Meta entwickelt eigene KI-Chips, die in der ersten Hälfte des nächsten Jahres eingesetzt werden sollen, um Kosten zu senken und die Abhängigkeit von Nvidia zu verringern.

Meta beschleunigt derzeit die Einführung seiner eigenen KI-Chips, um die Abhängigkeit von Nvidia zu verringern und die Betriebskosten der Rechenzentren zu senken.

Das Unternehmen gab bekannt, dass die dritte Generation der eigenen MTIA 450-Chips (Codename Arke) im ersten Halbjahr des nächsten Jahres in den Rechenzentren zum Einsatz kommen wird. Die Designarbeiten für die vierte Generation, den MTIA 500 (Codename Astrid), sollen in etwa einem Monat abgeschlossen sein. Einen breiten Einsatz in den Rechenzentren erwartet Meta Ende 2027.

Diese Chip-Roadmap markiert einen deutlichen Fortschritt von Meta bei der Reduzierung der Kosten für KI-Infrastruktur.

Meta Vice President of Engineering Yee Jiun Song erklärte, dass die eigenen Chips beim Ausführen von KI-Modellen effizienter seien als aktuelle Produkte von Nvidia: „Das liegt daran, dass wir selbst einen Großteil der Ingenieursarbeit leisten.“

In den kommenden 12 Monaten hat sich Meta bereits zu einer eigenen Chip-Implementierung mit über 1 Gigawatt Stromäquivalent verpflichtet. Yee Jiun Song geht davon aus, dass sich das Expansionstempo danach noch beschleunigt, vorausgesetzt, der KI-Markt oder die Nachfrage bricht nicht ein.

Zur Zeit der Veröffentlichung lag Meta am Dienstag im Intraday-Handel mit 0,18 % im Plus, Nvidia stieg um 0,74 %.

Meta arbeitet bei der Chipentwicklung mit Broadcom zusammen und setzt bei der Fertigung auf TSMC, mit dem strategischen Ziel, die Marktdominanz von Nvidia zu verringern.

Meta kündigte 2023 erstmals Pläne zur Entwicklung eigener Chips an. Die aktuelle dritte Generation erhielt am 1. September die ersten zwölf Muster von TSMC. Die gemessene Leistungsabweichung lag lediglich bei 2 bis 3 % im Vergleich zu den Simulationen. Am ersten Testtag setzten die Ingenieurteams den Chip bereits erfolgreich für den Betrieb unternehmenseigener Modelle ein.

Laut Yee Jiun Song zeigte das Testen, dass es im Chip-Design keine offensichtlichen Mängel gibt. Dennoch seien weitere Monate an Feinabstimmung und Optimierung nötig, während TSMC die Produktion weiter hochfährt.

Er betonte, dass die Chipreihe hauptsächlich auf Hochbandbreitenspeicher setzt und für allgemeine Inferenzszenarien gedacht ist und nicht für Märkte mit extrem hohen Anforderungen an Reaktionsgeschwindigkeit. „Das ist unser Hauptchip für allgemeine Inferenz“, sagte er.

Meta plante zuvor einen Chip mit dem Codenamen Olympus, der sowohl Training als auch Inferenz von KI-Modellen unterstützen sollte. Der Marktstart war ursprünglich für 2028 bis 2029 vorgesehen.

Wie Yee Jiun Song mitteilte, wurde das Projekt jedoch eingestellt, und das Unternehmen konzentriert sich nun auf Inferenz-Chips; Kostenaspekte waren maßgeblich für die Entscheidung.

„Sobald du auf mehrere Gigawatt Kapazität skalierst, werden die Kosten entscheidend“, sagte er. Er wies darauf hin, dass ein Chip, der Training und Inferenz abdeckt, etwa 30 % teurer sei, was bei großflächigem Einsatz „völlig undenkbar“ wäre.

Meta Superintelligence Labs unterstützt die Feinabstimmung der Chips durch die Bereitstellung von Informationen zu den Anforderungen künftiger KI-Modelle, um die Effizienz in der Inferenzphase zu steigern.

Nach Abschluss der Entwicklung von Astrid legt Meta den Schwerpunkt in der zukünftigen Chip-Entwicklung auf die Steigerung von Rechengeschwindigkeit und Durchsatz, also die Anzahl der KI-Aufgaben, die pro Zeiteinheit bearbeitet werden können. Die Einführung von Glasfasertechnologien soll die Chip-Performance zusätzlich verbessern.

„Wir haben eine sehr solide Roadmap“, so Yee Jiun Song. „In den nächsten Jahren werden wir weiter Chips entwickeln, die mit den Produkten der Zulieferer konkurrieren können.“

Diese Aussagen spiegeln Metas Ziel wider, mit eigens entwickelten Silizium-Chips die Kontrolle über zentrale KI-Infrastrukturtechnologien zu gewinnen und sich langfristig Wettbewerbsvorteile in Kosten- und Energieeffizienz zu sichern.