。目前，MTIA更注重Meta應用程式系列"建議工作負載"的推理能力，而非訓練能力。
Meta 強調，它將繼續改進的MTIA ，在運行推薦工作負載時「大大」提高了公司在每瓦性能方面的效率——反過來允許Meta 運行「更加增強」和「尖端」人工智慧工作負載。
根據計劃，Meta 將在 2025 年正式推出自研的MTIA晶片。
Meta的AI超級電腦RSC
報告稱，Meta原本計劃在2022 年大規模推出其自研的定制AI晶片，但最終卻推遲了，轉而為其超級電腦Research SuperCluster (RSC) 訂購了價值數十億美元的Nvidia GPU ，這需要對其多個資料中心進行重大重新設計。
據介紹，RSC 於 2022 年 1 月首次亮相，與 Penguin Computing、Nvidia 和 Pure Storage 合作組裝而成，已經完成了第二階段的擴建。 Meta 表示，它現在包含總共 2,000 個 Nvidia DGX A100 系統，配備 16,000 個 Nvidia A100 GPU。
雖然，目前RSC的算力已經落後於微軟和Google的AI超級電腦。谷歌聲稱其專注於人工智慧的超級電腦搭載了 26,000 個 Nvidia H100 GPU。 Meta指出，RSC的優勢在於其允許研究人員使用Meta生產系統中的實際範例來訓練模型。該公司先前的AI基礎設施利用的是開源和公開可用的資料集，與此不同的是現在的基礎設施。
RSC AI 超級電腦正在推進多個領域的 AI 研究，包括生成式 AI，突破研究邊界。 」Meta 發言人表示：「這真的關係到人工智慧研究的生產力。我們希望為 AI 研究人員提供最先進的基礎設施，使他們能夠開發模型並為他們提供培訓平台以推動 AI 發展。 ”
Meta稱，在其巔峰時期，RSC 可以達到近 5 exaflops 的運算能力，這使其成為世界上最快的運算能力之一。
Meta利用RSC進行LLaMA的訓練，其中RSC是指「大型語言模型Meta人工智慧」的縮寫。 Meta 表示，最大的 LLaMA 模型在 2,048 個 A100 GPU 上進行了訓練，耗時 21 天。
「建立我們自己的超級運算能力使我們能夠控制堆疊的每一層；從資料中心設計到培訓框架，」Meta發言人補充道：「RSC 將幫助Meta 的AI 研究人員建立新的更好的AI 模型，這些模型可以從數萬億個示例中學習；跨數百種不同的語言工作；一起無縫分析文本、圖像和視頻；開發新的增強現實工具；以及更多。
未來，Meta或將自研的AI晶片MTIA導入RSC當中，以進一步提升其AI性能。
面向視訊處理的AI晶片MSVP
除了MTIA之外，Meta還在自研另一款被稱為Meta Scalable Video Processor（MSVP）的AI晶片，主要面向持續成長的滿足視訊點播和直播串流媒體的數據處理需求，Meta最終希望將大部分成熟且穩定的影音內容處理工作交由MSVP 執行。其實，Meta 多年前就開始構思客製化伺服器端視訊處理晶片，並宣佈在 2019 年推出用於視訊轉碼和推理工作的 ASIC。這是其中一些努力的成果，也是競爭優勢的新推動。特別是視訊直播領域。
「光是在Facebook 上，人們就將50% 的時間花在觀看影片上，」Meta 技術主管Harikrishna Reddy 和Yunqing Chen 在19日上午發表的一篇部落格文章中寫道：「為了服務世界各地的各種設備（行動裝置、筆記型電腦、電視等），上傳到Facebook 或Instagram 的影片被轉碼為多個位元流，具有不同的編碼格式、解析度和品質…MSVP是可編程和可擴展的，並且可以配置為有效地支援VOD 所需的高品質轉碼以及即時串流媒體所需的低延遲和更快的處理時間。
△MSVP
#Meta 表示，它的計劃是最終將大部分「穩定和成熟」的視訊處理工作負載卸載到 MSVP，並僅對需要特定自訂和「顯著」更高品質的工作負載使用軟體視訊編碼。 Meta 說，使用智慧降噪和影像增強等預處理方法以及偽影去除和超解析度等後處理方法，我們將繼續使用 MSVP 來提高視訊品質。
「在未來，MSVP 將使我們能夠支援更多Meta 最重要的用例和需求，包括短視訊——實現生成式AI、AR/VR 和其他元宇宙內容的高效交付，」Reddy 和Chen 說。
編輯：芯智訊-浪客劍
以上是Meta自研AI晶片進展：首款AI晶片2025年推出，還有視訊AI晶片的詳細內容。更多資訊請關注PHP中文網其他相關文章！
