ఈ సెప్టెంబర్‌లో Meta తన సొంత AI చిప్‌ల ఉత్పత్తిని ప్రారంభిస్తుంది

ఈ సెప్టెంబర్‌లో తన తాజా AI-ప్రత్యేక చిప్‌ల ఉత్పత్తిని ప్రారంభించే ప్రణాళికలతో Meta తన సిలికాన్ స్వతంత్రత కోసం ప్రయత్నాలను వేగవంతం చేస్తోంది. సొంతంగా హార్డ్‌వేర్‌ను అభివృద్ధి చేయడం ద్వారా, సోషల్ మీడియా దిగ్గజం Nvidia మరియు AMD నుండి వచ్చే అధిక ఖరీదైన GPUలపై తన ఆధారపడటాన్ని తగ్గించుకోవడమే కాకుండా, తదుపరి తరం AI వర్క్‌లోడ్‌ల కోసం తన భారీ మౌలిక సదుపాయాలను ఆప్టిమైజ్ చేయాలని లక్ష్యంగా పెట్టుకుంది.

Meta Training and Inference Accelerator (MTIA)ని విస్తరించడం

రాబోయే ఉత్పత్తి Meta యొక్క Meta Training and Inference Accelerator (MTIA) ప్రోగ్రామ్‌కు ఒక ముఖ్యమైన మైలురాయి. సాంప్రదాయ మోనోలిథిక్ చిప్ డిజైన్‌ల వలె కాకుండా, Meta మాడ్యులర్ "chiplet" విధానాన్ని అవలంబిస్తోంది. ఈ వ్యూహం కంపెనీకి మరింత వేగంగా మార్పులు చేయడానికి (iterate) వీలు కల్పిస్తుంది, తద్వారా తాజా AI వర్క్‌లోడ్ అంశాలను మరియు హార్డ్‌వేర్ సాంకేతికతలను తక్కువ కాలపరిమితిలో అభివృద్ధి చేయవచ్చు. AI మోడల్ అవసరాలు దాదాపు ప్రతి నెలా మారుతున్న ప్రస్తుత పరిస్థితుల్లో ఈ మాడ్యులారిటీ చాలా కీలకం.

అంతర్గత నివేదికల ప్రకారం, ఈ కొత్త చిప్‌లలో కనీసం ఒకటి కేవలం ఆరు వారాల్లోనే టెస్టింగ్ దశను విజయవంతంగా పూర్తి చేసింది. Meta డిజైన్ ఆర్కిటెక్చర్ కోసం Broadcomతో కలిసి పనిచేస్తోంది, అలాగే హై-ఎండ్ తయారీ కోసం Taiwan Semiconductor Manufacturing Company (TSMC)ని ఉపయోగిస్తోంది. ఈ చిప్‌ల కోసం సప్లై చైన్ ఇప్పటికే బలంగా ఉంది, ఇందులో RAM కోసం Samsung, స్టోరేజ్ కోసం Sandisk మరియు ఫైబర్-ఆప్టిక్ పరికరాల కోసం Sumitomo Electric భాగస్వాములుగా ఉన్నాయి.

Nvidia మరియు AMDలపై ఆధారపడటాన్ని తగ్గించడం

AI మోడల్ సంక్లిష్టత పెరుగుతున్న కొద్దీ, ప్రత్యేక హార్డ్‌వేర్ ఖర్చు భారీ మూలధన భారం (capital burden)గా మారింది. Meta ఈ ఏడాది $125 బిలియన్ల నుండి $145 బిలియన్ల మధ్య మూలధన వ్యయాన్ని (capital expenditures) అంచనా వేస్తూ, దూకుడుగా ఖర్చు చేసే ప్రణాళికను ప్రకటించింది. ఈ బడ్జెట్‌లో గణనీయమైన భాగం Muse Spark సిరీస్ AI మోడళ్లను శిక్షణ ఇవ్వడానికి మరియు అమలు చేయడానికి అవసరమైన కంప్యూట్ సామర్థ్యాన్ని పొందడానికి కేటాయించబడింది.

Meta продолжает AMD Instinct GPUs మరియు ఇతర థర్డ్-పార్టీ హార్డ్‌వేర్‌లను బిలియన్ల డాలర్ల విలువైన మొత్తంలో కొనుగోలు చేస్తూనే ఉన్నప్పటికీ, MTIA చిప్‌లు నిర్దిష్టమైన, అధిక పరిమాణపు పనులను నిర్వహించడానికి రూపొందించబడ్డాయి. వీటిలో Instagram మరియు Facebookలకు వెన్నెముక వంటి రాంకింగ్ మరియు రికమెండేషన్ అల్గారిథమ్‌ల శిక్షణతో పాటు, వివిధ వినియోగదారుల అప్లికేషన్‌ల కోసం జనరల్ AI ఇన్ఫరెన్స్ కూడా ఉన్నాయి.

సిలికాన్ సార్వభౌమాధికారం (Silicon Sovereignty) కోసం జరుగుతున్న విస్తృత పోటీ

Meta తీసుకున్న ఈ నిర్ణయం "సిలికాన్ సార్వభౌమాధికారం" వైపు పరిశ్రమలో జరుగుతున్న పెద్ద మార్పులో భాగం. ఒకే ఒక డొమినెంట్ చిప్ ప్రొవైడర్ ఉండే యుగానికి హైపర్‌స్కేలర్లు మరియు AI ల్యాబ్‌లు సవాలు విసురుతున్నాయి. Google మరియు Amazon ఇప్పటికే విజయవంతమైన కస్టమ్ సిలికాన్ ప్రోగ్రామ్‌లను స్థాపించాయి, మరియు ఇప్పుడు OpenAI మరియు Anthropic కూడా Broadcom మరియు Samsung వంటి భాగస్వాములతో ఇలాంటి మార్గాలను అన్వేషిస్తున్నట్లు సమాచారం.

ఈ హార్డ్‌వేర్‌కు మద్దతుగా, Meta తన భౌతిక మౌలిక సదుపాయాలను అపూర్వమైన వేగంతో విస్తరిస్తోంది. కంపెనీ ఈ ఏడాది 7 గిగావాట్ల కంప్యూట్ సామర్థ్యాన్ని వినియోగంలోకి తీసుకురావాలని, వచ్చే ఏడాది ఆ సంఖ్యను రెట్టింపు చేయాలని యోచిస్తోంది. కస్టమ్ సిలికాన్ మరియు డేటా సెంటర్ పవర్ రెండింటిలోనూ చేస్తున్న ఈ భారీ పెట్టుబడి, AI భవిష్యత్తు అనేది దాని వెనుక ఉన్న హార్డ్‌వేర్ సామర్థ్యంపైనే ఆధారపడి ఉంటుందనే వాస్తవాన్ని నొక్కి చెబుతోంది.

ముఖ్య అంశాలు

  • మాడ్యులర్ హార్డ్‌వేర్ వ్యూహం: వేగవంతమైన మార్పులు మరియు మారుతున్న AI వర్క్‌లోడ్‌లకు అనుగుణంగా మారడానికి Meta తన MTIA ప్రోగ్రామ్ కోసం చిప్‌లెట్-ఆధారిత డిజైన్‌ను ఉపయోగిస్తోంది.
  • వ్యూహాత్మక సప్లై చైన్: ఈ ఉత్పత్తి ప్రక్రియలో డిజైన్ కోసం Broadcom, ఫ్యాబ్రికేషన్ కోసం TSMC మరియు మెమరీ కోసం Samsung వంటి శక్తివంతమైన భాగస్వామ్య వ్యవస్థ (ecosystem) ఉంది.
  • భారీ మౌలిక సదుపాయాల పెట్టుబడి: Meta $145 బిలియన్ల వరకు CAPEXను అంచనా వేస్తూ మరియు తన కంప్యూట్ వినియోగాన్ని 14 గిగావాట్లకు రెట్టింపు చేయాలని ప్లాన్ చేస్తూ, దీర్ఘకాలిక AI ఆధిపత్యం కోసం తనను తాను సిద్ధం చేసుకుంటోంది.