Meta (META.US) magdadagdag ng sariling AI chip! I-de-deploy ang data center sa unang kalahati ng susunod na taon upang mapababa ang gastos sa pag-infer at paggamit ng enerhiya
Nagplano ang Meta Platforms na ideploy ang bagong henerasyon ng sariling gawang artificial intelligence chip sa kanilang data center sa unang kalahati ng 2027, na layuning pababain ang konsumo ng enerhiya at gastos ng pagpapatakbo ng AI models sa pamamagitan ng custom na chip.
Ayon sa balita mula sa Filipino Financial APP, plano ng Meta Platforms (META.US) na ilunsad ang bagong henerasyon ng sariling gawang artificial intelligence chip sa mga data center sa unang kalahati ng 2027, na layuning pababain ang konsumo sa enerhiya at gastos ng pagpapatakbo ng AI models sa pamamagitan ng custom chip. Samantala, nangako na rin ang kumpanya sa deployment scale na lalampas sa 1 gigawatt para sa kaugnay na chip, at sinabi na kung magpapatuloy ang malakas na demand sa AI, mas lalo pang bibilis ang deployment sa hinaharap.
Ibinahagi ni Yee Jiun Song, Pangalawang Pangulo ng Engineering ng Meta, sa isang panayam na kasalukuyang nasa testing stage ang ikatlong henerasyon ng sariling gawang AI processor ng kompanya, ang MTIA 450, na may codename na "Arke"; ang susunod na henerasyon, MTIA 500, na kinikilala bilang "Astrid", ay inaasahang matatapos ang disenyo sa loob ng humigit-kumulang isang buwan at plano ring ipasok sa mga data center bago matapos ang 2027.
Sabi ni Song, bawat henerasyon ng custom chip ng Meta ay haharap sa mas maraming teknikal na hamon kapalit ng mas mataas na performance, kabilang dito ang pagpapabuti ng performance kada unit ng power at cost. Ibig sabihin nito, habang patuloy na lumalaki ang investment sa AI infrastructure, sinusubukan ng Meta na paghusayin ang efficiency ng computing power gamit ang sariling gawang chips at pababain ang pangmatagalang operational cost.
Pakikipagtulungan sa Broadcom sa disenyo, TSMC sa manufacturing — Deployment scale lalampas ng 1 gigawatt
Kasalukuyan ding nakikipagtulungan ang Meta sa Broadcom (AVGO.US) upang mag-develop ng custom AI chips, at tinukoy ang TSMC (TSM.US) bilang tagagawa. Isiniwalat ni Song na nangako ang Meta na mag-deploy ng mahigit 1 gigawatt scale ng nasabing chips sa loob ng 12 buwan. Kung mananatiling mataas ang demand sa AI, inaasahan ng kumpanya na mas lalo pang bibilis ang deployment sa hinaharap.
Kasalukuyang nasa aktwal na testing phase na ang Arke. Noong ika-1 ng Setyembre, unang inihatid ng TSMC sa Meta ang 12 piraso ng Arke chip, kung saan ang aktwal na performance nito ay may lamang 2% hanggang 3% lamang kumpara sa mga simulation results noon.
Mas kapansin-pansin, matagumpay nang pinapatakbo ng mga processor na ito ang sariling AI model ng Meta, gayundin ang mga model ng DeepSeek at Alibaba (BABA.US). Ipinapakita nito na ang sariling gawang chips ng Meta ay hindi lamang optimized para sa kanilang sariling model, kundi kayang patakbuhin ang iba't ibang AI models.
Pag-abandona sa sabay na Training at Inference — Pokus ng Meta sa AI inference para sa sariling chips
Sumailalim din sa pagbabago ang estratehiya ng Meta sa sariling gawang AI chip.
Noon, plano ng kumpanya na gumawa ng chip na tinawag na Olympus, na sana ay ginagamit para sa AI model training at inference, pero kalaunan ay kinansela ito, na may bahagi sa desisyon ang gastos. Matapos nito, mas pinili ng Meta na mag-focus sa AI inference para sa sariling chips. Sabi ni Song: "Ito ang magiging pangunahing chips na gagamitin namin para sa general inference."
Habang patuloy na isinasama ng Meta ang AI functionalities sa Facebook, Instagram, at sa iba pang produkto, tumataas ang bilang ng invocation ng models, gayundin ang computational resources na kailangang para sa inference. Dahil dito, mas mahalaga sa Meta ang magpababa ng gastos at konsumo ng kuryente sa bawat inference, kaysa simpleng habulin ang mas mataas na computing power.
Dahil dito, nagiging mas malinaw ang direksyon ng Meta sa strategy sa AI chips: hindi nilalayong agad takpan ang lahat ng AI computation tasks, kundi magdisenyo muna ng dedicated chips para sa malalaking scale at regular na inference workloads — na layon ding pababain ang overall operating cost ng AI infrastructure sa pamamagitan ng pagpapabuti ng performance kada watt at kada dollar.
Lumalagong kompetisyon sa AI infrastructure tungo sa sariling chip — Meta may matibay na product roadmap
Habang patuloy ang malalaking tech na kumpanya sa pagpapalawak ng investment sa AI infrastructure, ang paggawa ng sariling chip ay nagiging mahalagang paraan upang kontrolin ang gastos sa AI at itaas ang efficiency ng data centers. Ang pagsulong ng Meta sa MTIA 450 at MTIA 500 ay isa ring senyales na umaangat mula testing papuntang malakihang deployment ang kanilang sariling chip project.
Ayon sa nakatakdang plano, ipapasok sa data center ang kasalukuyang tinetest na MTIA 450 sa unang kalahati ng 2027, at ang susunod na MTIA 500 ay target ideploy bago matapos ang 2027. Sa hinaharap, inaasahan pa na mas bibilis at lalaki ang kapasidad ng susunod pang henerasyon ng produkto. Ani Song, nakabuo na ang Meta ng “napakatibay na roadmap” para sa custom chip development nito.
Disclaimer: Ang nilalaman ng artikulong ito ay sumasalamin lamang sa opinyon ng author at hindi kumakatawan sa platform sa anumang kapasidad. Ang artikulong ito ay hindi nilayon na magsilbi bilang isang sanggunian para sa paggawa ng mga desisyon sa investment.
Baka magustuhan mo rin
Sinuri ng Morgan Stanley ang AI trend na nakaharap sa turning point: Mula sa pagtatayo ng computing power patungo sa pagpapalawak ng industriya, nagiging pangunahing istratehiya sa pag-aalok ang barbell strategy
Naglabas ang Morgan Stanley ng temang ulat-pananaliksik at naglahad ng pangunahing pagsusuri: Ang pamumuhunan sa AI ay tapos na sa yugto ng simpleng pagtaya sa mga proyektong nagbibigay ng upstream computing power, at pumasok na ito sa bagong panahon ng “barbell” na dalawang-linyang estratehikong paglalatag.

UBS: Ang kagustuhan ng Capex ng mga kumpanyang Amerikano ay bumaba ngunit muling tumaas, ang karagdagang pagtaas ng interest rate ay maaaring limitado lang ang epekto sa ekonomiya
Ayon sa UBS, ang tradisyonal na pamumuhunan sa Estados Unidos ay matagal nang mababa at nananatiling nasa mababang antas, kaya limitado na ang espasyo para sa karagdagang pagtaas ng interes. Kasabay nito, tumaas ng 25% ang cash flow mula sa operasyon ng mga kumpanya, kaya masagana ang panloob na pondo at maaaring humina ang epekto ng interes sa Capex. Habang bumabawi ang kagustuhan sa capital expenditure mula sa makasaysayang mababang antas, nagpapakita rin ng mga senyales ng pagsasaayos ang mga hindi AI na pamumuhunan. Maaaring pumasok sa yugto ng pagbangon ang corporate investment sa Estados Unidos.

Sa pagsumite ng Nscale, bernstein ay "nagbibigay ng pagsusuri" sa AI computing cloud: CoreWeave (CRWV.US) ay "hindi makasabay sa merkado," IREN (IREN.US) ay "nakalampas sa merkado"
Ang bagong sikat na kumpanya ng AI compute power sa UK, Nscale, ay opisyal na nagsumite ng S1 prospectus noong nakaraang Biyernes. Ang matagal nang inaasahang dokumentong ito ay nagbigay ng bagong sanggunian para sa pagsusuri ng Bernstein sa business model, competitive barriers, at potensyal na mga panganib ng bagong henerasyon ng cloud compute power track.
