![\"\"](\"https:\/\/ljdevice.com.tw\/wp-content\/uploads\/2025\/03\/2025-03-18_105609-300x171.jpg\")
<\/p>\nAm 11. M\u00e4rz 2025<\/p>\n
<\/p>\n
Der Facebook-Eigent\u00fcmer Meta testet seinen ersten hauseigenen Chip f\u00fcr das Training von Systemen der k\u00fcnstlichen Intelligenz. Dies ist ein wichtiger Meilenstein auf dem Weg, mehr eigenes Silizium zu entwickeln und die Abh\u00e4ngigkeit von externen Anbietern wie Nvidia zu verringern, so zwei Quellen gegen\u00fcber Reuters.<\/p>\n
Das weltgr\u00f6\u00dfte Social-Media-Unternehmen hat mit einem kleinen Einsatz des Chips begonnen und plant, die Produktion f\u00fcr einen gro\u00df angelegten Einsatz hochzufahren, wenn der Test gut verl\u00e4uft, so die Quellen.<\/p>\n
Der Vorsto\u00df, eigene Chips zu entwickeln, ist Teil eines langfristigen Plans bei Meta, um die enormen Infrastrukturkosten zu senken, da das Unternehmen auf teure KI-Tools setzt, um das Wachstum voranzutreiben.<\/p>\n
Meta, zu dem auch Instagram und WhatsApp geh\u00f6ren, hat f\u00fcr das Jahr 2025 Gesamtausgaben in H\u00f6he von 114 bis 119 Milliarden Dollar prognostiziert, darunter bis zu 65 Milliarden Dollar an Kapitalausgaben, die gr\u00f6\u00dftenteils durch Ausgaben f\u00fcr die KI-Infrastruktur getrieben werden.<\/p>\n
Eine der Quellen sagte, dass der neue Trainingschip von Meta ein dedizierter Beschleuniger ist, d.h. er ist nur f\u00fcr KI-spezifische Aufgaben ausgelegt. Dadurch kann er energieeffizienter sein als die integrierten Grafikprozessoren (GPUs), die im Allgemeinen f\u00fcr KI-Arbeitslasten verwendet werden.<\/p>\n
Meta arbeitet mit dem taiwanesischen Chip-Hersteller TSMC zusammen, um den Chip zu produzieren, sagte diese Person.<\/p>\n
Der Testeinsatz begann, nachdem Meta sein erstes “Tape-Out” des Chips abgeschlossen hatte. Dies ist ein wichtiger Gradmesser f\u00fcr den Erfolg bei der Siliziumentwicklung, bei der ein erstes Design durch eine Chipfabrik geschickt wird, so die andere Quelle.<\/p>\n
Ein typisches Tape-Out kostet mehrere zehn Millionen Dollar und dauert etwa drei bis sechs Monate, wobei es keine Garantie f\u00fcr den Erfolg des Tests gibt. Bei einem Fehlschlag m\u00fcsste Meta das Problem diagnostizieren und den Tape-Out-Schritt wiederholen.<\/p>\n
Meta und TSMC lehnten eine Stellungnahme ab.<\/p>\n
Der Chip ist der j\u00fcngste in der Meta Training and Inference Accelerator (MTIA) Serie des Unternehmens. Das Programm hat seit Jahren einen wackeligen Start und hat schon einmal einen Chip in einer \u00e4hnlichen Entwicklungsphase verschrottet.<\/p>\n
Letztes Jahr hat Meta jedoch damit begonnen, einen MTIA-Chip f\u00fcr die Inferenz zu verwenden, d.h. f\u00fcr den Prozess, bei dem ein KI-System l\u00e4uft, w\u00e4hrend die Benutzer mit ihm interagieren, und zwar f\u00fcr die Empfehlungssysteme, die bestimmen, welche Inhalte in den Newsfeeds von Facebook und Instagram angezeigt werden.<\/p>\n
Die F\u00fchrungskr\u00e4fte von Meta haben erkl\u00e4rt, dass sie ab 2026 ihre eigenen Chips f\u00fcr das Training einsetzen wollen. Dabei handelt es sich um den rechenintensiven Prozess, bei dem das KI-System mit Unmengen von Daten gef\u00fcttert wird, um ihm zu “lehren”, wie es arbeiten soll.<\/p>\n
Wie beim Inferenz-Chip ist es auch beim Trainingschip das Ziel, mit Empfehlungssystemen zu beginnen und ihn sp\u00e4ter f\u00fcr generative KI-Produkte wie den Chatbot Meta AI zu verwenden, sagten die F\u00fchrungskr\u00e4fte.<\/p>\n
“Wir arbeiten daran, wie wir das Training f\u00fcr Empfehlungssysteme durchf\u00fchren k\u00f6nnen und wie wir sp\u00e4ter \u00fcber Training und Inferenz f\u00fcr generative KI nachdenken k\u00f6nnen”, sagte Chris Cox, Chief Product Officer von Meta AI, letzte Woche auf der Morgan Stanley Konferenz f\u00fcr Technologie, Medien und Telekommunikation.<\/p>\n
Cox beschrieb Metas Chip-Entwicklungsbem\u00fchungen bisher als “eine Art Spaziergang, Kriechen, Laufen”, sagte aber, dass die F\u00fchrungskr\u00e4fte den Inferenz-Chip der ersten Generation f\u00fcr Empfehlungen als “gro\u00dfen Erfolg” betrachten.<\/p>\n
Meta hatte zuvor die Entwicklung eines eigenen Inferenzchips eingestellt, nachdem dieser in einem kleinen Test, \u00e4hnlich dem, den es jetzt f\u00fcr den Trainingschip durchf\u00fchrt, gefloppt war. Stattdessen \u00e4nderte das Unternehmen seinen Kurs und bestellte bis 2022 Nvidia-GPUs im Wert von mehreren Milliarden Dollar.<\/p>\n
Das Social-Media-Unternehmen ist seither einer der gr\u00f6\u00dften Kunden von Nvidia geblieben und hat ein ganzes Arsenal von Grafikprozessoren zum Trainieren seiner Modelle, u.a. f\u00fcr Empfehlungs- und Anzeigensysteme und seine Llama-Foundation-Modellreihe, angeh\u00e4uft. Die Einheiten f\u00fchren auch Inferenzen f\u00fcr die mehr als 3 Milliarden Menschen durch, die seine Apps jeden Tag nutzen.<\/p>\n
Der Wert dieser GPUs wurde in diesem Jahr in Frage gestellt, da KI-Forscher zunehmend Zweifel daran \u00e4u\u00dfern, wie viel mehr Fortschritte erzielt werden k\u00f6nnen, wenn man weiterhin gro\u00dfe Sprachmodelle durch immer mehr Daten und Rechenleistung “hochskaliert”.<\/p>\n
Diese Zweifel wurden Ende Januar durch die Einf\u00fchrung neuer kosteng\u00fcnstiger Modelle des chinesischen Startups DeepSeek verst\u00e4rkt, die die Recheneffizienz optimieren, indem sie sich st\u00e4rker auf Inferenzen st\u00fctzen als die meisten etablierten Modelle.<\/p>\n
Im Zuge der von DeepSeek ausgel\u00f6sten weltweiten Talfahrt der KI-Aktien verlor die Nvidia-Aktie zeitweise bis zu einem F\u00fcnftel ihres Wertes. In der Folge erholten sie sich gr\u00f6\u00dftenteils wieder, da die Anleger darauf setzten, dass die Chips des Unternehmens der Industriestandard f\u00fcr das Training und die Inferenz bleiben werden, auch wenn sie aufgrund allgemeiner Handelsbedenken wieder gefallen sind. (Berichte von Katie Paul in New York und Krystal Hu in San Francisco; Redaktion: Richard Chang)<\/p>\n