Facebook saute dans le train des fournisseurs de services à grande échelle développant leurs propres puces pour alimenter le centres de données conduire leurs services.
Google, Amazon et Microsoft auraient tous dépensé des millions de dollars pour concevoir des silicone personnalisé optimisés pour répondre aux exigences de leurs applications particulières.
Facebook aurait également rejoint le parti et développerait une puce qui alimente l’apprentissage automatique pour des tâches telles que la recommandation de contenu aux utilisateurs, L’information cite plusieurs personnes apparemment familières avec le projet.
« Facebook explore toujours des moyens d’améliorer les performances de calcul et l’efficacité énergétique avec nos partenaires silicium et grâce à nos propres efforts internes », a déclaré un porte-parole de Facebook. Engagé, sans dire directement si la société développe du silicium personnalisé.
Sommaire
Standard d’industrie
Les sources anonymes racontent L’information que Facebook développe non pas une, mais plutôt une suite de puces personnalisées pour alimenter ses différents services.
Par exemple, l’un des processeurs personnalisés serait conçu pour alimenter l’apprentissage automatique (ML), telles que l’algorithme qui gère les recommandations de contenu de Facebook. Un autre est en cours de personnalisation pour aider au transcodage des vidéos afin d’améliorer la qualité du contenu diffusé en direct.
Reporting sur l’évolution, Engagé dit que ce n’est pas la première fois que le réseau social de puissance a joué avec l’idée de silicium personnalisé, citant son Forfaits 2019 développer un circuit intégré spécifique à une application (ASIC) pour le transcodage vidéo et le travail d’inférence.
Avec la prolifération du contenu Ultra HD, il n’est pas surprenant que les plates-formes recherchent des puces personnalisées qui peuvent aider à accélérer le processus de traitement et d’optimisation du contenu sans obstruer le pipeline.
Google aussi a récemment déployé un puce personnalisée dans ses centres de données pour optimiser le traitement et la diffusion du contenu YouTube.
Passant par Engagé
