Meta amplia i piani per fare affidamento sui propri chip AI

11:32

Meta si sta preparando ad aumentare l'uso di chip per intelligenza artificiale sviluppati internamente mentre cerca di controllare l'aumento dei costi per gestire sistemi AI avanzati e migliorare l'efficienza della propria infrastruttura di data center.

L'azienda sta testando la terza generazione dei suoi acceleratori AI personalizzati, noti come MTIA 450 e riportati con il nome in codice "Artemis". Allo stesso tempo, Meta è vicina al completamento del design di una generazione successiva, chiamata MTIA 500 o "Astrea", secondo informazioni citate da Bloomberg.

I nuovi chip dovrebbero iniziare a essere distribuiti nei data center di Meta nella prima metà del 2027. Il loro utilizzo è destinato ad espandersi gradualmente man mano che la domanda dell'azienda per la potenza di calcolo cresce insieme allo sviluppo e all'operazione di modelli AI sempre più sofisticati.

La mossa di Meta riflette una tendenza più ampia tra le principali aziende tecnologiche verso la progettazione di processori specializzati per i propri carichi di lavoro. Invece di fare affidamento esclusivamente su chip disponibili commercialmente, le aziende stanno sviluppando hardware personalizzato che può essere ottimizzato per applicazioni AI specifiche e requisiti dei data center.

Yi-Jiun Song, vicepresidente ingegneria di Meta, ha dichiarato che l'azienda sta cercando continui miglioramenti nell'efficienza dei chip. L'obiettivo è che ogni nuova generazione offra prestazioni di calcolo superiori per ogni unità di energia consumata e ogni dollaro investito.

Secondo Song, Meta si aspetta che la distribuzione di questi processori sviluppati internamente superi un gigawatt in un periodo di 12 mesi. Il ritmo potrebbe aumentare ulteriormente se la domanda di capacità di calcolo AI rimane forte, evidenziando l'entità dell'infrastruttura necessaria per supportare le operazioni AI in espansione dell'azienda.

Il consumo energetico è diventato una considerazione importante per le aziende tecnologiche che costruiscono grandi sistemi AI. L'addestramento e l'esecuzione di modelli avanzati richiedono un'infrastruttura di calcolo potente, mentre i data center necessitano anche di ingenti quantità di elettricità sia per i processori che per i sistemi di raffreddamento.

I chip AI personalizzati possono offrire alle aziende un maggiore controllo su come vengono allocate le risorse di calcolo. Personalizzando l'hardware per carichi di lavoro specifici, le aziende tecnologiche possono cercare miglioramenti nell'efficienza energetica, nelle prestazioni di elaborazione e nei costi operativi rispetto a soluzioni più generiche.

Per Meta, la strategia è anche legata alla rapida espansione delle sue ambizioni AI attraverso le sue piattaforme di social media, i sistemi di raccomandazione, i prodotti di AI generativa e altri servizi. Queste applicazioni richiedono quantità sempre maggiori di potenza di calcolo man mano che l'azienda espande l'uso dell'intelligenza artificiale.

Lo sviluppo dei propri processori non significa necessariamente che Meta abbandonerà i fornitori di chip esterni. L'hardware specializzato interno può invece integrare i processori disponibili commercialmente, consentendo all'azienda di distribuire carichi di lavoro diversi su diversi tipi di sistemi di calcolo.

L'investimento di Meta in silicio personalizzato illustra anche l'importanza crescente dell'hardware nella corsa globale all'AI. Sebbene i modelli software e gli algoritmi rimangano centrali nello sviluppo dell'intelligenza artificiale, l'accesso a un'infrastruttura di calcolo efficiente e scalabile è diventato un fattore sempre più importante per le aziende che cercano di espandere le proprie capacità AI.

La distribuzione pianificata dei nuovi processori MTIA nel 2027 rappresenterà quindi un ulteriore passo negli sforzi di Meta per costruire un'infrastruttura di calcolo più diversificata. Se la domanda di servizi AI continuerà a crescere, i chip progettati internamente potrebbero diventare una parte sempre più significativa della strategia a lungo termine dell'azienda per gestire il consumo energetico e i costi infrastrutturali.