Meta เปิดชิป MTIA 400 สร้างสรรค์การฝึก AI และโฆษณาบนหนึ่งชิพเดียว

Meta เปิดตัว MTIA 400 ชิปเร่งประมวลผล AI รุ่นแรกของบริษัทที่ออกแบบมาเพื่อฝึกโมเดลภาษาใหญ่ (LLM) พร้อมทำหน้าที่เป็นชิพ inference สำหรับระบบแนะนำโฆษณา การเปิดเผยรายละเอียดในงาน Hot Chips ทำให้เห็นว่า Meta พยายามผสานสองภาระการทำงานที่มีความต้องการแตกต่างกันอย่างสิ้นเชิง เพื่อเพิ่มประสิทธิภาพค่าใช้จ่ายคอมพิวเตอร์ของตนเอง

Overview

Meta ไม่ได้เป็นบริษัทแรกที่สร้างซิลิกอนเฉพาะสำหรับ AI – Amazon และ Google ก็เคยทำชิพเพื่อรองรับโฆษณาก่อนหน้านี้แล้ว แต่ MTIA 400 เป็นครั้งแรกที่ Meta พยายามนำชิพมาฝึกโมเดลภาษาใหญ่โดยตรง การออกแบบให้ทำงานสองบทบาท (training + ad‑inference) ทำให้เป็น “ชิพบุคลิกแยก” ที่คาดว่าจะช่วยลดภาระค่าใช้จ่ายในการฝึกและรันโมเดลของบริษัท

จากข้อมูลที่นำเสนอในงาน Hot Chips เมื่อสัปดาห์ที่ผ่านมา Meta เน้นว่า ชิพนี้จะทำหน้าที่เป็น “Meta Training and Inference Accelerator” ซึ่งต่างจากชิพก่อน ๆ ที่เน้นเพียงการให้บริการโฆษณาเท่านั้น การรวมฟังก์ชันเหล่านี้อาจทำให้ Meta สามารถใช้ศักยภาพของฮาร์ดแวร์เดียวกันในหลายงานได้อย่างคุ้มค่า

Architecture & Specs

MTIA 400 ใช้สถาปัตยกรรมแบบหลายไดซ์ (heterogeneous multi‑die) ซึ่งประกอบด้วย:

• สอง compute dies ที่รับผิดชอบการประมวลผล AI หลัก
• สอง I/O dies เพื่อเชื่อมต่อระหว่างชิพและอุปกรณ์ภายนอก
• หนึ่ง SoC die จัดการการเชื่อมต่อโฮสต์และการจัดสรรงาน

คอมพิวท์ไดซ์ทั้งหมดผลิตด้วยเทคโนโลยี 3 nm ของ TSMC และมีตารางองค์ประกอบประมวลผลขนาด 6 × 8 ซึ่งเมื่อรวมสองไดซ์แล้วให้กำลังการคำนวณ 12 petaFLOPS ที่ความแม่นยำ MXFP4 ที่อัตรา 1.7 GHz

หน่วยความจำใช้ แปดสแต็ก HBM3e 36 GB รวมเป็น 288 GB พร้อมแบนด์วิธประมาณ 9.2 TB/s ซึ่งเร็วกว่าเทคโนโลยีของ Nvidia และ AMD รุ่นก่อนหน้าประมาณ **15 % แต่ยังน้อยกว่าบางรุ่นใหม่ของคู่แข่งถึงครึ่งหนึ่ง

I/O ไดซ์ให้ความเร็วการส่งข้อมูลระหว่างชิพที่ 1.2 TB/s ผ่าน RDMA (คาดว่าเป็น Ethernet) เพื่อรองรับการสื่อสารแบบเรียลไทม์ในระบบขนาดใหญ่

Performance Comparison

เมื่อเทียบกับ GPU ระดับสูงของคู่แข่ง Meta ยังคงต้องพึ่งพา Nvidia และ AMD สำหรับงาน inference ของ LLM อย่างไรก็ตามจากข้อมูลที่เปิดเผย:

• ที่ความแม่นยำระดับสูงสำหรับการฝึกโมเดล MTIA 400 เร็วกว่า Nvidia Blackwell สูงสุดประมาณ **20 % โดยใช้พลังงานเทียบเท่า
• ในด้าน FLOPS สำหรับภาระงานทั่วไป ชิพนี้ช้ากว่า Nvidia Rubin และ AMD Instinct MI455X อยู่ที่อัตรา **3‑3.3×

ดังนั้น แม้ MTIA 400 จะเป็นเครื่องมือที่แข็งแกร่งสำหรับการฝึก LLM ภายใน Meta แต่ยังไม่สามารถทดแทน GPU ของ Nvidia/AMD ในงาน inference หรือการฝึกโมเดลระดับสุดยอดได้ในขณะนี้

Market Position & Roadmap

Meta ยังคงใช้ GPU ของ Nvidia และ AMD สำหรับการฝึกโมเดลเชิงรุก เช่น Muse Spark ที่พัฒนาโดย Meta Superintelligence Labs แต่คาดว่า MTIA 400 จะเป็นส่วนสำคัญของโครงสร้างพื้นฐาน AI ภายในบริษัทในอนาคต

ต่อเนื่องจาก MTIA 400, Meta ได้เปิดเผยแผนการพัฒนาชิพรุ่นต่อไปสองตัว:

• MTIA 450 – รุ่นที่ออกแบบมาสำหรับ inference โดยจะเพิ่มแบนด์วิธของหน่วยความจำเป็นสองเท่า ด้วยการเปลี่ยนจาก HBM3e ไปใช้ HBM4 คาดว่าจะเริ่มผลิตในปีหน้า
• MTIA 500 – ตั้งเป้าปล่อยในครึ่งหลังของปี 2027 จะเพิ่มแบนด์วิธหน่วยความจำอีก **50 % ด้วยสแต็ก HBM4 เพิ่ม 4 ตัว และเพิ่มจำนวนคอมพิวท์ไดซ์เป็นสองเท่า

การขยายตัวเหล่านี้บ่งชี้ว่า Meta มีเป้าหมายจะสร้างระบบ AI ที่สามารถทำงานได้ทั้งฝึกและให้บริการโฆษณาโดยใช้ซิลิกอนของตนเองในระดับที่สเกล “หลายพันชิพ” ตามที่บริษัทระบุ

Implications for AI and Advertising

การรวม LLM training กับ DLRM inference ไว้บนชิพเดียวกันทำให้ Meta สามารถลดค่าใช้จ่ายด้านคอมพิวเตอร์และเพิ่มประสิทธิภาพของระบบโฆษณา ซึ่งเป็นแหล่งรายได้หลักของบริษัท การที่ชิพสามารถสลับบทบาทระหว่างงานฝึกโมเดลใหญ่กับการแนะนำโฆษณาแบบเรียลไทม์ ช่วยให้ Meta สามารถใช้ทรัพยากรคอมพิวเตอร์อย่างเต็มประสิทธิภาพในช่วงเวลาที่ความต้องการเปลี่ยนแปลง

แม้ว่า MTIA 400 ยังไม่สามารถแข่งขัน GPU ชั้นนำได้โดยตรง แต่การลงทุนของ Meta ในซิลิกอนเฉพาะงานอาจเร่งการพัฒนาเทคโนโลยี AI ภายในบริษัทและลดการพึ่งพาผู้ผลิตภายนอกในระยะยาว การเคลื่อนที่นี้อาจส่งผลกระทบต่อตลาดชิป AI โดยรวม และทำให้ผู้เล่นอื่นต้องปรับกลยุทธ์เพื่อรักษาตำแหน่งของตน

Summary

Meta เปิดตัว MTIA 400 ชิพเร่งประมวลผล AI ที่ออกแบบมาเพื่อฝึก LLM พร้อมทำงาน inference สำหรับระบบโฆษณา การผสานสองบทบาทนี้ช่วยลดค่าใช้จ่ายคอมพิวเตอร์และเพิ่มความยืดหยุ่นของโครงสร้างพื้นฐาน AI ภายในบริษัท แม้ว่าชิพยังไม่ทัดเทียมกับ GPU ของ Nvidia/AMD ในหลายด้าน แต่การต่อยอดด้วยรุ่น MTIA 450 และ MTIA 500 แสดงให้เห็นถึงแผนระยะยาวของ Meta ที่จะพึ่งพาซิลิกอนของตนเองในตลาด AI.