北京时间 9 月 10 日早间消息，据报道，谷歌、亚马逊和微软此前已展开招聘和大规模投资，从头开始自主设计计算机芯片，希望降低服务器成本并取得更好的性能。两名消息人士透露，Facebook 也在加入这个行列。该公司正在开发一种用于机器学习的芯片 。 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。