雖遲但到！Facebook正在為機器學習和視頻轉碼開發自研芯片

近日，外媒The Information報道稱，有兩位消息人士透露，Facebook正在開發一種機器學習芯片，以處理向用戶推薦的內容等任務。除此之外，據透露，Facebook還正在開發另一種視頻轉碼芯片，用于提高用戶在應用程序中觀看視頻和直播的體驗。

其實在2019年，Facebook就曾經引進一批工程師從事芯片設計，并與高通、英特爾、博通等芯片公司合作，共同開發用于AI推理和視頻轉碼的半定制ASIC芯片。但與外部芯片公司合作修改芯片設計不同，這次Facebook準備完全單獨開發自研ASIC芯片，用于特定的用途，不會取代數據中心中現有的芯片。

隨著視頻和廣告等業務的需求增長，依靠此前的半定制ASIC處理器可能無法滿足Facebook日益增長的推理和轉碼服務數據中心需求。據公開信息，Facebook數據中心中的半定制ASIC芯片每天要處理近2.5億個視頻，如果可以通過自研全定制ASIC，必然能更好地匹配公司相關算法，能效也會更高。

在數據中心芯片自研上，Facebook其實相比其他互聯網巨頭更加保守。谷歌早在2013年開始意識到數據中心處理能力瓶頸，開始開發數據中心使用的TPU芯片，并在2015年開始使用TPU為其搜索、街景、翻譯等服務提供支持。于此同時，在數據中心芯片上取得成功后，在手機上谷歌也開始發力，其即將發布的Pixel 6系列手機就預計將會使用谷歌自研的Tensor SoC。

亞馬遜作為全球領先的云服務提供商，在2018年就為其客戶設計了Graviton服務器處理器，而到了2021年，有消息顯示亞馬遜正在研發網通芯片，以降低對博通等芯片廠商的依賴。

國內方面，阿里旗下平頭哥半導體在2019年就推出了第一顆自研AI推理芯片含光800；百度在2018年推出了AI芯片昆侖系列，并在2020年初量產，目前已經規?；渴鸪^兩萬片。

2020年在科創板上市的AI芯片公司寒武紀在年報中介紹：隨著當前以深度學習為代表的人工智能技術普遍應用于日常生活和傳統產業，對于底層芯片計算能力的需求一直在飛速增長，其增速已經大幅超過了摩爾定律的速度。人工智能運算常常具有大運算量、高并發度、訪存頻繁的特點，且不同子領域（如視覺、語音與自然語言處理）所涉及的運算模式具有高度多樣性，對于芯片的微架構、指令集、制造工藝甚至配套系統軟件都提出了巨大的挑戰。

此外，相比與通用處理器，定制ASIC芯片其實在開發成本上要低得多。而且對于互聯網巨頭們而言，自身對于芯片的需求本身就足夠大，自研芯片不僅能夠更好地匹配自家算法、滿足自身需求、降低總體成本，而且還能利用軟硬一體的優勢建立起自己的技術壁壘，同時減輕對外部芯片供應商的依賴，特別在近年來行業普遍存在的缺芯狀況下顯得尤為重要。