据悉，Facebook 也加入了这一行列，并正在为其数据中央自主开拓一套定制芯片。
个中， 一个芯片处理器用于优化视频转码，或进一步提升其用户不雅观看视频的体验；而另一个芯片处理器将用于内容推举等机器学习任务。
这样一来，Facebook 将逐渐减少对外部芯片制造商的依赖，比如英特尔、高通和博通等；另一方面，由于Facebook 数据中央的碳足迹处于不断增长的趋势，转向定制芯片可以有效帮助其减少碳足迹。
此外，Facebook 并不打算让自研芯片完备取代原来的芯片处理器 ，新芯片将与其目前正在利用的第三方处理器一起运行。
定制芯片并不是一个新命题，比如，自 2016 年以来，谷歌一贯拥有用于机器学习的 TPU （Tensor Processing Unit）定制芯片。该芯片正在为 Google 的许多运用程序供应支持，包括用于提高搜索结果和街景干系性的人工智能系统 RankBrain ，进一步提高了谷歌舆图导航的准确性和质量。
值得一提的是，在与围棋天下冠军李世石的对弈中，由 TPU 供应支持的谷歌 DeepMind AI 程序以 4-1 的总比分得胜。
（来源：YouTube 视频截图）
2020 年 12 月，据外媒宣布，微软也在为其 Surface 设备和云根本举动步伐开拓内部的 ARM 芯片处理器，并开始自研用于数据中央的芯片。
一贯以来，微软的 Azure 云做事都是利用英特尔的处理器来驱动。虽然 Surface 设备在 PC 市场中所占的份额相对较小，但微软开始自研芯片的这一举动仍对英特尔造成一定打击，致使其股价在该日收盘前下跌约 6.3%。
Facebook 表示，他们一贯在与芯片互助伙伴共同探索提高打算性能和能效水平的方法。关于未来的操持，目前尚未有更多可公布的新讯息。
事实上，对 Facebook 来说，涉足定制芯片并不是一件随意马虎的事，不过此前该公司已经进入半定制芯片领域。
（来源：Pixabay）
2019 年， Facebook 宣告正在开拓一种用于视频转码和推理事情的专用集成电路（ASIC）。
据理解，Facebook 每月需为超过 27 亿用户供应运用和做事。为支持如此弘大的用户量，该公司设计并构建了前辈且高效的系统来扩展其根本举动步伐。
然而，随着事情负载的增长，仅由传统的通用途理器为用户供应做事已远远不足。在 Facebook 看来，或许只有开拓新的专用加速器和整体系统级办理方案，才能进一步提高系统的性能、功率和效率。
因此，Facebook 与其他公司互助开拓了分别面向 AI 推理优化、AI 模型培训和视频转码的办理方案。
2019 年 3 月 14 日，Facebook 宣告推出用于AI 模型培训的 “Zion” 平台、用于 AI 推理优化的专用集成电路 “Kings Canyon” 以及用于视频转码的 “Mount Shasta”。
个中，作为 Facebook 的下一代演习硬件平台，“Zion” 平台具有强大的打算能力。在进行 AI 模型培训的过程中，不仅能够有效处理 CNN、LSTM 和 SparseNN 等一系列神经网络，而且可供应高内存容量、高带宽以及灵巧的高速互连，以支持 Facebook 的关键事情负载。
须要把稳的是，在 Facebook 演习事情负载增加的同时，其推理事情负载也在不断增加。而 Facebook 当前利用的标准 CPU 做事器由于很难连续扩展，因此并不能跟上AI 推理优化的进程。基于此，Facebook 与多个互助伙伴互助开拓了可在其根本举动步伐中支配和扩展的推理 ASIC。
据理解，该推理 ASIC 拥有四个紧张组成部分，分别为国王峡谷推理 M.2 模块、双湖单路做事器、Glacier Point v2 载卡、良好美地 v2 机箱。这些组成部分利用已经发布到 OCP（Open Compute Project，开放打算项目） 的现有构建块，加快了开拓韶光且依赖其通用性降落了风险。
图 | Facebook 用于AI 推理解决方案的构建块（来源：Facebook）
据统计，Facebook 的均匀直播数量每年都在翻倍增长。尤其自 2018 年 8 月在环球推出以来，Facebook Watch 做事的月不雅观众人数已超过 4 亿，每天约有 7500 万人利用。
针对不雅观众不同的可用互联网连接，Facebook 天生了多种输出质量和分辨率（或比特率）来优化视频不雅观看，这一过程称为转码。要完成此转码过程须要大量密集型的打算，而通用 CPU 的效率远远不及 Facebook 视频扩展根本举动步伐的增长速率。
因此，Facebook 与其芯片供应商 Broadcom 和 Verisilicon 互助设计了针对转码事情负载进行优化的定制 ASIC。这个中包含用于转码事情流程每个阶段的专用芯片，能够支持分布在不同数据中央位置的异构硬件设备，平衡视频转码的事情负载。
自研芯片的势头正逐渐扩大，全体科技行业的芯片布局是否会因此发生变革？目前仍需连续不雅观望。
