Meta и чипы для ИИ: от мечты о независимости к реальности рынка

На протяжении нескольких лет Meta* Platforms работала над созданием собственных чипов искусственного интеллекта с целью снизить зависимость от внешних поставщиков, особенно от Nvidia. Однако, по последним данным, этот план пришлось скорректировать из-за серьёзных технических проблем и недостаточной производительности.

Начало проекта внутренних чипов ИИ

Инициатива Meta* по созданию собственного «кремния» сосредоточилась на команде MTIA (Meta* Training and Inference Accelerator), целью которой было разработать чипы, оптимизированные для обучения и инференса моделей ИИ. Логика была простой: собственное оборудование может дать большую эффективность и снизить зависимость от сторонних производителей.

Технические проблемы и низкая производительность

• Первый чип для обучения, разработанный внутри компании, не достиг ожидаемой производительности по сравнению с решениями конкурентов, такими как Nvidia.
• Более амбициозный дизайн под названием Olympus столкнулся с трудностями в разработке и был отложен из-за высокой сложности.
• Программное обеспечение и стабильность также не достигли необходимой надёжности по сравнению с существующими альтернативами.

Решение: не бороться в одиночку с доминированием Nvidia

Вместо того чтобы продолжать разработку только внутри компании, Meta* решила сотрудничать с несколькими поставщиками чипов, диверсифицируя стратегию для обеспечения доступа к высокопроизводительным вычислениям:

Основные заключённые альянсы:

1. Nvidia: соглашения о поставке современных GPU для обучения и инференса.
2. AMD: крупный контракт на поставку до 6 гигаватт GPU Instinct, одна из крупнейших инвестиций Meta* в инфраструктуру ИИ.
3. Google (TPU): сообщается, что Meta* подписала соглашение на аренду чипов ИИ Google для разработки новых моделей.

Такой подход «многопоставщика» снижает риск зависимости от одного производителя и обеспечивает гибкость для удовлетворения огромного спроса на вычислительные мощности, требуемые современными моделями ИИ.

Почему трудно конкурировать с Nvidia

Nvidia установила почти абсолютное доминирование на рынке оборудования для ИИ, главным образом благодаря:

• Платформе CUDA, ставшей стандартом де-факто для обучения и внедрения моделей ИИ.
• Широкому использованию GPU в дата-центрах по всему миру за их производительность и развитую экосистему ПО.
• Миллиардным инвестициям ключевых игроков индустрии в решения Nvidia.

Это создаёт серьёзные барьеры для любой компании, пытающейся создать конкурентоспособные чипы с нуля.

Выводы

История Meta* с чипами ИИ показывает несколько уроков:

• Технологическая независимость сложнее, чем кажется. Создание эффективных чипов для ИИ — непростая задача, даже для технологических гигантов с большими ресурсами.
• Сотрудничество с несколькими партнёрами — прагматичное решение. Meta* теперь работает с Nvidia, AMD и Google, что позволяет обеспечивать вычислительную мощность без зависимости от одного поставщика.
• Диверсификация поставщиков может укрепить конкурентные позиции. Имея несколько источников оборудования, Meta* защищается от узких мест поставок и возможных проблем с одной экосистемой.

Таким образом, хотя Meta* не полностью отказалась от разработки собственного «кремния», технические трудности привели компанию к более совместной стратегии и меньшей ориентации на полную автономию.

Часто задаваемые вопросы

Редактор: AndreyEx