消息稱 Facebook 正自主研發全新機器學習芯片

　　北京時間 9 月 10 日早間消息，據報道，谷歌、亞馬遜和微軟此前已展開招聘和大規模投資，從頭開始自主設計計算機芯片，希望降低服務器成本并取得更好的性能。兩名消息人士透露，Facebook 也在加入這個行列。該公司正在開發一種用于機器學習的芯片。

　　根據消息人士的說法，Facebook 自主開發的另一款芯片希望通過視頻轉碼，優化用戶觀看錄制視頻和直播視頻的質量。如果取得成功，開發出成本更低、性能更強的芯片，那麼也有助于 Facebook 在未來幾年中降低數據中心的碳排放，并減小對傳統芯片供應商，例如英特爾、高通和博通的依賴。

　　貝恩公司關注半導體行業的合夥人維魯・辛哈(Velu Sinha)表示，由于開發成本變低，大型科技公司正轉向自主開發訂制化芯片，而不是向英特爾和英偉達等公司采購通用芯片。他指出：“這方面的投資隻要數百萬美元，而不是數億美元。”

　　Facebook 以往也曾為芯片設計師崗位刊登招聘廣告，希望開發專用集成電路(ASIC)這種半訂制和全訂制芯片，但外界此前并不了解 Facebook 開發完全訂制化芯片的目的。Facebook 的發言人表示，“對于我們未來的計劃，目前沒有任何新消息可以分享”。不過 Facebook“一直在探索，如何通過内部努力，與芯片行業合作夥伴一起推動更高水平的計算機性能和能效”。

　　一名知情人士透露，加入 Facebook 從事芯片開發的工程師最初專注于與外部芯片公司合作，優化當前的芯片設計。例如 Facebook 在 2019 年宣布，正與英特爾、高通和博通等公司合作，開發用于推理和視頻轉碼的半訂制 ASIC 芯片，确保在技術上提前滿足需求，并提升性能和能效。

　　目前，Facebook 正在開發推理和視頻轉碼芯片，而這些工作沒有任何外部公司的參與。消息人士稱，在 Facebook 的數據中心，新開發的芯片将與外部采購的半訂制芯片一起使用，而不是徹底替換後者。

　　Facebook 此前曾表示，僅僅依靠通用的處理器芯片無法滿足其數據中心的需求，而推理和視頻轉碼是“增長最快的服務”。2019 年，Facebook 披露的數據顯示，其平台每天要處理 200 萬億次預測、60 億次語言翻譯，服務 7500 萬視頻觀衆。

　　今年早些時候，Facebook 工程師在博客中透露，正在大舉投資半訂制 ASIC 芯片。與通用芯片相比，這類芯片在執行某些人工智能任務時性能可以提升多達 30 倍，能效也可以得到大幅優化。Facebook 表示，其半訂制的視頻轉碼芯片每天協助處理近 2.5 億個上傳至平台的視頻。完全訂制化的 ASIC 芯片甚至可以做得更好，但目前還不清楚 Facebook 能否開發出合适的配套軟件并實現量産。消息稱，Facebook 内部至少有 100 人正緻力于開發這種完全訂制化的 ASIC 芯片。

　　Facebook 以及亞馬遜和谷歌等公司通常會使用 ASIC 而不是通用芯片來執行推理，訓練機器學習模型。用于訓練的芯片實際上是神經網絡的老師，處理海量數據，例如數十億張帶标簽的 Facebook 照片，以幫助神經網絡學習如何識别人臉。在神經網絡完成訓練後，推理芯片就會将其應用至新的數據集，用于實際完成任務，例如在新照片中自動标記出一張人臉。

　　盡管英偉達等公司提供的通用芯片也可以執行這些任務，但專為神經網絡訓練和推理而開發的 ASIC 芯片速度更快、功耗更低、效率更高，可以顯著降低數據中心的成本。不過 ASIC 的缺點在于，由于硬件限制無法應用至其他任務。

　　實際上，在開發數據中心訂制芯片方面，Facebook 目前還在追随其他大型科技公司的步伐。谷歌于 2013 年就開始開發數據中心芯片 Tensor。當時谷歌意識到，用戶需求的增長要求其數據中心的處理能力提升一倍。從 2015 年開始，谷歌引入 Tensor 來承擔搜索、街景視頻、照片和翻譯服務的需求。目前，谷歌還基于通過該項目獲得的經驗，為智能手機和雲計算業務開發訂制的芯片。

　　亞馬遜于 2018 年宣布為雲計算客戶開發 Graviton 芯片。今年早些時候還有報道顯示，亞馬遜正在開發一款網絡芯片，用于負責其網絡中數據傳輸的交換機。這個項目可能有助于降低亞馬遜對博通等供應商的依賴。去年 12 月，彭博社報道稱，微軟正在為服務器和 Surface 計算機設計芯片。

　　了解 Facebook 項目的消息人士透露，Facebook 還在為個人計算設備，例如 Oculus 虛拟現實頭顯設計芯片。有報道稱，Facebook 已經挖來谷歌芯片設計團隊的前負責人沙利亞爾・拉比(Shahriar Rabii)，負責在增強現實和虛拟現實領域的芯片開發。今年早些時候，以色列媒體報道稱，Facebook 計劃在以色列建設一個芯片設計中心。