近日，有消息人士透露，Facebook正自主研发新的机器学习芯片。

根据消息人士的说法，Facebook自主开发的另一款芯片希望通过视频转码，优化用户观看录制视频和直播视频的质量。如果取得成功，开发出成本更低、性能更强的芯片，那么也有助于Facebook在未来几年中降低数据中心的碳排放，并减小对传统芯片供应商，例如英特尔、高通和博通的依赖。

贝恩公司关注半导体行业的合伙人维鲁·辛哈（Velu Sinha）表示，由于开发成本变低，大型科技公司正转向自主开发订制化芯片，而不是向英特尔和英伟达等公司采购通用芯片。他指出：“这方面的投资只要数百万美元，而不是数亿美元。”

Facebook以往也曾为芯片设计师岗位刊登招聘广告，希望开发专用集成电路（ASIC）这种半订制和全订制芯片，但外界此前并不了解Facebook开发完全订制化芯片的目的。Facebook的发言人表示，“对于我们未来的计划，目前没有任何新消息可以分享”。不过Facebook“一直在探索，如何通过内部努力，与芯片行业合作伙伴一起推动更高水平的计算机性能和能效”。

一名知情人士透露，加入Facebook从事芯片开发的工程师最初专注于与外部芯片公司合作，优化当前的芯片设计。例如Facebook在2019年宣布，正与英特尔、高通和博通等公司合作，开发用于推理和视频转码的半订制ASIC芯片，确保在技术上提前满足需求，并提升性能和能效。

目前，Facebook正在开发推理和视频转码芯片，而这些工作没有任何外部公司的参与。消息人士称，在Facebook的数据中心，新开发的芯片将与外部采购的半订制芯片一起使用，而不是彻底替换后者。

Facebook此前曾表示，仅仅依靠通用的处理器芯片无法满足其数据中心的需求，而推理和视频转码是“增长最快的服务”。2019年，Facebook披露的数据显示，其平台每天要处理200万亿次预测、60亿次语言翻译，服务7500万视频观众。

今年早些时候，Facebook工程师在博客中透露，正在大举投资半订制ASIC芯片。与通用芯片相比，这类芯片在执行某些人工智能任务时性能可以提升多达30倍，能效也可以得到大幅优化。Facebook表示，其半订制的视频转码芯片每天协助处理近2.5亿个上传至平台的视频。完全订制化的ASIC芯片甚至可以做得更好，但目前还不清楚Facebook能否开发出合适的配套软件并实现量产。消息称，Facebook内部至少有100人正致力于开发这种完全订制化的ASIC芯片。

Facebook以及亚马逊和谷歌等公司通常会使用ASIC而不是通用芯片来执行推理，训练机器学习模型。用于训练的芯片实际上是神经网络的老师，处理海量数据，例如数十亿张带标签的Facebook照片，以帮助神经网络学习如何识别人脸。在神经网络完成训练后，推理芯片就会将其应用至新的数据集，用于实际完成任务，例如在新照片中自动标记出一张人脸。

尽管英伟达等公司提供的通用芯片也可以执行这些任务，但专为神经网络训练和推理而开发的ASIC芯片速度更快、功耗更低、效率更高，可以显著降低数据中心的成本。不过ASIC的缺点在于，由于硬件限制无法应用至其他任务。

实际上，在开发数据中心订制芯片方面，Facebook目前还在追随其他大型科技公司的步伐。谷歌于2013年就开始开发数据中心芯片Tensor。当时谷歌意识到，用户需求的增长要求其数据中心的处理能力提升一倍。从2015年开始，谷歌引入Tensor来承担搜索、街景视频、照片和翻译服务的需求。目前，谷歌还基于通过该项目获得的经验，为智能手机和云计算业务开发订制的芯片。

亚马逊于2018年宣布为云计算客户开发Graviton芯片。今年早些时候还有报道显示，亚马逊正在开发一款网络芯片，用于负责其网络中数据传输的交换机。这个项目可能有助于降低亚马逊对博通等供应商的依赖。去年12月，彭博社报道称，微软正在为服务器和Surface计算机设计芯片。

了解Facebook项目的消息人士透露，Facebook还在为个人计算设备，例如Oculus虚拟现实头显设计芯片。有报道称，Facebook已经挖来谷歌芯片设计团队的前负责人沙利亚尔·拉比（Shahriar Rabii），负责在增强现实和虚拟现实领域的芯片开发。今年早些时候，以色列媒体报道称，Facebook计划在以色列建设一个芯片设计中心。