我們擅長商業策略與用戶體驗的完美結合。
歡迎瀏覽我們的案例。
Meta第二代自研AI芯片Artemis，今年正式投產!
據悉，新的芯片將被用于數據中心的推理(Inference)任務，并與英偉達等供應商的GPU一起協同工作。
對此，Meta的發言人表示：「我們認為，我們自主開發的加速器將與市面上的GPU相得益彰，為Meta的任務提供最佳的性能與效率平衡。」
除了更高效地運行的推薦模型外，Meta還需要為自家的生成式AI應用，以及正在訓練的GPT-4開源競品Llama 3提供算力。
Meta的AI貼紙功能，此前在Messenger、Instagram和WhatsApp上都處于測試階段
OpenAI工程師Jason Wei在Meta的一次AI活動中聽到，Meta現在有足夠的算力來訓練Llama 3和4。Llama 3計劃達到GPT-4的性能水平，但仍將免費提供
不難看出，Meta的目標非常明確——在減少對英偉達芯片依賴的同時，盡可能控制AI任務的成本。
Meta成英偉達大客戶
Meta CEO小扎最近宣布，他計劃到今年年底部署35萬顆英偉達H100 GPU，總共將有約60萬顆GPU運行和訓練AI系統。
這也讓Meta成為了繼微軟之后，英偉達最大的已知客戶。
小扎表示，目前Meta內部正在訓練下一代模型Llama 3。
在35萬塊H100上訓練的Llama 3，無法想象會有多大!
Omdia的研究數據顯示，Meta在2023年H100的出貨量為15萬塊，與微軟持平，且是其他公司出貨量的3倍。
小扎稱，「如果算上英偉達A100和其他AI芯片，到2024年底，Meta將擁有近60萬個GPU等效算力」。
性能更強、尺寸更大的模型，導致更高的AI工作負載，讓成本直接螺旋式上升。
據《華爾街日報》的一位匿名人士稱，今年頭幾個月，每有一個客戶，微軟每月在Github Copilot上的損失就超過20美元，甚至某些用戶每月的損失高達80美元，盡管微軟已經向用戶收取每月10美元的費用。
之所以賠錢，是因為生成代碼的AI模型運行成本高昂。 如此高的成本，讓大科技公司們不得不尋求別的出路。
除了Meta之外，OpenAI和微軟也在試圖打造自己專有的AI芯片以及更高效的模型，來打破螺旋式上升的成本。
此前外媒曾報道，Sam Altman正計劃籌集數十億美元，為OpenAI建起全球性的半導體晶圓廠網絡，為此他已經在和中東投資者以及臺積電談判
專為大模型定制AI芯
去年5月，Meta首次展示了最新芯片系列——「Meta訓練和推理加速器」(MTIA)，旨在加快并降低運行神經網絡的成本。
MTIA是一種ASIC，一種將不同電路組合在一塊板上的芯片，允許對其進行編程，以并行執行一項或多項任務。
內部公告稱，Met首款芯片將在2025年投入使用，同時數據中心開啟測試。不過，據路透社報道，Artemis已經是MTIA的更高級版本。
其實，第一代的MITA早就從2020年開始了，當時MITA v1采用的是7nm工藝。
該芯片內部內存可以從128MB擴展到128GB，同時，在Meta設計的基準測試中，MITA在處理中低復雜度的AI模型時，效率要比GPU還高。
在芯片的內存和網絡部分，Meta表示，依然有不少工作要做。
隨著AI模型的規模越來越大，MITA也即將遇到瓶頸，因此需要將工作量分擔到多個芯片上。
當時，Meta團隊還設計了第一代MTIA加速器，同樣采用臺積電7nm，運行頻率為800MHz，在INT8精度下提供102.4 TOPS，在FP16精度下提供51.2 TFLOPS。它的熱設計功耗(TDP)為25W。
2022年1月，Meta還推出了超算RSC AI，并表示要為元宇宙鋪路。RSC包含2000個英偉達DGX A100系統，16000個英偉達A100 GPU。
這款超算與Penguin Computing、英偉達和Pure Storage合作組裝，目前已完成第二階段的建設。
