每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/

Meta，一个疯狂追赶生成式AI领域对手的科技巨头，正在其自家AI研发上砸下数十亿美元。这些投资中的一部分用于招募AI研究人员，更大一块则用于开发硬件，尤其是用于运行和训练Meta AI模型的芯片。

就在英特尔宣布其最新AI加速硬件的次日，Meta今日也大张旗鼓地展示了其芯片开发的最新成果——被称为“下一代”的Meta训练与推断加速器（MTIA），是去年MTIA v1的后继产品。这款芯片的应用场景包括在Meta旗下的平台（例如Facebook）上对显示广告进行排名和推荐。

与基于7纳米工艺的MTIA v1相比，新一代的MTIA使用了5纳米工艺。在芯片制造中，“工艺”指的是芯片上可以构建的最小组件的大小。新一代的MTIA设计上体积更大，内置了更多的处理核心。尽管其功耗更高——90瓦特对比25瓦特——但它拥有更多的内存（128MB对比64MB）并且运行的平均时钟速度更高（从800MHz提升到1.35GHz）。

Meta表示，新一代MTIA目前已在其16个数据中心区域投入使用，并且与MTIA v1相比，整体性能提升了高达3倍。如果你觉得这个“3倍”的说法听起来有些模糊，那你并不孤单——我们也这么认为。但Meta只是透露，这一数据是通过在两款芯片上测试“四个关键模型”的性能得出的。

Meta在一篇与TechCrunch共享的博客文章中写道：“因为我们控制了整个堆栈，我们能够比商用GPU实现更高的效率。”

Meta的硬件展示——在公司各种持续的生成式AI计划的新闻发布会后仅24小时进行——出于几个原因而不同寻常。

一是Meta在博客中透露，目前并没有使用新一代MTIA来进行生成式AI的训练工作，尽管公司声称正在探索“几个相关计划”。二是Meta承认，新一代MTIA不会取代GPU来运行或训练模型——而是将与之互补。

言下之意，Meta的进展缓慢——可能比他们期望的还要慢。

Meta的AI团队几乎可以肯定正面临削减成本的压力。该公司预计到2024年底将在GPU上投资约180亿美元，用于训练和运行生成式AI模型，而这些模型的训练成本高达数千万美元——自研硬件显然是一个具有吸引力的替代方案。

而在Meta的硬件发展缓慢之时，其竞争对手正快速前进，这无疑让Meta的领导层感到焦虑。

就在本周，谷歌将其第五代定制AI训练芯片TPU v5p向Google Cloud客户全面开放，并推出了其首个专用于运行模型的芯片Axion。亚马逊已经拥有几个定制AI芯片系列。而微软去年也加入了竞争，推出了Azure Maia AI加速器和Azure Cobalt 100 CPU。

Meta在博客中表示，从首次使用硅片到生产模型，新一代MTIA仅用了不到九个月的时间，这其实比Google TPUs的典型窗口时间还要短。但如果Meta希望实现从第三方GPU中独立出来，并与激烈的竞争对手匹敌，它还有很长的路要走。