Meta Platforms stellt maßgeschneiderte KI-Chips für verbesserte Effizienz vor

Meta Platforms, das Mutterunternehmen von Facebook, plant in diesem Jahr den Einsatz eigens entwickelter künstlicher Intelligenz-Chips namens Artemis in seinen Rechenzentren. Dieser Schritt zielt darauf ab, die Abhängigkeit des Unternehmens von den dominierenden H100-Chips von Nvidia zu verringern und die mit der Ausführung von KI-Arbeitslasten verbundenen Kosten zu senken.

Die Integration von generativen KI-Produkten in Dienste wie Facebook, Instagram und WhatsApp erforderte von Meta milliardenschwere Investitionen in die Steigerung seiner Rechenkapazität. Dies umfasste den Erwerb spezialisierter Chips und die entsprechende Umgestaltung der Rechenzentren.

Obwohl der erfolgreiche Einsatz des eigenen Chips von Meta potenziell zu jährlichen Energieeinsparungen in Höhe von Hunderten Millionen Dollar und zur Reduzierung der Kosten für den Chip-Kauf in Milliardenhöhe führen könnte, wird das Unternehmen auch weiterhin auf Nvidias H100-GPUs angewiesen sein. Bis Ende des Jahres plant Meta den Einsatz von rund 350.000 H100-Prozessoren.

Die Entscheidung, einen eigenen Chip zu entwickeln, markiert eine positive Wendung für Metas hausinternes KI-Siliziumprojekt. Im Jahr 2022 hatte das Unternehmen beschlossen, die erste Version des Chips zugunsten von Nvidias GPUs einzustellen. Der neue Chip Artemis setzt den Fokus seines Vorgängers auf KI-Inferenz, bei der Algorithmen verwendet werden, um Rangbewertungen vorzunehmen und auf Benutzereingaben zu reagieren.

Ein Sprecher von Meta kommentierte: „Wir betrachten unsere intern entwickelten Beschleuniger als äußerst komplementär zu kommerziell verfügbaren GPUs, um das optimale Verhältnis von Leistung und Effizienz bei Meta-spezifischen Arbeitslasten zu bieten.“

Obwohl Metas Bemühungen, seine Abhängigkeit von Nvidias Prozessoren zu verringern, möglicherweise auf eine potenzielle Verschiebung hindeuten, werden Nvidias GPUs gegenwärtig weiterhin eine bedeutende Rolle in der KI-Infrastruktur von Meta spielen. Die Einführung von Artemis unterstreicht jedoch Metas Engagement für die Steigerung der Effizienz und die Förderung von Innovationen im Bereich der künstlichen Intelligenz.

FAQ

1. Was plant Meta Platforms in diesem Jahr in seinen Rechenzentren einzusetzen?
Meta Platforms plant den Einsatz eigens entwickelter künstlicher Intelligenz-Chips namens Artemis in seinen Rechenzentren.

2. Warum setzt Meta seine eigenen Chips ein?
Meta setzt seine eigenen Chips ein, um seine Abhängigkeit von Nvidias H100-Chips zu verringern und die Kosten für die Ausführung von KI-Arbeitslasten anzugehen.

3. In welche Bereiche hat Meta investiert, um seine Rechenkapazität zu erhöhen?
Meta hat Milliarden von Dollar investiert, um spezialisierte Chips zu erwerben und seine Rechenzentren entsprechend umzugestalten, um generative KI-Produkte in Dienste wie Facebook, Instagram und WhatsApp zu integrieren.

4. Wird Meta Nvidias H100-Chips vollständig ersetzen?
Nein, Meta wird auch weiterhin auf Nvidias H100-GPUs angewiesen sein und plant, bis Ende des Jahres rund 350.000 H100-Prozessoren einzusetzen.

5. Worin liegt der Fokus von Metas neuem Chip Artemis?
Artemis, Metas neuer Chip, konzentriert sich auf KI-Inferenz, bei der Algorithmen verwendet werden, um Rangbewertungen vorzunehmen und auf Benutzereingaben zu reagieren.

Definitionen

– Künstliche Intelligenz (KI): Die Simulation menschlicher Intelligenzprozesse durch Maschinen, insbesondere Computersysteme, umfasst Aufgaben wie Lernen, Schlussfolgern und Problemlösen.

– Rechenzentren: Einrichtungen, die verwendet werden, um Computersysteme und damit verbundene Komponenten wie Telekommunikations- und Speichersysteme unterzubringen. Sie können große Mengen an Daten speichern, verarbeiten und verwalten.

– Grafikprozessoren (GPUs): Spezialisierte Prozessoren, die komplexe Grafik- und Parallelverarbeitungsaufgaben bewältigen, die häufig für KI- und maschinelles Lernen eingesetzt werden.

Vorgeschlagene verwandte Links:
1. Künstliche Intelligenz – Wikipedia
2. Rechenzentren – Wikipedia
3. Nvidia GPU-beschleunigte Anwendungen

The source of the article is from the blog coletivometranca.com.br

Privacy policy
Contact