Meta平台公司近期与顶级芯片制造商达成重大协议,但该公司仍有开发自定义硅芯片的雄心,包括计划开发能够训练未来人工智能模型的处理器,该公司首席财务官表示。
"我们的一些工作负载确实非常定制化",Meta首席财务官苏珊·李周三在摩根士丹利赞助的技术会议上说道。"排序和推荐工作负载是我们的起点,这也是我们大规模部署自定义硅芯片的地方。但我们期待并希望能够随着时间推移扩展这一领域,最终包括训练AI模型。"
虽然Meta不是云计算提供商,但它是用于训练和运行AI模型的数据中心最大运营商之一。在过去几周里,该公司与市场领导者英伟达以及竞争对手AMD就为AI工作负载提供动力的芯片和设备达成了大规模协议。这家社交媒体母公司也继续进行内部AI处理器的工作。
李表示,公司正在购买不同类型的芯片来处理不同类型的任务。"基于我们今天所知道的和我们当前的需求,我们认为对于这些用例中的每一个,最好的芯片是什么?"李说道。"自定义硅芯片是其中很重要的一部分。"
Q&A
Q1:Meta为什么要开发自定义芯片?
A:Meta的一些工作负载非常定制化,特别是排序和推荐工作负载。该公司希望通过自定义硅芯片更好地满足其特定需求,并计划最终扩展到训练AI模型领域。
Q2:Meta已经和其他芯片厂商有合作了吗?
A:是的,Meta近期与英伟达和AMD等顶级芯片制造商达成了大规模协议,购买芯片和设备来为AI工作负载提供动力。同时公司也在进行内部AI处理器的开发工作。
Q3:Meta在芯片采购方面的策略是什么?
A:Meta根据不同的任务需求购买不同类型的芯片,基于当前需求和所掌握的信息,为每个用例选择最适合的芯片。自定义硅芯片是这一策略的重要组成部分。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。