Meta تُحضّر أربعة أجيال من رقاقات MTIA لتقليل الاعتماد على Nvidia وAMD

ميتا تسرع بشكل كبير برنامجها الخاص بالرقاقات: أطلقت الشركة بالفعل MTIA 300 في الإنتاج، وتخطط لإطلاق ثلاثة أجيال أخرى من المسرعات قبل نهاية 2027. الهدف بسيط — تقليل الاعتماد الحصري على Nvidia و AMD في سباق القوة الحسابية للتوصيات والإعلانات والذكاء الاصطناعي التوليدي.

لماذا تحتاج ميتا إلى رقاقاتها الخاصة

حمل البنية التحتية لميتا ينمو في عدة اتجاهات. تحتاج الشركة إلى سعة لكل من أنظمة ترتيب المحتوى التقليدية على Facebook و Instagram، وللذكاء الاصطناعي التوليدي الذي يجيب على الاستفسارات وينشئ الصور ويدعم منتجات أخرى في النظام الإيكولوجي لها. شراء كل هذا من الموردين الخارجيين فقط مكلف جداً وخطير: الطلب على المسرعات مرتفع، أوقات التسليم طويلة، والهوامش تعتمد بشدة على أسعار الأجهزة من الجهات الخارجية.

لهذا السبب تراهن ميتا على خطها الخاص MTIA — Meta Training and Inference Accelerator. لم تتخل عن شركائها وقد وقعت بالفعل صفقات بمليارات الدولارات مع Nvidia و AMD، لكنها تحاول بالتوازي التعامل مع بعض المهام باستخدام سيليكون خاص بها. المنطق هو أن الرقاقات الداخلية لا تحتاج إلى أن تكون عالمية مثل وحدات المعالجة الرسومية التجارية.

يمكن مواءمتها بشكل أدق لسيناريوهات ميتا المحددة وبالتالي تقليل تكاليف الاستدلال.

خارطة طريق MTIA

لدى ميتا الآن خطة واضحة تماماً لعدة أجيال قادمة. تقول الشركة أنها يمكن أن تطلق رقاقة جديدة تقريباً كل ستة أشهر — أسرع بشكل ملحوظ من الدورة المعتادة في الصناعة، حيث غالباً ما يمر عام أو عامان بين الأجيال. تساعد العمارة المعيارية: يمكن دمج المسرعات الجديدة في الأرفف المجهزة بالفعل والبنية التحتية للشبكة في مراكز البيانات.

• MTIA 300 يعمل بالفعل في الإنتاج ويُستخدم لتدريب نماذج الترتيب والتوصيات.
• MTIA 400 اجتاز الاختبارات المختبرية ويستعد للنشر في مراكز البيانات.
• MTIA 450 يجري تصميمه بشكل أساسي لاستدلال الذكاء الاصطناعي ويجب أن يطلق بكميات كبيرة في أوائل 2027.
• MTIA 500 مخطط للنصف الثاني من 2027 كالخطوة التالية في نفس الخط.

وفقاً لميتا، الانتقال من MTIA 300 إلى MTIA 500 يجب أن يحقق نمواً بحوالي 4.5 أضعاف في إنتاجية ذاكرة HBM و 25 ضعفاً في الأداء الحسابية. تضع الشركة تركيزاً خاصاً على الاستدلال: هذه المرحلة، عندما تكون النموذج بالفعل يستجيب للمستخدم، تصبح أكثر الحالات تكلفة وانتشاراً للخدمات التي لديها جمهور بمليارات المستخدمين.

« خلال الشهرين أو الثلاثة أشهر الماضية، تسارع وتيرة تطور الذكاء

الاصطناعي مرة أخرى بشكل حاد، وبرامج السيليكون يجب أن تواكب تطور الأحمال الحسابية. »

أين الاختناقات

المشكلة هي أن تطوير رقاقات خاصة بك ليس فقط مكلفاً، بل بطيء جداً وخطير. من التصميم إلى الإنتاج في المصنع عادة ما يستغرق حوالي سنتين، والتطوير الفعلي للمنتج يكلف مليارات الدولارات. مثل هذا المشروع يسترد استثماره فقط إذا كانت الشركة قادرة على تحميل الأجهزة بحجم ضخم وتفهم بوضوح أي المهام ستكون ملائمة في وقت الإطلاق.

سابقاً تم الإبلاغ عن أن ميتا تخلت عن رقاقة التدريب الأكثر تقدماً لها Olympus بعد مشاكل التصميم وحولت التركيز إلى نسخة أبسط. لتسريع البرنامج، حاولت ميتا شراء الشركة الناشئة الكورية الجنوبية FuriosaAI مقابل 800 مليون دولار، وبعد فشل ذلك، استحوذت على Rivos مع أكثر من 400 موظف. يُظهر هذا أن النقص في هذا السباق ليس فقط في GPU، بل أيضاً في المهندسين الذين يعرفون كيفية بناء سيليكون معقد لمراكز البيانات.

ماذا يعني هذا

ميتا لا تبني بديلاً عن Nvidia كـ « رقاقة واحدة كبيرة »، بل نموذج هجين: ستستمر في شراء جزء من البنية التحتية الخاصة بها من الخارج، بينما تنقل تدريجياً جزءاً من العمل إلى MTIA الخاصة بها. إذا حافظت الشركة على وتيرة الإطلاقات وأدارت فعلاً تقليل تكاليف الاستدلال، ستحصل على ميزة مهمة في سباق الذكاء الاصطناعي: سيطرة أكبر على التكاليف والمواعيد النهائية وإطلاق ميزات جديدة لمليارات المستخدمين.