Meta kontynuuje prace nad niestandardowym układem krzemowym, tworząc drugą wersję narzędzia Meta Training and Inference Accelerator (MTIA). Jest to chip, który według firmy został „zaprojektowany specjalnie dla naszych modeli rekomendacji głębokiego uczenia się, które poprawiają różnorodne doświadczenia w naszych aplikacjach i technologiach”. Ten nowy procesor zostanie zintegrowany z wielkoskalową infrastrukturą Meta i będzie stanowić część wysiłków mających na celu stworzenie kompleksowego rozwiązania służącego firmie i programistom.
Meta twierdzi, że najnowsza wersja MTIA „już poprawiła wydajność trzykrotnie w porównaniu z naszym chipem pierwszej generacji w czterech kluczowych modelach, które oceniliśmy”. Firma ciężko pracowała, aby zapewnić, że nowy krzem będzie miał tak dobrą równowagę pomiędzy mocą obliczeniową, przepustowością pamięci i pojemnością pamięci, aby jak najlepiej służyć swoim modelom. Modele te są podstawą rankingów i rekomendacji, które są ważną częścią produktów Meta.
Advertisement
Ponieważ sztuczna inteligencja w dalszym ciągu odgrywa coraz większą rolę w ofercie firm technologicznych, Meta stara się wycisnąć jak najwięcej z wykorzystywanego sprzętu. MTIA v2 to dla firmy szansa na uzyskanie jeszcze większej wydajności w przypadku tak zwanych „wyjątkowych obciążeń”. Ma to kluczowe znaczenie, ponieważ ilość mocy obliczeniowej niezbędnej do zapewnienia oczekiwanych przez użytkowników doświadczeń związanych ze sztuczną inteligencją będzie nadal rosła.
Meta postrzega MTIA jako ważny element przyszłego sukcesu firmy. „Projektujemy nasz niestandardowy układ krzemowy tak, aby współpracował z naszą istniejącą infrastrukturą, a także z nowym, bardziej zaawansowanym sprzętem (w tym procesorami graficznymi nowej generacji), który możemy wykorzystać w przyszłości” – stwierdziła firma.
Dzięki tej najnowszej wersji MTIA Meta wykazuje swoje zaangażowanie w rozwój własnego krzemu. Wydaje się również, że ścieżką naprzód dla sztucznej inteligencji jest hiperniestandardowy krzem, który może osiągnąć wyższy poziom wydajności.