Meta avvia i test del suo primo chip AI per ridurre la dipendenza da Nvidia | Meta Facebook cosa fare | WhatsApp Meta AI Download | Meta Facebook login | Turtles AI

Meta, la società madre di Facebook, ha avviato la sperimentazione del suo primo chip interno dedicato all’addestramento di sistemi di AI segnando un passo significativo nella strategia dell’azienda verso la progettazione di hardware personalizzato e la riduzione della dipendenza da fornitori esterni come Nvidia. 

Punti chiave:

• Meta testa un chip proprietario per l’addestramento AI.
• Collaborazione con TSMC per la produzione del chip.
• Obiettivo: ridurre i costi e la dipendenza da fornitori esterni.
• Piano per l’uso su larga scala entro il 2026.

Il colosso dei social media ha avviato una distribuzione limitata del chip e prevede di aumentare la produzione per un utilizzo più esteso se i test daranno esito positivo. Questa iniziativa fa parte di un piano a lungo termine per ridurre i costi infrastrutturali, poiché l’azienda sta investendo ingenti somme in strumenti di AI per stimolare la crescita. Meta ha previsto per il 2025 spese totali comprese tra 114 e 119 miliardi di dollari, con fino a 65 miliardi destinati a spese in conto capitale, principalmente per l’infrastruttura AI. 

Il nuovo chip di Meta è un acceleratore dedicato, progettato specificamente per gestire compiti legati all’AI, rendendolo più efficiente dal punto di vista energetico rispetto alle unità di elaborazione grafica (GPU) integrate generalmente utilizzate per questi carichi di lavoro. Per la produzione, Meta sta collaborando con il produttore taiwanese di semiconduttori TSMC. 

La fase di test è iniziata dopo il completamento del primo "tape-out" del chip, un passaggio cruciale nello sviluppo del silicio che comporta l’invio di un design iniziale a una fabbrica di chip. Un tape-out tipicamente costa decine di milioni di dollari e richiede circa tre-sei mesi per essere completato, senza garanzia di successo. In caso di fallimento, sarebbe necessario diagnosticare il problema e ripetere il processo. 

Questo chip rappresenta l’ultimo sviluppo nella serie Meta Training and Inference Accelerator (MTIA). Nonostante un inizio incerto, con l’abbandono di un chip in una fase simile di sviluppo, lo scorso anno Meta ha iniziato a utilizzare un chip MTIA per l’inferenza nei sistemi di raccomandazione che determinano quali contenuti appaiono nei feed di notizie di Facebook e Instagram. 

I dirigenti di Meta hanno dichiarato l’intenzione di iniziare a utilizzare i propri chip entro il 2026 per l’addestramento, un processo che implica l’alimentazione del sistema AI con grandi quantità di dati per "insegnargli" come eseguire determinate funzioni. L’obiettivo è iniziare con i sistemi di raccomandazione e successivamente applicarli a prodotti di AI generativa, come il chatbot Meta AI. Chris Cox, Chief Product Officer di Meta, ha descritto gli sforzi di sviluppo dei chip come una progressione graduale, sottolineando il successo del chip di inferenza di prima generazione per i sistemi di raccomandazione. 

In precedenza, Meta aveva interrotto lo sviluppo di un chip di inferenza personalizzato dopo un test su piccola scala non riuscito, optando invece per l’acquisto di GPU Nvidia per miliardi di dollari nel 2022. Da allora, l’azienda è rimasta uno dei principali clienti di Nvidia, accumulando una vasta gamma di GPU per addestrare i suoi modelli, inclusi i sistemi di raccomandazione, i sistemi pubblicitari e la serie di modelli Llama. Queste unità eseguono anche l’inferenza per oltre 3 miliardi di utenti che utilizzano quotidianamente le app dell’azienda. 

Tuttavia, nel 2025, il valore di queste GPU è stato messo in discussione, poiché i ricercatori di AI hanno espresso crescenti dubbi su quanto progresso possa essere ottenuto continuando a "scalare" i modelli linguistici aggiungendo sempre più dati e potenza di calcolo. Questi dubbi sono stati rafforzati dal lancio, a fine gennaio, di nuovi modelli a basso costo da parte della startup cinese DeepSeek, che ottimizzano l’efficienza computazionale facendo maggior affidamento sull’inferenza rispetto alla maggior parte dei modelli esistenti. Questo ha portato a un calo globale delle azioni delle società legate all’AI, con le azioni Nvidia che hanno perso fino a un quinto del loro valore in un certo momento, per poi recuperare la maggior parte del terreno, sebbene siano nuovamente scese a causa di preoccupazioni commerciali più ampie.

La mossa di Meta verso lo sviluppo di chip interni per l’AI riflette una tendenza più ampia tra le grandi aziende tecnologiche di sviluppare soluzioni di silicio personalizzate per soddisfare le loro esigenze specifiche. Ad esempio, Google ha sviluppato la sua Tensor Processing Unit (TPU) per accelerare i carichi di lavoro di AI, mentre Apple ha introdotto il Neural Engine nei suoi chip per migliorare le capacità di apprendimento automatico nei dispositivi consumer. 

Inoltre, l’AI generativa, che implica la capacità dei sistemi di AI di creare contenuti come testo, immagini e musica, è diventata un focus significativo negli ultimi anni. Modelli come GPT.

Fonte: reuters