ТЕХНОЛОГИИ
Амбиции Meta в области ИИ-чипов показывают гонку за уход от зависимости от Nvidia
Сообщается, что стремление Meta к более активной разработке собственных ИИ-чипов отражает более широкие усилия отрасли по контролю затрат, поставок и планов развития инфраструктуры на фоне ускорения расходов на передовые модели.
Элвин С. ·
MetaСообщается, что усилия по ускорению разработки собственных AI-чипов являются финансовой историей прежде всего, чем историей полупроводников. Компания пытается уменьшить зависимость будущего AI от поставок, ценообразования и темпов выпуска продукции другой компании.
На протяжении многих лет Nvidia был платной дорогой для передового ИИ. Его графические процессоры, сетевой стек и программная экосистема превратили спрос на более крупные модели в исключительную рыночную власть. Очевидная реакция гипермасштаберов и компаний, работающих с моделями, заключается в создании альтернатив, не обязательно для немедленной замены Nvidia, а для получения рычагов влияния и более точного соответствия оборудования внутренним рабочим нагрузкам.
У Meta есть особый стимул делать это, потому что она тратит средства в таких масштабах, что небольшие улучшения эффективности имеют значение. Специальный чип, который улучшает экономику вывода моделей, снижает энергопотребление или освобождает компанию от ожидания ограниченных поставок, может изменить операционные расходы на ИИ во всех сервисах Meta: Facebook, Instagram, WhatsApp, рекламе, инструментах для создателей и внутреннем исследовании.
Сложность заключается в том, что индивидуальный кремний — это не бизнес пресс-релизов. Он требует архитектурных решений, поддержки компиляторов, инструментов для разработчиков, производственных мощностей, упаковки, поставок памяти, теплового проектирования и дорожной карты, способной выдержать изменения стратегии моделей.
Вот почему наиболее реалистичным результатом является не полная замена Nvidia. Это сегментация рабочих нагрузок. Некоторые задачи обучения и передовые исследования могут оставаться на системах Nvidia, потому что экосистема зрелая и гибкая. Некоторые высокообъемные инференсные, рекомендательные и внутренние платформенные рабочие нагрузки могут быть переведены на специализированные или полуспециализированные ускорители, где экономика более понятна.
Инвесторам следует рассматривать стратегию как попытку превратить капитальные расходы в долговременный контроль. Если Meta сможет разрабатывать оборудование вокруг собственных моделей, потоков данных и пользовательских интерфейсов, она сможет превратить инфраструктуру ИИ из закупаемого ресурса в платформенное преимущество. Если нет, расходы на специализированные чипы станут еще одной дорогостоящей статьей расходов в году, который уже характеризуется вниманием к капитальным расходам на ИИ.
Конкурентный контекст шире, чем у Meta. У Google есть TPU, у Amazon есть Trainium и Inferentia, у Microsoft есть Maia, у Apple есть собственный стек процессоров, а OpenAI изучал партнерства по индивидуальным чипам. Шаблон очевиден: каждый крупный покупатель ИИ хочет иметь варианты.
Риск заключается в стратегическом переоценивании возможностей. Команды аппаратного обеспечения могут отклоняться от потребностей продукта, а архитектуры моделей могут развиваться быстрее, чем графики выпуска чипов. Чип, оптимизированный под рабочую нагрузку вчерашнего дня, может стать очень дорогим напоминанием о том, что программное обеспечение развивается быстрее, чем производство.
Тем не менее, направление рационально. В ИИ зависимость дорогая, когда спрос стремительно растет. Meta не нужно обыгрывать Nvidia, чтобы оправдать свой рывок в чипах. Ей нужно лишь получить больше контроля над счетом.
Темы: Meta, чипы ИИ, Nvidia, инфраструктура