Технологии
Амбиции Meta в области ИИ-чипов показывают гонку за избавление от зависимости от Nvidia
Сообщается, что стремление Meta к большей внутренней разработке ИИ-чипов отражает более широкие усилия отрасли по контролю расходов, цепочек поставок и дорожных карт инфраструктуры на фоне ускоряющихся затрат на передовые модели.
Эльвин С ·
Metaпо ускорению разработки внутренних чипов ИИ являются финансовой историей прежде всего, чем историей полупроводников. Компания пытается сократить степень зависимости своего ИИ-будущего от поставок, цен и ритма выпуска продукции другой компании.
На протяжении многих лет Nvidia была платной дорогой для передового ИИ. Её графические процессоры, сетевой стек и программная экосистема превратили спрос на более крупные модели в исключительную рыночную власть. Очевидная реакция со стороны гипермасштабных компаний и компаний, работающих с моделями, заключается в создании альтернатив, не обязательно с целью немедленной замены Nvidia, а для того, чтобы получить рычаг воздействия и более точно согласовать оборудование с внутренними рабочими нагрузками.
У Meta есть особый стимул делать это, потому что компания тратит средства в таких масштабах, что небольшие улучшения эффективности имеют значительное значение. Специальный чип, который улучшает экономику инференса, снижает энергопотребление или освобождает компанию от ожидания ограниченного поставок, может изменить операционные расходы на AI во всех продуктах: Facebook, Instagram, WhatsApp, рекламе, инструментах для авторов контента и внутреннем исследовании.
Проблема в том, что создание специализированного силикона — это не бизнес для пресс-релизов. Это требует выбора архитектуры, поддержки компилятора, инструментов для разработчиков, производственных мощностей, упаковки, поставок памяти, теплового дизайна и дорожной карты, которая сможет пережить изменения стратегии моделей.
Вот почему самый реалистичный исход — это не полная замена Nvidia. Это сегментация рабочих нагрузок. Некоторые задачи по обучению и передовые исследования могут оставаться на системах Nvidia, поскольку экосистема зрелая и гибкая. Некоторые высокообъемные задачи вывода, рекомендации и внутренние платформенные рабочие нагрузки могут перейти на кастомные или полукастомные ускорители, где экономика более прозрачна.
Инвесторам следует рассматривать эту стратегию как попытку превратить капитальные расходы в долговременный контроль. Если Meta сможет разрабатывать оборудование под собственные модели, потоки данных и пользовательские интерфейсы, она сможет превратить инфраструктуру ИИ из покупного ресурса в преимущество платформы. Если нет, расходы на кастомные чипы станут еще одной дорогой статьей в году, который уже характеризуется вниманием к капитальным расходам на ИИ.
Конкурентный контекст шире, чем Meta. У Google есть TPU, у Amazon — Trainium и Inferentia, у Microsoft — Maia, у Apple есть собственная стековая архитектура чипов, а OpenAI исследовала партнерства по заказным чипам. Модель очевидна: каждый крупный покупатель ИИ хочет иметь варианты.
Риск заключается в стратегическом переоценивании возможностей. Команды, занимающиеся аппаратным обеспечением, могут отрываться от потребностей продукта, а архитектуры моделей могут развиваться быстрее, чем дорожные карты чипов. Чип, оптимизированный под вчерашнюю нагрузку, может стать очень дорогостоящим напоминанием о том, что программное обеспечение развивается быстрее, чем производство.
Тем не менее, направление рациональное. В ИИ зависимость дорого обходится, когда спрос взрывообразный. Meta не нужно обыгрывать Nvidia, чтобы оправдать свои усилия по созданию чипов. Ей нужно лишь получить больше контроля над расходами.
Темы: Meta, ИИ-чипы, Nvidia, инфраструктура