Meta start in september met de productie van eigen AI-chips
Meta versnelt zijn zoektocht naar onafhankelijkheid op het gebied van siliconen met plannen om in september te beginnen met de productie van zijn nieuwste AI-specifieke chips. Door eigen hardware te ontwikkelen, streeft de sociale mediagigant ernaar de afhankelijkheid van dure GPU's van Nvidia en AMD drastisch te verminderen, terwijl de enorme infrastructuur wordt geoptimaliseerd voor AI-workloads van de volgende generatie.
Opschalen van de Meta Training and Inference Accelerator (MTIA)
De aanstaande productie markeert een belangrijke mijlpaal voor het Meta Training and Inference Accelerator (MTIA)-programma van Meta. In tegenstelling tot traditionele monolithische chipontwerpen, kiest Meta voor een modulaire "chiplet"-aanpak. Deze strategie stelt het bedrijf in staat om sneller te itereren, waarbij de nieuwste inzichten in AI-workloads en hardwaretechnologieën worden geïntegreerd in kortere ontwikkelingscycli. Deze modulariteit is cruciaal in een landschap waarin de vereisten voor AI-modellen bijna maandelijks veranderen.
Volgens interne rapporten heeft ten minste één van deze nieuwe chips de testfase in slechts zes weken succesvol doorlopen. Meta werkt samen met Broadcom aan de ontwerparchitectuur, terwijl het gebruikmaakt van Taiwan Semiconductor Manufacturing Company (TSMC) voor hoogwaardige productie. De toeleveringsketen voor deze chips is al robuust en omvat Samsung voor RAM, Sandisk voor opslag en Sumitomo Electric voor glasvezelapparatuur.
Verminderen van de afhankelijkheid van Nvidia en AMD
Nu de complexiteit van AI-modellen explodeert, zijn de kosten voor gespecialiseerde hardware een enorme kapitaalbelasting geworden. Meta heeft een agressieve bestedingsroadmap aangekondigd, met een prognose voor kapitaaluitgaven tussen de 125 miljard en 145 miljard dollar dit jaar. Een aanzienlijk deel van dit budget is bestemd voor het veiligstellen van de rekenkracht die nodig is voor het trainen en inzetten van de Muse Spark-serie AI-modellen.
Hoewel Meta miljarden dollars aan leveringen van AMD Instinct GPU's en andere hardware van derden zal blijven inkopen, zijn de MTIA-chips ontworpen voor specifieke taken met een hoog volume. Dit omvat het trainen van ranking- en aanbevelingsalgoritmen — de ruggengraat van Instagram en Facebook — evenals algemene AI-inferentie voor de diverse consumententoepassingen.
De bredere race om siliconen-soevereiniteit
De stap van Meta is onderdeel van een grotere verschuiving in de sector naar "siliconen-soevereiniteit". Het tijdperk van één dominante chipleverancier wordt uitgedaagd door zowel hyperscalers als AI-labs. Google en Amazon hebben al succesvolle programma's voor eigen siliconen opgezet, en nu verkennen OpenAI en Anthropic naar verluidt vergelijkbare paden met partners als Broadcom en Samsung.
Om deze hardware te ondersteunen, schaalt Meta ook zijn fysieke infrastructuur op een ongekend tempo op. Het bedrijf is van plan om dit jaar 7 gigawatt aan rekencapaciteit in te zetten, met plannen om dat cijfer volgend jaar te verdubbelen. Deze enorme investering in zowel eigen siliconen als datacentervermogen onderstreept de realiteit dat de toekomst van AI gewonnen of verloren zal worden op de efficiëntie van de onderliggende hardware.
Belangrijkste punten
- Modulaire hardwarestrategie: Meta gebruikt een op chiplets gebaseerd ontwerp voor zijn MTIA-programma om snellere iteraties en aanpasbaarheid aan evoluerende AI-workloads mogelijk te maken.
- Strategische toeleveringsketen: De productie-uitrol omvat een krachtig ecosysteem van partners, waaronder Broadcom voor het ontwerp, TSMC voor de fabricage en Samsung voor het geheugen.
- Massale infrastructuurinvestering: Meta positioneert zich voor langdurige AI-dominantie door kapitaaluitgaven (CAPEX) tot 145 miljard dollar te voorzien en van plan te zijn de inzet van rekenkracht te verdubbelen naar 14 gigawatt.