Meta公布了自研芯片MTIA的新版本，不仅用于社交媒体中内容与广告的排行和推荐，而且能用于未来更复杂模型的训练和推理。
Meta去年5月份公布了7纳米的MTIA v1版本，已经开始用于数据中心，这次透露细节的5纳米的MTIA v2版本，其综合性能提升了3倍。
Meta称之为下一代训练及推理加速器，为解决Meta的AI负载而定制的芯片，将主要用于Meta的广告模型中的排行和推荐。Meta的场景负载，每天要处理上百亿次数据推理。MTIA v2不仅可以改善用户对产品和服务的体验，还提升了计算效率，以支持开发者构建AI模型。
MTIA v2架构
与前代相似，第二代MTIA包含64个被称为PE （Processing Elements）的计算模块，这些模块针对AI推理任务进行了优化。每个PE都有一个专用高速缓存，可用于存储数据。将内存放置在逻辑电路附近可减少数据在两者之间传输的距离，从而缩短传输时间并加快处理速度。集成在每个PE计算模块中的缓存从128KB扩展到384KB。
Meta工程师在博客文章中详细说明：“通过专注于提供超大的SRAM容量（相对于典型GPU而言），即使批量大小有限，我们也能保持高效的资源利用率，并在面对大量潜在并发任务时，仍能提供充足的计算能力。”
另一个提高新芯片性能的因素是一系列“与稀疏计算相关的改进”。AI推理芯片可以移除对于结果来说非必需的数据，从而加速计算。
Meta还开发了一套定制软件工具，核心是一个名为Triton-MTIA的系统，可以将开发人员的AI模型，转换成适合在自己芯片运行的形式。它部分基于Triton，这是一个由OpenAI开发的开源AI编译器，带有自己的编程语言。Triton-MTIA还与其他开源技术集成，包括PyTorch，这是一个由Meta创建的流行的AI开发框架。
Meta称，相比采购GPU，因为它控制了整个技术栈，效率更高。但Meta并不想用自定义芯片取代英伟达的GPU，而是强调互补关系。
一个月前，Meta 宣布推出两个 24k GPU 集群（共 49152 个 H100）。
之前，Meta用于训练Llama和Llama2的集群，是一个 AI 研究超级集群（RSC），配备 16000 个 A100 GPU。新集群建立在 RSC 的成功和教训之上，能够支持上一代所无法胜任的更大、更复杂的模型，如Llama3。
Meta提出了一个雄心勃勃的基础设施计划：“我们正在设计自定义芯片，使其能够与现有基础设施以及未来更先进的硬件（包括下一代GPU）协同工作。实现我们的雄心，需要投资计算芯片，同时也要投资内存带宽、网络和容量，以及其他下一代硬件系统。”
Meta今年将花上数百亿美元，用来建立算力基础设施，其中很大一部分用来采购约35万张H100卡，使其总算力达到等效65万张H100卡。
显然，Meta正跻身于亚马逊、微软、谷歌之列，通过研发定制芯片，构建软件系统，从基础设施到应用，端到端地解决自己的问题。
就等Llama3了
最近的开源模型的声势，大有压倒闭源之势：
马斯克开源了Grok-1，3140亿参数，
Mistral开源了8X22B， 2620亿参数，
都是MoE（专家混合模型）。
Cohere推出了 Command R+，1040亿参数，并且成为首个在大模型竞技场上（Arena Elo）击败GPT-4的权重开放模型。其中R+的意思是“RAG优化模型”。此外，它还包括10+种语言，包括英语、中文、法语、德语等；并且能使用工具完成复杂业务流程的自动化。
如果说直到去年底开源模型的目标是追赶GPT-3.5，今年开源的目标开始“欺负”GPT-4了。
2024年仅仅过了一个季度，基础大模型领域出现了令人兴奋的变化。Claude3和Command R+分别成为最强的闭源模型与权重开放模型，分别超过和赶上了GPT-4。
而Meta的Llama3也将在几周内发布。据提前透露出来的消息，它将具备更强的推理与规划能力，也有更强的记忆力，处理更复杂的任务。Meta将推出不同规格的模型，以适用于不同的场景。
对于新推出的LLama3来说，部署到硬件上将是重要的目标之一，如Meta与雷朋定制的智能眼镜，可能也包括VR/AR设备Quest。
尤其是推理能力，成为LLama3和GPT-5都要着重解决的问题。只有更严密的推理能力，大模型才能成为智能体，有条理地完成多步骤的任务，才能真正让用户放心使用。
Meta正在彻头彻尾地成为一家AI公司，芯片（MTIA）-数据中心-软件（Pytorch等）-基础模型（Llama）-超级应用（Facebook/WhatsApp/Instagram），所有这些，正在让Meta从一家社交媒体巨头，变成了一家真正的科技巨头。
本文来自微信公众号：未尽研究 （ID：Weijin_Research），作者：未尽研究