تراشه هوش مصنوعی Iris داخلی متا، آزمون شش هفته‌ای را با موفقیت پشت سر گذاشت و در سپتامبر وارد مرحله تولید می‌شود

نخستین تراشه شتاب‌دهنده هوش مصنوعی داخلی شرکت Meta با نام رمزی Iris، طبق یادداشت داخلی که رویترز آن را بررسی کرده است، حدود شش هفته آزمایش را بدون یافتن هیچ مشکل عمده‌ای به پایان رسانده است. تولید در سپتامبر ۲۰۲۶ آغاز می‌شود که ملموس‌ترین گام Meta تا به امروز برای کاهش وابستگی خود به Nvidia و AMD در زمینه سیلیکون تأمین‌کننده سیستم‌های هوش مصنوعی این شرکت به شمار می‌رود.

ورود این تراشه در لحظه‌ای حساس برای شرکت رخ می‌دهد. Meta پیش‌بینی هزینه سرمایه‌ای خود برای سال ۲۰۲۶ را به محدوده ۱۲۵ تا ۱۴۵ میلیارد دلار افزایش داده است، به‌طوری‌که تنها هزینه سرمایه‌ای سه‌ماهه اول به ۱۹.۸ میلیارد دلار رسیده است — سطوحی از مخارج که سیلیکون سفارشی را به راهکاری آشکار برای کنترل هزینه‌ها در مقیاس بزرگ تبدیل می‌کند، به‌جای پرداخت قیمت‌های ممتاز برای GPUهای شخص ثالث به‌طور نامحدود.

Broadcom طراحی کرده، TSMC می‌سازد

Broadcom در طراحی و معماری تراشه Iris مشارکت داشته است، در حالی‌که شرکت Taiwan Semiconductor Manufacturing Company ساخت آن را بر عهده خواهد داشت — همان تقسیم‌کاری که چندین ابر مقیاس‌دهنده اکنون برای توسعه شتاب‌دهنده‌های سفارشی بدون ساخت کارخانه‌های داخلی استفاده می‌کنند. Meta قصد دارد تا سال ۲۰۲۷ تقریباً هر شش ماه نسل‌های جدیدی از تراشه‌ها را عرضه کند، سرعتی که به‌طور قابل توجهی سریع‌تر از چرخه به‌روزرسانی سالانه استاندارد صنعت برای شتاب‌دهنده‌های هوش مصنوعی است.

ریاضیات ظرفیت محرک فوریت

Meta برنامه دارد در سال ۲۰۲۶ حدود ۷ گیگاوات ظرفیت محاسباتی را راه‌اندازی کند و سپس آن را در سال ۲۰۲۷ به ۱۴ گیگاوات برساند. این مقیاس توسعه با تأمین GPU به تنهایی دشوار است، با توجه به اینکه تخصیص‌های Nvidia و AMD در کل صنعت محدود شده است — سیلیکون سفارشی یک خط تأمین دوم به Meta می‌دهد که مشمول صف‌های تخصیص مشابه رقبا نیست.

نکته مهم این است که Meta Iris را به‌عنوان مکملی برای GPUهای شخص ثالث معرفی کرده است، نه جایگزینی. مدیرعامل، Mark Zuckerberg، سه‌ماهه را دارای شتاب قوی در سراسر پلتفرم‌های شرکت توصیف کرد و توسعه زیرساخت را مستقیماً به جاه‌طلبی‌های گسترده‌تر هوش مصنوعی مرتبط ساخت، نه اینکه آن را به‌عنوان اقدامی مجزا برای کاهش هزینه‌ها قالب‌بندی کند.

تصویر بزرگ‌تر: Meta Compute

خبر تراشه Iris پس از اعلام Meta در اوایل ژوئیه درباره Meta Compute منتشر می‌شود، یک کسب‌وکار ابری جدید که ظرفیت محاسباتی هوش مصنوعی مازاد را در دو لایه به مشتریان خارجی می‌فروشد: یک سرویس مدل میزبان‌شده قابل مقایسه با Amazon Bedrock که دسترسی API به خانواده مدل‌های Muse Spark Meta ارائه می‌دهد، و زیرساخت خام GPU به‌عنوان سرویس که مستقیماً با CoreWeave و Nebius از نظر قیمت و در دسترس بودن رقابت می‌کند. این اعلامیه باعث شد CoreWeave ۱۴٪ و Nebius ۱۷٪ در یک جلسه معاملاتی سقوط کنند و بخش گسترده‌تر نیمه‌هادی — شامل Micron، AMD، Intel، Samsung و SK Hynix — نیز فشار فروش را احساس کرد.

سیلیکون سفارشی مانند Iris چیزی است که مدل کسب‌وکار Meta Compute را در مقیاس بزرگ قابل اجرا می‌کند: تراشه‌هایی که برای بارهای کاری خود Meta ساخته و مستهلک می‌شوند، هزینه نهایی کمتری به ازای هر واحد محاسبه نسبت به اجاره ظرفیت GPU معادل از Nvidia ایجاد می‌کنند، موضوعی که مستقیماً اهمیت دارد اگر Meta قصد داشته باشد CoreWeave و Nebius را به‌عنوان رقبای ابری خارجی با قیمت پایین‌تر ارائه دهد نه صرفاً از آموزش داخلی هوش مصنوعی پشتیبانی کند. همانطور که توسط The Motley Fool و به نقل از بررسی رویترز از یادداشت داخلی گزارش شده است.