ميتا(META.US) توقف تطوير شرائح عالية المستوى من قبل الشركة، وتوسيع التعاون مع نيفيديا و AMD

ذكرت شركة ميتا أنبلاتفورمز (META.US) أنها واجهت تحديات خلال عملية تطويرها الداخلية لرقائق الذكاء الاصطناعي، وأنها تخلت عن استخدام أحدث حلولها للرقائق، واتجهت بدلاً من ذلك إلى تصميم نسخة أبسط. وأفادت التقارير الأسبوع الماضي أن الشركة أوقفت رسمياً مشروع تطوير رقائق تدريب نماذج الذكاء الاصطناعي المتقدمة، بسبب صعوبات تقنية في مرحلة تصميم الرقائق. كما أشار التقرير إلى أن ميتا قامت الأسبوع الماضي بمشاركة أحدث خطة لتعديل المسار التقني مع موظفي قسم البنية التحتية للذكاء الاصطناعي.

قرار ميتا بالتخلي عن تطوير رقائقها الخاصة يكشف عن التحديات العامة التي تواجهها الشركات عند محاولة تصميم رقائق ذكاء اصطناعي تنافس عملاق السوق نيفيديا (NVDA.US).

وقد جاء هذا التعديل في خطة الرقائق بعد أن أبرمت ميتا شراكات جديدة مع شركة AMD (AMD.US)، ونيفيديا، وشركة جوجل التابعة لألفابت (GOOGL.US). ووفقاً للتقارير، وقعت الشركة اتفاقيات بقيمة مليارات الدولارات لاستئجار رقائق الذكاء الاصطناعي من جوجل.

وفي وقت سابق من هذا الأسبوع، أعلنت AMD عن تعاون مع ميتا لنشر رقائق AMD Instinct بقدرة تصل إلى 6 جيجاوات، لدعم البنية التحتية للذكاء الاصطناعي من الجيل القادم. بالإضافة إلى ذلك، أبرمت ميتا في بداية الشهر الحالي شراكة استراتيجية “عبر الأجيال” مع نيفيديا، والتزمت بنشر رقائق نيفيديا على نطاق واسع في مراكز البيانات الخاصة بها.

وتنتمي رقائق الذكاء الاصطناعي التي تطورها ميتا ذاتياً إلى مشروع Meta Training and Inference Accelerator (MTIA). وتهدف هذه المبادرة بشكل رئيسي إلى تقليل تكاليف التشغيل على المدى الطويل من خلال التكامل الرأسي في تصميم الرقائق، وتعزيز السيطرة الذاتية على بنية مراكز البيانات.

وفي هذا الصدد، أوضح متحدث باسم ميتا: “نستثمر باستمرار في بناء مجموعة متنوعة من موردي الرقائق لتلبية احتياجات الأعمال، ويعد تطوير خط منتجات MTIA من الاتجاهات الاستراتيجية المهمة. هذا العام، سنكشف عن مزيد من التحديثات حول تقدم البحث والتطوير وخطط التنفيذ لهذا الخط.”

ووفقاً للتقارير، فقد تخلت ميتا عن نسخة الجيل الثاني من رقائق التدريب التي كانت تحمل اسم Iris، كما أُوقفت أيضاً مشاريع تطوير رقائق Olympus الأكثر تطوراً التي كانت قيد الإنشاء.

وكشف مصدر داخلي مشارك في تطوير رقائق ميتا أن الشركة تتخذ موقفاً حذراً بشكل عام من تطوير رقائق بمواصفات تنافس نيفيديا، معبراً عن مخاوف من احتمال تأخير المشروع أو الحاجة لإعادة تصميمه. وأشار إلى أن التقارير تشير إلى أن تطوير مثل هذه الرقائق يتطلب تشكيل فريق هندسي كبير مسؤول عن تصميم الرقائق، وضبط الأداء، والتحكم في استهلاك الطاقة. وإذا لم يتم حل مشكلة استهلاك الطاقة بشكل فعال، فقد لا تكون هذه الرقائق ذات قيمة عملية عند مقارنتها بمنتجات نيفيديا الناضجة.

وتعتمد رقائق Iris التدريبية على بنية حسابية من نوع SIMD (تعليمات متعددة البيانات). هذه البنية أسهل من حيث التصميم لمهندسي الأجهزة، لكنها تفرض تحديات برمجية كبيرة على مهندسي البرمجيات أثناء تدريب نماذج الذكاء الاصطناعي. وكشفت التقارير أن Olympus تعتمد على بنية SIMD/Multi-Threading (SIMT) المماثلة لتلك المستخدمة في رقائق نيفيديا، والتي تسمح بمرونة أكبر وتلبي متطلبات تدريب نماذج الذكاء الاصطناعي الحديثة، رغم أنها تتطلب مهارات عالية في تصميم الأجهزة.

وقد حظيت بنية SIMT التي تروج لها نيفيديا باهتمام العديد من الشركات التقنية، لأنها أكثر مرونة وتناسب بشكل أفضل متطلبات تدريب نماذج الذكاء الاصطناعي الحديثة. وكانت ميتا تخطط لإنهاء تصميم رقائق Olympus في أقرب وقت ممكن بحلول الربع الرابع من عام 2026. لكن التقارير تشير إلى أن عملية تطوير الرقائق وإنتاجها بكميات كبيرة عادةً تستغرق تسعة أشهر أو أكثر، مما قد يؤدي إلى تأخير إضافي في موعد الإنتاج الفعلي.

وكان من المقرر أن تعتمد وحدة المعالجة الرسومية (GPU) التي تشكل القلب الحاسوبي لرقائق Olympus على تصميم من شركة Rivos، وهي شركة ناشئة استحوذت عليها ميتا العام الماضي. وادعت Rivos أن GPU الخاصة بها يمكن أن تعمل بكفاءة عالية مع رمز CUDA الخاص بنيفيديا، وهو الإطار البرمجي السائد حالياً في تدريب وتشغيل نماذج الذكاء الاصطناعي.

كما أشار التقرير إلى أن ميتا كانت تخطط في البداية لاستخدام Olympus لبناء تجمعات خوادم ضخمة، لكن كبار المسؤولين في الشركة رأوا أن هذه الخطوة قد تشكل خطراً محتملاً على تدريب نماذج جديدة، خاصة في ظل المنافسة الشرسة مع OpenAI وGoogle.

وبشكل محدد، فإن برمجيات التدريب المصاحبة لهذه الرقائق لم تكن مستقرة بما يكفي لمنافسة منتجات نيفيديا، بالإضافة إلى أن تصميم Olympus المعقد قد يعيق إنتاجها بكميات كبيرة. لذلك، تواصل ميتا الاعتماد على رقائق تدريب من شركات أخرى، لأنها أكثر نضجاً وموثوقية، وتلبي احتياجات تدريب نماذج الذكاء الاصطناعي بشكل أفضل.