كشفت Meta عن أربعة أجيال من شرائح الذكاء الاصطناعي MTIA الخاصة بها لتوسع البنية التحتية

أعلنت Meta عن أربعة أجيال من معالجات الذكاء الاصطناعي الملكية MTIA تم تطويرها على مدار عامين. تقوم الشركة بتوسيع مجموعة الأجهزة الخاصة بها لخدمة الطلب المتزايد على نماذج الذكاء الاصطناعي لمليارات المستخدمين بطريقة أكثر اقتصادية.

لماذا تطور Meta معالجات خاصة بها

تواجه Meta، مثل شركات الذكاء الاصطناعي الكبرى الأخرى، تكاليف بنية تحتية ضخمة. معالجات GPU القياسية من NVIDIA قوية، لكنها مكلفة وليست دائماً مثالية للمهام المحددة في Meta. عندما تخدم أنظمة التوصية لـ Facebook و Instagram و WhatsApp وتوسع الذكاء الاصطناعي التوليدي Llama، تصبح المعالجات الخارجية بسرعة نقطة اختناق الميزانية. تتيح المعالجات الملكية للشركة عدة أشياء. أولاً، تقليل التكلفة لكل معالج لكل عملية. ثانياً، التحكم في البنية المعمارية وتكييف الأجهزة بسرعة مع احتياجاتها دون انتظار التحديثات من المورد. ثالثاً، تجنب مشاكل سلسلة التوريد — عندما تكون معالجات NVIDIA GPU نادرة، يضمن الإنتاج الداخلي التوفر.

MTIA (مسرع التدريب والاستدلال من Meta) عبارة عن معالجات متخصصة للعمل مع النماذج سواء في وضع التدريب أو الاستدلال (تشغيل النماذج المدربة بالفعل). على مدى عامين، أطلقت Meta أربعة أجيال من هذه المعالجات، مما يثبت قدرتها الهندسية على التنافس في تطوير السيليكون الملكي على قدم المساواة مع عمالقة مثل Google (TPU) و Apple (Neural Engine).

ما تستطيع فعله الأجيال الأربعة من MTIA

يحمل كل جيل تحسينات في الأداء والكفاءة الطاقية والدعم لأنواع مختلفة من عبء العمل. ركزت الإصدارات المبكرة في المقام الأول على الاستدلال — التنفيذ السريع للنماذج المدربة بالفعل. وسعت الإصدارات الجديدة دعم أوضاع التدريب والتكامل مع أدوات التطوير مثل PyTorch و TensorFlow، وهو أمر بالغ الأهمية للاستخدام المقصود.

تقوم الشركة باستمرار بتحسين كل جانب:

• الأداء في الجبر الخطي — حرج للعمليات المصفوفة في الشبكات العصبية
• الكفاءة الطاقية — كل وات موفر يتضاعف عبر مليارات العمليات؛ توفير الطاقة = توفير التكاليف وتقليل بصمة الكربون
• مرونة البنية المعمارية — الدعم لأنواع مختلفة من نماذج الشبكات العصبية، من الشبكات التلافيفية إلى المحولات
• التكامل في البنية التحتية — القدرة على العمل مع طوبولوجيات مختلفة لمراكز البيانات في Meta

ما يقدمه هذا لـ Meta واستثماراتها

حجم الاستخدام ضخم. تعالج أنظمة التوصية في Facebook و Instagram بيتابايتات من البيانات يومياً. نماذج لتعديل المحتوى وحماية البريد العشوائي والتخصيص — كل هذا يتطلب عملاً مستمراً لملايين ساعات GPU. حتى انخفاض بسيط في التكلفة لكل معالج يمثل عشرات الملايين من الدولارات سنوياً للشركة.

تسمح المعالجات الملكية لـ Meta بعدم الاعتماد على انقطاعات الإمداد من NVIDIA، التي حدثت مراراً وتكراراً في السنوات الأخيرة. يمكن للشركة تسريع نشر القدرات الجديدة — عندما تتحكم في كل من الأجهزة والبرامج، يتقصر دورة التطوير. هذا يعطي Meta ميزة تنافسية على المنافسين الذين يعتمدون على معالجات GPU القياسية.

"تطوير الأجهزة الملكية ليس خياراً لشركة بحجمنا، بل ضرورة للتحكم في

اقتصاديات الاستثمار."

ما يعنيه هذا لكامل الصناعة

يصبح تطوير معالجات الذكاء الاصطناعي الملكية ميزة تنافسية للشركات الكبرى. Meta و Google و Apple و Amazon و Microsoft — كل منها يستثمر في السيليكون الملكي. هذا دليل على أن الصناعة تتجه نحو التكامل الرأسي: السيطرة على المجموعة الكاملة (البرامج + الأجهزة + مراكز البيانات) تصبح ميزة تنافسية.

بالنسبة للشركات الناشئة والشركات متوسطة الحجم، هذا يعقد المنافسة — إذا لم يكن لديك 10 مليارات دولار لتطوير معالج خاص بك، فأنت تبقى معتمداً على السوق المفتوح للمعدات. لكن بالنسبة للمستهلكين، قد يكون هذا إيجابياً: خدمات ذكاء اصطناعي أرخص وأسرع بفضل تحسين المجموعة بأكملها ككل.

يُعترف بـ Meta كمنظمة متطرفة وهي محظورة في الاتحاد الروسي.