专栏名称: SDNLAB

SDNLAB是专注网络创新技术的先锋媒体社区和实践应用平台，涵盖AI 网络、DPU/智能网卡、SD-WAN/SASE、Web3.0、零信任、云网融合等相关领域，提供新闻资讯、技术交流、在线实验、行业分析、求职招聘、教育培训等多元服务。

Meta 与台积电合作测试其首款自主研发的 AI 训练芯片

SDNLAB · 公众号 · · 2025-03-12 15:15

正文

Meta 正在测试其首款用于训练人工智能系统的自研芯片，这标志着该公司朝着自己定制芯片、减少对英伟达等外部供应商依赖的方向迈出重要一步。近几年，包括AWS、谷歌云等云计算巨头在内的大型科技公司都已经批量生产了自己的 AI 处理器。OpenAI 也在尝试自研，两个月前它表示计划在今年晚些时候完成其芯片设计。

有消息人士称，Meta 已经开始小规模部署该芯片，若测试顺利，将进一步扩大产量以实现大规模应用。

目前，Meta 对人工智能业务投入巨大，预计其2025 年总支出将达 1140 亿美元至 1190 亿美元，其中高达 650 亿美元的资本支出主要用于人工智能基础设施建设。推动内部芯片开发是 Meta 长期规划的一部分，主要是为了降低其庞大的基础设施成本。

Meta 正与台积电合作生产这款芯片。有知情人士表示，Meta 的新训练芯片是一款专用的AI加速器，仅用于处理特定的 AI 任务，相比Nvidia 的通用 GPU，它可能更节能。

据称，在 Meta 完成芯片的首次“流片”后，便开始了测试部署。“流片”是硅片开发工作成功的重要标志，意味着将初始设计送往芯片工厂。通常一次流片成本高达数千万美元，大约需要三到六个月才能完成，且无法保证测试一定成功。若测试失败，Meta 需诊断问题并重复流片步骤。

Meta 和台积电均拒绝就此置评。但有知情人士称这款芯片是 Meta Training and Inference Accelerator（MTIA）系列的最新产品。该项目多年来发展坎坷，一度在类似的开发阶段被放弃。不过，Meta 去年成功部署了首款 MTIA 芯片进行推理，即用户与 AI 系统交互时运行系统所涉及的过程，用于推荐系统确定 Facebook 和 Instagram 新闻推送中的内容。

Meta 高管表示，希望到 2026 年开始使用自研芯片进行训练，也就是通过向 AI 系统输入大量数据这一计算密集型过程，“教会”系统如何执行任务。与推理芯片一样，训练芯片的目标是从推荐系统起步，然后应用于聊天机器人 Meta AI 等生成式 AI 产品。

Meta 首席产品官Chris Cox上周在摩根士丹利技术、媒体和电信会议上表示：“我们正在研究如何对推荐系统进行训练，以及最终如何考虑对新一代人工智能进行训练和推理。” Cox将 Meta 的芯片开发工作形容为 “一个从爬行、到走路，再到跑步的、循序渐进的过程”。

此前，Meta 曾停止内部定制推理芯片的生产，原因是在一次与当前训练芯片类似的小规模测试部署中失败。随后Meta就改变方向，在 2022 年订购了价值数十亿美元的英伟达 GPU。自那时起，这家社交媒体公司一直是英伟达最大的客户之一，积累了大量 GPU 用于训练其模型，包括推荐和广告系统以及 Llama 基础模型系列。这些设备也为 30 多亿每日使用其应用程序的用户提供推理服务。

最近，一些人工智能研究人员质疑，通过增加更多数据和计算能力来持续 “扩展” 大型语言模型，究竟能取得多大进展。今年 1 月底， DeepSeek 推出新的低成本模型，进一步加深了人们的疑虑。该模型相比大多数现有的模型，对推理的依赖程度更高，从而有效优化了计算效率。在 DeepSeek 引发的全球 AI 股票暴跌中，英伟达股价一度下跌五分之一。

- END -

Meta 与台积电合作测试其首款自主研发的 AI 训练芯片

正文

请到「今天看啥」查看全文