编辑：Aeneas 好困

【新智元导读】小扎All In元宇宙两年后，忽然发现全世界都在搞生成式AI。这可尴尬了，自家公司还在用CPU做AI推理呢……

ChatGPT大战，Meta为何迟迟没有动作？

就在今天，路透社记者挖出了一个大瓜，原因让人瞠目结舌——

相比谷歌、微软等大厂，Meta跑AI时，用的竟然是CPU！

很难想象，在深度学习几乎占机器学习半壁江山的时代，一个科技巨头竟然能用CPU坚持这么久。

虽然他们也曾尝试过自研AI芯片，但最终遭遇滑铁卢。

现在，ChatGPT引爆的生成式AI大战打得昏天黑地，这就更加剧了Meta的产能紧缩。

用CPU训练AI，Meta怎么想的？

Meta迟迟不肯接受用GPU的原因，令人匪夷所思。

GPU芯片非常适合AI处理，因为它们可以同时执行大量任务，从而减少处理数十亿条数据所需的时间。

然而，GPU 也比其他芯片更昂贵，英伟达控制着80%的市场份额，并在配套软件上，也保持着绝对的领先地位。

这些失误，引起了前Meta董事会成员Peter Thiel的注意，随后，他于2022年初辞职。

据内部人士透露，在离开前的一次董事会会议上，Thiel告诉小扎和高管们，他们对Meta的社交媒体业务太自满，并且过分关注元宇宙了，这让公司很容易被TikTok的挑战所撼动。

在去年夏天快要结束的时候，小扎曾召集了高级副手们，花了五个小时，对Meta的计算能力进行分析。

他们需要知道，在开发尖端的AI方面，Meta有多大的能力？

出来的结果，让所有人倒吸一口凉气。

但此时，已经为时已晚。

Meta已经落后于谷歌等同行一大截，谷歌早在2015年就开始部署自己定制的GPU——TPU。

在2022年春天，高管们也同时开始着手重组Meta的AI部门。

这期间发生了长达数月的动荡，十几位高管离开了。AI基础设施领导层，整个经历了一次大换血。

为了管理集群的热量，这些设施需要24到32倍的网络容量和新的液冷系统，因此需要从头设计。

即便如此，Meta似乎也并没有放弃自研芯片的路线。

据悉，新的内部芯片会和GPU一样，能够训练AI模型并执行推理，将于2025年左右完成。

此前，微软有ChatGPT，谷歌紧忙拉Bard出来对打，Meta却似乎并不急于下场生成式AI竞赛，推出的LLaMA也并不用作商用。

Meta CFO Susan Li在2月承认，Meta并没有将大部分计算资源投入到生成式AI中，而是基本上将所有的AI能力都用于广告、feeds和Reels（类似于TikTok的短视频）。

此前，同谷歌一样，Meta并不重视生成式AI。Meta的FAIR实验室从21年底以来，就在发布这种AI技术的原型，研究成果也备受推崇，但Meta从未考虑过将其转化为产品。

All In AIGC？网友：改名MetAI吧

18个月前，小扎把Facebook的未来押在了元宇宙上，甚至还把公司的名字改成了Meta。最近，他又迷上了另一个非常烧钱的技术——AIGC。

本月早些时候，Meta首席技术官Andrew Bosworth表示，扎克伯格和其他高管现在把大部分时间都花在了人工智能上。

由于在硬件架构方面的出色设计，英伟达的GPU非常适合矩阵乘法任务——能有效地在多个CUDA核心之间实现并行处理。

因此从2012年开始，在GPU上训练模型便成为了深度学习领域的共识，至今都未曾改变。

而随着NVIDIA DGX的推出，英伟达能够为几乎所有的AI任务提供一站式硬件和软件解决方案，这是竞争对手由于缺乏知识产权而无法提供的。

相比之下，谷歌则在2016年推出了第一代张量处理单元（TPU），其中不仅包含了专门为张量计算优化的定制ASIC（专用集成电路），并且还针对自家的TensorFlow框架进行了优化。

而这也让TPU在矩阵乘法之外的其他AI计算任务中具有优势，甚至还可以加速微调和推理任务。

最新的一项分析显示，从2018年到2022年，Meta的员工队伍膨胀了143%，但每个员工的收入在这段时间内下降了14%。

高管变动、员工流失、资金不足、路线选错，Meta前方的路，似乎困难重重。

让我们看看小扎接下来会怎么走。

参考资料：

https://www.reuters.com/technology/inside-metas-scramble-catch-up-ai-2023-04-25/