Meta ha presentado cuatro nuevos chips que diseñó para manejar tareas como entrenar y ejecutar modelos de inteligencia artificial y ofrecer recomendaciones en sus plataformas de redes sociales y otros servicios.
Los nuevos chips son parte de la familia Meta Training and Inference Accelerator (MTIA) de Meta y están diseñados para ser utilizados en centros de datos. Meta ha estado diseñando su propio silicio desde hace algunos años, en gran medida como una forma de reducir el costo de alimentar sus sistemas de recomendación e inteligencia artificial. La compañía dice que necesita chips personalizados para satisfacer la demanda de servicios impulsados por IA.
Google, Amazon y Microsoft también han estado diseñando sus propios chips de IA como una forma de evitar tener que depender de componentes de otras empresas y optimizar sus centros de datos para el aprendizaje automático. Un artículo reciente sobre la escasez global de chips de IA subraya este punto, explicando que “las empresas de tecnología están en una carrera frenética por poder de computación para mantenerse al día con las crecientes demandas de los modelos de inteligencia artificial”. El resultado de todo esto es que quien tenga la mejor infraestructura de IA puede terminar siendo dueño del futuro de la IA.
que hacen las fichas
Los chips MTIA están diseñados para realizar dos funciones principales. El entrenamiento es la tarea computacionalmente intensiva de entrenar un modelo de IA en un conjunto de datos. La inferencia es el proceso de utilizar un modelo entrenado para hacer predicciones en tiempo real. Los chips personalizados de Meta están optimizados para la inferencia, lo cual no es sorprendente dado que los productos principales de la compañía giran en torno a algoritmos de recomendación.
Cada vez que le das Me gusta, comentas una publicación o pasas un vídeo, un modelo de IA hace predicciones sobre lo que quizás quieras ver a continuación. Los analistas suelen decir que las recomendaciones se encuentran entre los casos de uso de IA más intensivos del mundo. Para ver cómo operan en las plataformas de redes sociales, consulte esta historia reciente sobre los algoritmos de recomendación de IA. Optimizar esas cargas de trabajo puede marcar la diferencia entre una aplicación rápida y una lenta.
Por qué es importante
Sin embargo, en cierto modo, los detalles de los chips son secundarios frente a una tendencia más importante: la IA ya no se trata sólo de software, sino de potencia informática. Para crear modelos de IA de vanguardia, se necesitan chips personalizados, enormes cantidades de energía y enormes centros de datos. Las empresas que pueden controlar esa infraestructura obtienen una gran ventaja sobre todos los demás.
La incursión de Meta en los chips personalizados es una señal de que la siguiente fase de las guerras de la IA puede librarse no sólo en la investigación de la IA sino también en el diseño de semiconductores. Algunos analistas piensan que si las empresas pueden desarrollar sus propias pilas de hardware optimizadas, podrán reducir significativamente sus costos y acelerar la implementación de la IA en una amplia gama de aplicaciones, desde recomendaciones hasta asistentes de voz y los mundos digitales inmersivos del metaverso.
En este momento, el anuncio de Meta de cuatro nuevos chips puede parecer un detalle menor en la historia épica de la IA. Pero pregúntale a la gente que trabaja en estas cosas y te dirán algo diferente: a veces la clave para desbloquear la IA no está en los algoritmos, sino que está grabada en el propio silicio.