Komoly mérföldkőhöz érkezhetett Mark Zuckerberg cége, a metaverzum után a mesterséges intelligenciára (és az ezzel felturbózott kiterjesztett valóságra) rástartoló Meta, amely belsős források szerint már elkezdte tesztelni a saját fejlesztésű gyorsítókártyáját, és a gyártást is hamar felpörgetheti, ha a tesztek sikeresek lesznek. Ha a Meta sikerrel jár, a jövőben a saját kártyáit használhatja az MI-modelljeinek tanításához a piacot jelenleg domináló Nvidia kártyái helyett, ami komoly fegyvertény lehet – írja a Reuters.

A lap szerint a Meta állítólag a tajvani TSMC-vel közösen dolgozik a kártyán, az egyik forrásuk egészen pontosan arról beszélt, hogy a tervezési folyamat utolsó lépése, az úgynevezett tape-out sikerrel végződött, így a csip első verziója már kézzel foghatóan létezik. Az nem biztos, hogy ez a verzió eljut majd a tömeggyártásig, de a siker így is fontos, ez a folyamat ugyanis hónapokig tart, több tízmillió dollárba kerül és kudarc esetén az egészet elölről kell kezdeni. Az együttműködés tényét egyik forrás sem erősítette meg.

A Meta korábban is próbálkozott már hasonló csipek gyártásával a 2020-ban elindított Meta Training and Inference Accelerator (MTIA) széria kereteiben, de eleinte nem voltak túl sikeresek, egyszer ugyanebben a fázisban kaszáltak el egy kísérletet. 2023-ban viszont csináltak egy működőképes csipet, tavaly pedig jelentősen sikerült is javítaniuk ezen. A Meta vezetői korábban már többször jelezték, hogy 2026-ra szeretnék a saját csipjeiket használni az MI-modellek tanításánál, a jelek szerint most jó úton is járnak efelé.

Ez különösen az Nvidia számára lehet majd érdekes, a Meta ugyanis a cég egyik legnagyobb vásárlója, és amikor 2022-ben kudarcot valott az előző csipjével, éppen tőlük vásároltak rengeteg GPU-t, hogy támogathassák a mesterséges intelligenciás törekvéseiket. Azóta viszont felmerült, hogy a nyers erő és számítási kapacitás növelése helyett más megoldásokra lenne szükség az MI-modelleknél, többek közt a kínai DeepSeek miatt is, amely megmutatta, hogy a számítási kapacitás helyett az architektúra optimalizálásával is lehet komoly eredményeket elérni.