虽迟但到！Facebook正在为机器学习和视频转码开发自研芯片

近日，外媒The Information报道称，有两位消息人士透露，Facebook正在开发一种机器学习芯片，以处理向用户推荐的内容等任务。除此之外，据透露，Facebook还正在开发另一种视频转码芯片，用于提高用户在应用程序中观看视频和直播的体验。

其实在2019年，Facebook就曾经引进一批工程师从事芯片设计，并与高通、英特尔、博通等芯片公司合作，共同开发用于AI推理和视频转码的半定制ASIC芯片。但与外部芯片公司合作修改芯片设计不同，这次Facebook准备完全单独开发自研ASIC芯片，用于特定的用途，不会取代数据中心中现有的芯片。

随着视频和广告等业务的需求增长，依靠此前的半定制ASIC处理器可能无法满足Facebook日益增长的推理和转码服务数据中心需求。据公开信息，Facebook数据中心中的半定制ASIC芯片每天要处理近2.5亿个视频，如果可以通过自研全定制ASIC，必然能更好地匹配公司相关算法，能效也会更高。

在数据中心芯片自研上，Facebook其实相比其他互联网巨头更加保守。谷歌早在2013年开始意识到数据中心处理能力瓶颈，开始开发数据中心使用的TPU芯片，并在2015年开始使用TPU为其搜索、街景、翻译等服务提供支持。于此同时，在数据中心芯片上取得成功后，在手机上谷歌也开始发力，其即将发布的Pixel 6系列手机就预计将会使用谷歌自研的Tensor SoC。

亚马逊作为全球领先的云服务提供商，在2018年就为其客户设计了Graviton服务器处理器，而到了2021年，有消息显示亚马逊正在研发网通芯片，以降低对博通等芯片厂商的依赖。

国内方面，阿里旗下平头哥半导体在2019年就推出了第一颗自研AI推理芯片含光800；百度在2018年推出了AI芯片昆仑系列，并在2020年初量产，目前已经规模化部署超过两万片。

2020年在科创板上市的AI芯片公司寒武纪在年报中介绍：随着当前以深度学习为代表的人工智能技术普遍应用于日常生活和传统产业，对于底层芯片计算能力的需求一直在飞速增长，其增速已经大幅超过了摩尔定律的速度。人工智能运算常常具有大运算量、高并发度、访存频繁的特点，且不同子领域（如视觉、语音与自然语言处理）所涉及的运算模式具有高度多样性，对于芯片的微架构、指令集、制造工艺甚至配套系统软件都提出了巨大的挑战。

此外，相比与通用处理器，定制ASIC芯片其实在开发成本上要低得多。而且对于互联网巨头们而言，自身对于芯片的需求本身就足够大，自研芯片不仅能够更好地匹配自家算法、满足自身需求、降低总体成本，而且还能利用软硬一体的优势建立起自己的技术壁垒，同时减轻对外部芯片供应商的依赖，特别在近年来行业普遍存在的缺芯状况下显得尤为重要。

芯片机器学习修改用于

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。