近日，有訊息人士透露，Facebook正自主研發新的機器學習晶片。

根據訊息人士的說法，Facebook自主開發的另一款晶片希望透過影片轉碼，最佳化使用者觀看錄製影片和直播影片的質量。如果取得成功，開發出成本更低、效能更強的晶片，那麼也有助於Facebook在未來幾年中降低資料中心的碳排放，並減小對傳統晶片供應商，例如英特爾、高通和博通的依賴。

貝恩公司關注半導體行業的合夥人維魯·辛哈（Velu Sinha）表示，由於開發成本變低，大型科技公司正轉向自主開發訂製化晶片，而不是向英特爾和英偉達等公司採購通用晶片。他指出：“這方面的投資只要數百萬美元，而不是數億美元。”

Facebook以往也曾為晶片設計師崗位刊登招聘廣告，希望開發專用積體電路（ASIC）這種半訂製和全訂製晶片，但外界此前並不瞭解Facebook開發完全訂製化晶片的目的。Facebook的發言人表示，“對於我們未來的計劃，目前沒有任何新訊息可以分享”。不過Facebook“一直在探索，如何透過內部努力，與晶片行業合作伙伴一起推動更高水平的計算機效能和能效”。

一名知情人士透露，加入Facebook從事晶片開發的工程師最初專注於與外部晶片公司合作，最佳化當前的晶片設計。例如Facebook在2019年宣佈，正與英特爾、高通和博通等公司合作，開發用於推理和影片轉碼的半訂製ASIC晶片，確保在技術上提前滿足需求，並提升效能和能效。

目前，Facebook正在開發推理和影片轉碼晶片，而這些工作沒有任何外部公司的參與。訊息人士稱，在Facebook的資料中心，新開發的晶片將與外部採購的半訂製晶片一起使用，而不是徹底替換後者。

Facebook此前曾表示，僅僅依靠通用的處理器晶片無法滿足其資料中心的需求，而推理和影片轉碼是“增長最快的服務”。2019年，Facebook披露的資料顯示，其平臺每天要處理200萬億次預測、60億次語言翻譯，服務7500萬影片觀眾。

今年早些時候，Facebook工程師在部落格中透露，正在大舉投資半訂製ASIC晶片。與通用晶片相比，這類晶片在執行某些人工智慧任務時效能可以提升多達30倍，能效也可以得到大幅最佳化。Facebook表示，其半訂製的影片轉碼晶片每天協助處理近2。5億個上傳至平臺的影片。完全訂製化的ASIC晶片甚至可以做得更好，但目前還不清楚Facebook能否開發出合適的配套軟體並實現量產。訊息稱，Facebook內部至少有100人正致力於開發這種完全訂製化的ASIC晶片。

Facebook以及亞馬遜和谷歌等公司通常會使用ASIC而不是通用晶片來執行推理，訓練機器學習模型。用於訓練的晶片實際上是神經網路的老師，處理海量資料，例如數十億張帶標籤的Facebook照片，以幫助神經網路學習如何識別人臉。在神經網路完成訓練後，推理晶片就會將其應用至新的資料集，用於實際完成任務，例如在新照片中自動標記出一張人臉。

儘管英偉達等公司提供的通用晶片也可以執行這些任務，但專為神經網路訓練和推理而開發的ASIC晶片速度更快、功耗更低、效率更高，可以顯著降低資料中心的成本。不過ASIC的缺點在於，由於硬體限制無法應用至其他任務。

實際上，在開發資料中心訂製晶片方面，Facebook目前還在追隨其他大型科技公司的步伐。谷歌於2013年就開始開發資料中心晶片Tensor。當時谷歌意識到，使用者需求的增長要求其資料中心的處理能力提升一倍。從2015年開始，谷歌引入Tensor來承擔搜尋、街景影片、照片和翻譯服務的需求。目前，谷歌還基於透過該專案獲得的經驗，為智慧手機和雲計算業務開發訂製的晶片。

亞馬遜於2018年宣佈為雲計算客戶開發Graviton晶片。今年早些時候還有報道顯示，亞馬遜正在開發一款網路晶片，用於負責其網路中資料傳輸的交換機。這個專案可能有助於降低亞馬遜對博通等供應商的依賴。去年12月，彭博社報道稱，微軟正在為伺服器和Surface計算機設計晶片。

瞭解Facebook專案的訊息人士透露，Facebook還在為個人計算裝置，例如Oculus虛擬現實頭顯設計晶片。有報道稱，Facebook已經挖來谷歌晶片設計團隊的前負責人沙利亞爾·拉比（Shahriar Rabii），負責在增強現實和虛擬現實領域的晶片開發。今年早些時候，以色列媒體報道稱，Facebook計劃在以色列建設一個晶片設計中心。