Meta implementerà i suoi chip AI auto-sviluppati nella prima metà del prossimo anno, con l'obiettivo di ridurre i costi e diminuire la dipendenza da Nvidia.

Meta sta accelerando il ritmo di implementazione dei suoi chip AI proprietari, al fine di ridurre la dipendenza da NVIDIA e comprimere i costi operativi dei data center.

L’azienda ha dichiarato che la terza generazione del chip proprietario MTIA 450 (nome in codice Arke) entrerà in uso nei data center nella prima metà del prossimo anno. Il design del prodotto di quarta generazione, MTIA 500 (nome in codice Astrid), sarà completato entro circa un mese e il lancio nei data center è previsto entro la fine del 2027, con una scala di implementazione ancora più ampia.

Questa roadmap dei chip segna un progresso sostanziale da parte di Meta nell’abbattere i costi delle infrastrutture AI.

Il vicepresidente dell’ingegneria di Meta, Yee Jiun Song, ha dichiarato che i chip proprietari sono più efficienti nell’esecuzione dei modelli AI rispetto ai prodotti attualmente distribuiti da NVIDIA, “proprio perché ci assumiamo internamente gran parte del lavoro ingegneristico”.

Meta ha già assunto impegni di implementazione equivalenti a oltre 1 gigawatt di consumo elettrico sui chip proprietari nei prossimi 12 mesi. Yee Jiun Song ha sottolineato che ci si aspetta un’ulteriore accelerazione dell’espansione, a condizione che il mercato o la domanda di AI non collassino.

Al momento della pubblicazione, Meta è in crescita dello 0,18% martedì durante la giornata, NVIDIA dello 0,74%.

Meta collabora con Broadcom per il design dei chip e con TSMC per la produzione, con l’obiettivo generale di ridurre la dipendenza dalla posizione dominante di NVIDIA nel settore.

Meta ha annunciato per la prima volta il piano di ricerca e sviluppo di chip proprietari nel 2023. L’attuale terza generazione ha già ricevuto i primi 12 campioni il 1° settembre da TSMC, e la differenza tra le prestazioni reali e i risultati della simulazione è inferiore al 2%-3%. Nel test iniziale, il team di ingegneri è riuscito ad eseguire con successo i modelli proprietari di Meta su questi chip.

Yee Jiun Song ha affermato che i risultati dei test non hanno evidenziato difetti significativi nella fase di progettazione dei chip, ma sono necessari ancora alcuni mesi per il debug e l’ottimizzazione, mentre la produzione da parte di TSMC continua a crescere.

Ha sottolineato che questa serie di chip si basa principalmente su memoria ad alta larghezza di banda ed è destinata a scenari di inferenza generica, e non al mercato dell’inferenza ultraveloce dove sono richiesti tempi di risposta estremamente bassi. “Questi sono i nostri chip principali per l’inferenza generica”, ha detto.

Meta aveva originariamente pianificato lo sviluppo di un chip dal nome in codice Olympus, progettato per supportare sia la fase di training che quella di inferenza dei modelli AI, con il lancio previsto tra il 2028 e il 2029.

Tuttavia, secondo quanto riferito da Yee Jiun Song, il progetto è stato cancellato e l’azienda ha deciso di concentrarsi sui chip per l’inferenza, principalmente per ragioni di costo.

“Quando si inizia a espandere la capacità su scala di diversi gigawatt, i costi diventano fondamentali”, ha spiegato. Ha aggiunto che se un chip progettato per seguire sia la formazione che l’inferenza avesse un prezzo superiore di circa il 30%, ciò risulterebbe “totalmente inaccettabile” in un contesto di implementazione su larga scala.

Il Meta Superintelligence Labs sta fornendo informazioni sulle esigenze dei futuri modelli AI per aiutare l’ottimizzazione dettagliata dei chip, così da migliorare l’efficienza operativa durante la fase di inferenza.

Dopo il completamento dello sviluppo di Astrid, Meta ha dichiarato che lo sviluppo successivo dei chip si concentrerà sul miglioramento della velocità di calcolo e del throughput, ovvero la quantità di attività AI che può essere gestita in un dato periodo di tempo. Anche l’introduzione della tecnologia in fibra ottica dovrebbe contribuire a migliorare ulteriormente le prestazioni dei chip.

“Abbiamo una roadmap molto solida”, ha detto Yee Jiun Song. “Nei prossimi anni ci aspettiamo di continuare a sviluppare chip in grado di competere con quelli dei fornitori.”

Questa dichiarazione riflette come Meta speri di acquisire progressivamente il controllo delle tecnologie chiave delle infrastrutture AI grazie ai propri chip proprietari, costruendo al contempo un vantaggio competitivo duraturo sui costi e sull’efficienza energetica.