![\"\"](\"https:\/\/ljdevice.com.tw\/wp-content\/uploads\/2025\/03\/2025-03-18_105609-300x171.jpg\")
<\/p>\n12\/03\/2025<\/p>\n
<\/p>\n
Meta, la empresa propietaria de Facebook, est\u00e1 probando su primer chip interno para entrenar sistemas de inteligencia artificial (IA), un hito en su b\u00fasqueda por dise\u00f1ar m\u00e1s chips personalizados y reducir su dependencia de proveedores como Nvidia.<\/p>\n
Presupuesto de inversi\u00f3n estimado de 119 mil millones de d\u00f3lares<\/p>\n
Meta, la empresa de redes sociales m\u00e1s grande del mundo, ha comenzado pruebas a peque\u00f1a escala con el chip y planea aumentar la producci\u00f3n para un uso generalizado si la prueba tiene \u00e9xito.<\/p>\n
El impulso para desarrollar chips internos es parte del plan a largo plazo de Meta para reducir sus enormes costos de infraestructura, mientras la compa\u00f1\u00eda apuesta a lo grande por las herramientas de IA para impulsar el crecimiento.<\/p>\n
Meta, que tambi\u00e9n posee Instagram y WhatsApp, pronostica que el gasto total en 2025 oscilar\u00e1 entre 114.000 y 119.000 millones de d\u00f3lares, incluidos hasta 65.000 millones de d\u00f3lares en gastos de capital, impulsados \u200b\u200ben gran medida por inversiones en infraestructura de inteligencia artificial.<\/p>\n
El nuevo chip de entrenamiento de Meta es un acelerador dedicado, lo que significa que est\u00e1 dise\u00f1ado para manejar \u00fanicamente tareas espec\u00edficas de IA, dijo una fuente. Esto lo hace potencialmente m\u00e1s eficiente energ\u00e9ticamente que las unidades de procesamiento de gr\u00e1ficos (GPU) integradas que se usan com\u00fanmente para cargas de trabajo de IA.<\/p>\n
Seg\u00fan la fuente, Meta est\u00e1 cooperando con el mayor fabricante de chips por contrato del mundo, TSMC, para producir este chip.<\/p>\n
La implementaci\u00f3n de prueba comenz\u00f3 despu\u00e9s de que Meta completara la primera “producci\u00f3n” del chip, un hito importante en el desarrollo de chips de silicio que implica enviar el dise\u00f1o inicial a trav\u00e9s de una planta de fabricaci\u00f3n de chips. Un proceso t\u00edpico de prueba cuesta decenas de millones de d\u00f3lares y demora entre tres y seis meses en completarse, sin garant\u00eda de que la prueba sea exitosa. Si falla, Meta deber\u00e1 diagnosticar el problema y repetir el paso de retirada de la cinta.<\/p>\n
El chip es el \u00faltimo producto de la l\u00ednea Meta Training and Inference Accelerator (MTIA) de la compa\u00f1\u00eda. El programa ha tenido un comienzo dif\u00edcil a lo largo de los a\u00f1os y anteriormente ha cancelado un chip en una etapa similar de desarrollo.<\/p>\n
Sin embargo, el a\u00f1o pasado, Meta comenz\u00f3 a usar un chip MTIA para realizar inferencias (el proceso de ejecutar un sistema de IA a medida que los usuarios interact\u00faan con \u00e9l) para los sistemas de recomendaci\u00f3n que deciden qu\u00e9 contenido aparece en los feeds de noticias de Facebook e Instagram.<\/p>\n
Los ejecutivos de Meta dicen que quieren comenzar a usar chips internos en 2026 para entrenamiento, que es el proceso computacionalmente intensivo de alimentar a un sistema de IA con cantidades masivas de datos para “ense\u00f1arle” c\u00f3mo operar.<\/p>\n Los ejecutivos de Meta dicen que quieren comenzar a utilizar chips internos para capacitaci\u00f3n en 2026.<\/p>\n<\/figcaption><\/figure>\n Al igual que con el chip de inferencia, el objetivo del chip de entrenamiento es comenzar con sistemas de recomendaci\u00f3n y luego usarlo para productos de IA generativa como el chatbot Meta AI, dijeron los ejecutivos. \u201cEstamos analizando c\u00f3mo realizamos el entrenamiento para los sistemas de recomendaci\u00f3n y luego c\u00f3mo pensamos en el entrenamiento y la inferencia para la IA generativa\u201d, dijo el director de productos de Meta, Chris Cox, en la conferencia de tecnolog\u00eda, medios y telecomunicaciones de Morgan Stanley la semana pasada.<\/p>\n El Sr. Cox describi\u00f3 los esfuerzos de desarrollo del chip de Meta como “una situaci\u00f3n de caminar, gatear y luego correr” hasta ahora, pero dijo que los ejecutivos consideran que el chip de inferencia de primera generaci\u00f3n para sistemas de recomendaci\u00f3n es “un gran \u00e9xito”.<\/p>\n Meta cancel\u00f3 previamente un chip de inferencia personalizado interno despu\u00e9s de que fallara en una implementaci\u00f3n de prueba a peque\u00f1a escala similar a la actual para el chip de entrenamiento, y en su lugar volvi\u00f3 a ordenar miles de millones de d\u00f3lares en GPU de Nvidia en 2022.<\/p>\n Desde entonces, la empresa de redes sociales ha seguido siendo uno de los principales clientes de Nvidia, acumulando una gran cantidad de GPU para entrenar sus modelos, incluidos sus sistemas de recomendaci\u00f3n y publicidad, as\u00ed como su l\u00ednea de modelos de plataforma Llama. Estas unidades tambi\u00e9n realizan inferencias para los m\u00e1s de 3 mil millones de personas que usan sus aplicaciones todos los d\u00edas.<\/p>\n El valor de esas GPU ha sido cuestionado este a\u00f1o a medida que los investigadores de IA se han vuelto cada vez m\u00e1s esc\u00e9pticos sobre cu\u00e1nto progreso adicional se puede lograr al continuar “ampliando” modelos de lenguaje grandes agregando m\u00e1s datos y poder de c\u00f3mputo.<\/p>\n Estas dudas se vieron reforzadas por el lanzamiento a finales de enero de nuevos modelos de bajo coste de la empresa china DeepSeek, que optimizan la eficiencia computacional al depender m\u00e1s de la inferencia que la mayor\u00eda de los modelos actuales.<\/p>\n En una venta masiva global de acciones de IA causada por DeepSeek, las acciones de Nvidia perdieron hasta una quinta parte de su valor en un momento. Desde entonces han recuperado la mayor parte de sus p\u00e9rdidas y los inversores apuestan a que los chips de la compa\u00f1\u00eda seguir\u00e1n siendo el est\u00e1ndar de la industria para entrenamiento e inferencia, aunque desde entonces han recurrido a preocupaciones comerciales m\u00e1s amplias.<\/p>\n<\/div>