كشفت شركة Meta النقاب عن الجيل التالي من Meta Training and Inference Accelerator (MTIA)، وهي مجموعة من الرقائق المصممة خصيصًا لأحمال عمل الذكاء الاصطناعي. تأتي الترقية إلى مجموعة شرائح الذكاء الاصطناعي الخاصة بها بعد عام تقريبًا من طرح الشركة لأول شرائح الذكاء الاصطناعي الخاصة بها. .
ستعمل مسرعات الاستدلال هذه على تشغيل المنتجات والخدمات الحالية والمستقبلية لعملاق التكنولوجيا والذكاء الاصطناعي الموجودة على منصات التواصل الاجتماعي الخاصة به. وعلى وجه الخصوص، أكد ميتا على أنه سيتم استخدام قدرات الشرائح لخدمة نماذج التصنيف والتوصية الخاصة بها.
وقالت ميتا في إعلان منشور على مدونتها: “يتم إنشاء البنية التحتية واسعة النطاق من الجيل التالي لشركة Meta مع وضع الذكاء الاصطناعي في الاعتبار، بما في ذلك دعم منتجات وخدمات الذكاء الاصطناعي التوليدي (GenAI) الجديدة وأنظمة التوصية وأبحاث الذكاء الاصطناعي المتقدمة”. من المتوقع أن تنمو في السنوات القادمة مع زيادة متطلبات الحوسبة لدعم نماذج الذكاء الاصطناعي جنبًا إلى جنب مع تطور النماذج.
وفقًا لـ Meta، توفر شريحة الذكاء الاصطناعي الجديدة تحسينات كبيرة في كل من توليد الطاقة والكفاءة بفضل التحسينات في البنية. يعمل الجيل التالي من MTIA على مضاعفة عرض النطاق الترددي والذاكرة الحاسوبية مقارنة بالجيل السابق، ويمكنه أيضًا تقديم نماذج توصية تستخدمها Meta لتخصيص المحتوى لمستخدميها على الأنظمة الأساسية وشبكاتها الاجتماعية.
أما بالنسبة لأجهزة الشرائح، قالت ميتا إن النظام لديه تصميم قائم على حامل يمكنه استيعاب ما يصل إلى 72 مسرعًا، مع ثلاثة هياكل تحتوي على اثنتي عشرة بطاقة ولكل منها مسرعان. يعمل المعالج بتردد 1.35 جيجا هرتز، وهو أسرع بكثير من سابقه بتردد 800 ميجا هرتز، ويمكن أيضًا تشغيله بقوة أعلى تبلغ 90 واط. تمت أيضًا ترقية البنية بين المسرعات والمضيف إلى PCIe Gen5.
في حزمة البرامج، قامت الشركة بإجراء تحسينات كبيرة. تم تصميم مجموعة الشرائح لتكون متكاملة تمامًا مع PyTorch 2.0 والميزات ذات الصلة، وأوضحت الشركة أن “المترجم ذي المستوى الأدنى الخاص بـ MTIA يتولى إخراج الواجهة الأمامية وينتج تعليمات برمجية عالية الكفاءة خاصة بالجهاز.”
تظهر النتائج حتى الآن أن شريحة MTIA هذه يمكنها التعامل مع نماذج التصنيف والتوصية ذات التعقيد المنخفض (LC) والتعقيد العالي (HC) التي تعد مكونات لمنتجات Meta. في هذه النماذج، يمكن أن يكون هناك اختلاف ~10x-100x في حجم النموذج وكمية الحسابات لكل عينة إدخال.
ونظرًا لأننا نتحكم في المجموعة بأكملها، فيمكننا تحقيق كفاءة أكبر مقارنة بوحدات معالجة الرسومات المتاحة تجاريًا. يعد تحقيق هذه المكاسب جهدًا مستمرًا ونواصل تحسين الأداء لكل واط بينما نقوم ببناء شرائح MTIA ونشرها في أنظمتنا.
مع ظهور الذكاء الاصطناعي، تركز العديد من شركات التكنولوجيا الآن على تصنيع شرائح الذكاء الاصطناعي المخصصة التي يمكنها تلبية احتياجاتها المحددة.
توفر هذه المعالجات قوة حوسبة هائلة على الخوادم، مما يسمح لها بتقديم منتجات مثل روبوتات الدردشة العامة التي تعمل بالذكاء الاصطناعي وأدوات الذكاء الاصطناعي لمهام محددة.
