Технологічний суверенітет Meta в епоху ШІ

Сучасний ринок ШІ зіткнувся з парадоксом: попри стрімке зростання можливостей моделей, вартість їхньої підтримки стає обтяжливою. Для Meta, що оперує масштабами в мільярди користувачів, стандартні рішення від Nvidia перестають бути оптимальними. Відповіддю на цей виклик є створення спеціалізованих чипів, які дозволяють витиснути максимум продуктивності з кожного витраченого вата та кожного інвестованого долара.

У центрі цієї стратегії стоїть лінійка MTIA (Meta Training and Inference Accelerator). Наразі компанія завершує тестування третього покоління пристроїв — MTIA 450, відомого під кодовим ім'ям Arke. Паралельно з цим триває робота над наступним етапом: проєктування MTIA 500 (Astrid) завершиться найближчим часом, а повноцінне розгортання в дата-центрах очікується до кінця наступного року.

Розробка такого рівня складності неможлива в ізоляції, тому Meta вибудувала стратегічний альянс із ключовими гравцями індустрії. Проєктування чипів здійснюється спільно з Broadcom, а фізичне виробництво довірено TSMC. Такий підхід дозволяє Meta зосередитися на оптимізації робочих навантажень, делегуючи складні питання літографії та фізичної реалізації перевіреним партнерам.

Особливу роль у процесі відіграє підрозділ Superintelligence Labs. Інженери, що створюють майбутні моделі ШІ, працюють у тісній зв'язці з розробниками «заліза». Це створює замкнений цикл зворотного зв'язку: вимоги до майбутніх нейромереж безпосередньо визначають специфікації майбутніх чипів. У результаті виходить продукт, який за ефективністю перевершує універсальні рішення Nvidia просто тому, що він від самого початку «заточений» під конкретні алгоритми Meta.

Масштаби амбіцій підтверджуються і енергетичними показниками. Найближчим роком компанія має намір задіяти потужності акселераторів сумарною потужністю понад один гігават. В індустрії ЦОД це означає перехід на абсолютно інший рівень щільності обчислень, де навіть мінімальна оптимізація енергоспоживання перетворюється на економію мільйонів доларів.

Перші результати експлуатації підтверджують життєздатність концепції. Тестові зразки, отримані від TSMC, показали вражаючу точність: реальна продуктивність відхилилася від результатів симуляцій лише на 2–3%. Щобільше, пристрої успішно впоралися не лише з внутрішніми моделями Meta, а й із зовнішніми алгоритмами від DeepSeek та Alibaba, що підтверджує універсальність підходу до інференсу.

Цікавою є і стратегічна відмова від проєкту Olympus. Спочатку планувалося створити універсальний чип, здатний однаково ефективно і навчати моделі, і забезпечувати їхню роботу (інференс). Однак економіка гігаватних масштабів диктує свої правила: вартість універсального рішення виявилася на 30% вищою за спеціалізоване. В умовах екстремального масштабування така різниця стає неприйнятною.

Зрештою, Meta робить ставку на створення «робочих конячок» — пристроїв, оптимізованих для загального інференсу з використанням пам'яті з високою пропускною здатністю (HBM). Ці чипи не претендують на рекордну швидкість реакції у вузьких сегментах, але вони забезпечують необхідну стійкість та економічну ефективність, перетворюючи інфраструктуру ШІ зі статті витрат на високоефективний актив.