随着AI芯片需求激增而供应趋紧,Meta正在自主承担AI计算需求,加大自研芯片开发力度。公司计划在未来两年内推出四代新芯片产品。
包括Meta、AWS和谷歌在内的云计算巨头都热衷于开发自主芯片,以提升自家数据中心的性能表现。Meta于2023年启动自主芯片项目,推出了Meta训练与推理加速器(MTIA),这是一系列定制硅芯片家族,专门为高效驱动AI工作负载而设计。
Meta表示,用于排序和推荐训练的MTIA 300已投入生产。公司计划将其他芯片产品MTIA 400、450和500主要用于生成式AI推理生产环节。
作为Facebook的母公司,Meta在AI领域越来越倾向于走自主发展道路。尽管公司早期支持开源大语言模型,但现已退出推广开放模型的行业组织,转而计划开发可收费的专有模型。
不过,Meta并非完全独立发展,仍继续从AMD和ARM采购芯片产品。
除了设计自主芯片外,Meta还在寻求更紧密整合业务各个环节的其他方式。今年1月,公司宣布将网络和AI数据中心开发统一到单一管理框架下。
Q&A
Q1:Meta为什么要自主开发AI芯片?
A:随着AI芯片需求激增而供应趋紧,Meta选择自主承担AI计算需求。通过开发定制芯片可以提升数据中心性能,更好地满足自身AI工作负载的特殊需求,减少对外部供应商的依赖。
Q2:MTIA芯片系列有哪些产品?分别用于什么用途?
A:MTIA系列包括四款芯片:MTIA 300已投入生产,用于排序和推荐训练;MTIA 400、450和500主要用于生成式AI推理生产环节。这些芯片专门为高效驱动AI工作负载而定制设计。
Q3:Meta是否完全停止采购外部AI芯片?
A:Meta并非完全独立发展,仍继续从AMD和ARM等厂商采购芯片产品。自主开发芯片是为了更好地满足特定需求,而不是完全替代外部供应商。
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。