Meta✴ испытала трудности в создании собственных процессоров для систем искусственного интеллекта, что привело к отказу от наиболее инновационного проекта в пользу более простого решения. Об этом информирует издание The Information, ссылаясь на осведомлённые источники.
Источник изображений: Igor Omilaev / unsplash.com
На прошлой неделе Meta✴ прекратила разработку самого прогрессивного ускорителя для обучения ИИ-моделей из-за возникших конструкторских и технических препятствий; руководство уведомило сотрудников инфраструктурного подразделения об изменении стратегии. Компания скорректировала свои планы, имея ряд альтернативных вариантов. Она заключила многомиллиардное соглашение об аренде ИИ-ускорителей TPU у Google; запустила партнёрскую программу с ускорителями AMD Instinct совокупной мощностью до 6 ГВт; а также объявила о планах по закупке актуальных и будущих поколений ИИ-ускорителей Nvidia.
Собственные чипы разрабатываются в рамках инициативы Meta✴ Training and Inference Accelerator (MTIA), цель которой — сократить расходы и усилить управление инфраструктурой дата-центров. «Мы по-прежнему намерены инвестировать в диверсифицированный портфель чипов для наших нужд, включая развитие линейки MTIA, и в этом году предоставим новые подробности», — заявил представитель Meta✴. Компания отказалась от одной из версий своего чипа второго поколения для обучения ИИ, известного внутри под кодовым именем Iris, затем приступила к работе над более совершенным чипом под названием Olympus, но теперь остановила и этот проект.
Внутри Meta✴ растут сомнения в способности создать собственные ИИ-ускорители, которые могли бы конкурировать с решениями Nvidia, как отметил один из инженеров компании✴. Основные опасения связаны с вероятными задержками и необходимостью дополнительных доработок. Разработка требует привлечения обширной команды специалистов для проектирования, отладки и оптимизации энергоэффективности чипов, что делает продукты Nvidia более практичным выбором. В основе ускорителя Iris, предназначенного для обучения ИИ, лежит технология SIMD (одиночный поток команд, множественный поток данных) — такие чипы проще разрабатывать, однако создание программного обеспечения для них представляет сложность. В проекте Olympus был применён подход SIMT (одиночный поток команд, множественные потоки исполнения), используемый Nvidia, где множество логически независимых потоков выполняют одну инструкцию. Подобная архитектура сложнее в проектировании, но упрощает написание ПО для обучения нейросетей.
Ряд технологических гигантов склоняется ко второму подходу, следуя примеру Nvidia, поскольку он обеспечивает бо́льшую гибкость и лучше подходит для обучения современных ИИ-моделей. Meta✴ рассчитывала завершить работу над Olympus не ранее четвёртого квартала 2026 года, однако на практике потребовалось бы ещё как минимум девять месяцев для подготовки к серийному выпуску. Архитектурной основой Olympus должны были стать разработки стартапа , приобретённого Meta✴ в прошлом году, — они совместимы с платформой CUDA от Nvidia, наиболее распространённой в сфере обучения и развёртывания ИИ-моделей.
Meta✴ намеревалась развернуть крупные серверные кластеры на базе чипов Olympus, однако руководство компании усмотрело в этом риски для обучения новых моделей в условиях соперничества с OpenAI и Google. Программное обеспечение для собственных ускорителей могло оказаться менее надёжным, чем у Nvidia, а сложная архитектура Olympus могла создать трудности при массовом производстве. В связи с этим Meta✴ пока планирует использовать для обучения ИИ ускорители партнёрских компаний, поставляемые вместе с более зрелым и стабильным ПО.
