Meta har dragit tillbaka gardinen för MTIA 400, dess första specialanpassade accelerator som helt och hållet syftar till att träna stora språkmodeller — med en ovanlig twist. Chipet, som beskrivs i detalj den här veckan vid den årliga Hot Chips-halvledarkonferensen, kommer också att bära arbetsbelastningen för rekommendationer för djupinlärning som tjänar annonserna som finansierar Metas hela AI-ambition.

Registret, som först rapporterade de fullständiga tekniska avslöjandena, kallade designen en "delad personlighet": ett gränsträningschip på ena sidan, en annonstjänstmotor på den andra. Det är det tydligaste tecknet hittills på att Meta tänker köra sin AI-framtid på sitt eget kisel. För mer om den senaste AI-utvecklingen som formar chipindustrin, följ AI Buzz Wire.

Varför träna AI och visa annonser på samma chip?

De flesta företag som bygger anpassade AI-acceleratorer börjar med slutledning. Kluster är mindre, chipsen är enklare och jobbet är väl förstått. Meta motverkar den trenden genom att inrikta sig på LLM-utbildning först – den mest beräkningsintensiva arbetsbelastningen i branschen, som ofta kräver tiotals eller hundratusentals acceleratorer.

Kompromissen är den andra arbetsbördan. DLRM-inferens – rekommendationsmodellen för djupinlärning som avgör vilka annonser och inlägg användare ser – är övervägande minnesbunden snarare än datorbunden, vilket innebär att mycket av chipets träningseldkraft är inaktiv under annonsvisning. Men med Meta som förbränner tiotals miljarder dollar på dator, är det en pragmatisk säkring att ha ett chip pull dubbeltull, särskilt när ett av de två användningsfallen direkt genererar intäkter.

Inuti MTIA 400: 3nm Chiplets och Broadcom IP

Enligt Metas Hot Chips-presentation, analyserad av The Register och ServeTheHome:

  • Multi-die-arkitektur: Två compute-dies, två I/O-dies och en SoC-die som hanterar värdanslutning och orkestrering av arbetsbelastning
  • Processnod: Beräkningschiplets är byggda på 3nm processteknologi, förmodligen från TSMC
  • Compute: Ett 6x8 rutnät av bearbetningselement per chiplet, som levererar en kombinerad 12 petaFLOPS MXFP4-beräkning vid 1,7 GHz
  • Minne: Åtta 36 GB HBM3e-stackar — totalt 288 GB med ungefär 9,2 TB/s bandbredd
  • Interconnect: 1,2 TB/s chip-till-chip-bandbredd över RDMA, troligen Ethernet med tanke på Broadcoms inblandning

Broadcoms fingeravtryck finns överallt. The Register noterar att acceleratorn nästan säkert byggdes med hjälp av chipdesignerns XPU IP - ett pragmatiskt val som låter Meta fokusera på differentiering samtidigt som de outsourcar de oglamorösa delarna av acceleratordesignen.

Hur det går ihop mot Nvidia och AMD

Prestandabilden är nyanserad. Med högre precision som vanligtvis används för träning är MTIA 400 ungefär 20 % snabbare än Nvidias toppspecifika Blackwell-acceleratorer samtidigt som den drar liknande kraft. Dess minnesbandbredd är cirka 15 % bättre än Nvidia och AMDs tidigare generationsdelar.

Men mot den senaste generationen ökar klyftan kraftigt: MTIA 400 är mellan 3x och 3,3x långsammare än Nvidias Rubin respektive AMDs Instinct MI455X, och den erbjuder mindre än hälften av minnesbandbredden av de nya GPU:erna. Det underskottet är just därför som Meta placerar delen som ett träningschip snarare än ett slutledningschip – för att servera tokens har den mycket snabbare alternativ.

På systemnivå är likheten med industristandardställ slående. Varje beräkningsblad parar fyra MTIA 400-acceleratorer med en PCIe-switch, en x86-processor och ett utskalbart nätverkskort. Ett fullt rack rymmer 18 beräkningsblad och åtta switchblad – 72 acceleratorer i en enda enhetlig domän, en konfiguration som speglar Nvidias NVL72 och AMD:s Helios-rackdesigner. Metas bilder lovar "multi-thousand accelerator scaling" utan att specificera klustertak.

Färdkartan: MTIA 450 nästa år

MTIA 400 är inte slutet på raden. Meta avslöjade i mars att man planerar en sexmånaders releasekadens över fyra nya MTIA-generationer, och nästa stopp är MTIA 450 – en slutledningsoptimerad variant som förväntas fördubbla minnesbandbredden, förmodligen genom att anta HBM4. Det chipet är planerat för produktion nästa år och borde vara väl lämpat för att köra LLM-baserade rekommendationsarbetsbelastningar.

Trots framstegen är The Registers analys trubbig: Metas interna kisel kommer inte att ersätta AMD eller Nvidia GPU:er när som helst snart. Meta Superintelligence Labs utbildar nästan säkert fortfarande gränsmodeller på konventionella GPU:er, och applikationsspecifik hårdvara är fortfarande bäst lämpad för välförstådda, stabila arbetsbelastningar.

Varför det är viktigt

MTIA 400 spelar roll av två skäl. För det första visar det en hyperscaler som är villig att attackera den hårdaste arbetsbelastningen – gränsträning – snarare än att välja lätta slutsatser. För det andra är annonsvisningssidan av designen en påminnelse om ekonomin: varje dollar av capex på anpassat kisel garanteras av historiens mest lönsamma reklamverksamhet. Om Meta kan flytta till och med en bråkdel av sin utbildnings- och rekommendationsbelastning från handlarens GPU:er, skulle besparingarna i dess skala mätas i miljarder.

Källor: Metas Hot Chips 2026-presentation, The Register och ServeTheHome.

---

Stay ahead of AI

Få de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.

Läs mer AI-nyheter →