据报道，多个科技巨头如谷歌、亚马逊和微软已经开始自主设计计算机芯片，以降低服务器成本并提升性能。最近消息指出，Facebook也在参与这一趋势，正在研发一款专用于机器学习的芯片。
此外，Facebook的另一款芯片旨在通过视频转码来优化用户观看录制视频和直播视频的体验。如果研发成功，能够提供更低成本和更高性能的芯片，将有助于Facebook在未来几年内减少数据中心的碳排放，并降低对传统芯片供应商的依赖。
贝恩公司的一位半导体行业合伙人指出，随着开发成本的降低，越来越多的大型科技公司选择自主开发定制芯片，而不是依赖英特尔和英伟达等公司的通用芯片。
Facebook过去也曾发布芯片设计师的招聘广告，旨在开发专用集成电路，包括半定制和全定制芯片，但外界对其完全定制化芯片的目的仍不太了解。Facebook发言人表示，目前尚无关于未来计划的新消息，但该公司一直在探索通过内部努力和行业合作，提高计算机性能和能效。
加入Facebook芯片开发团队的工程师最初专注于与外部芯片公司合作，以优化现有芯片设计。2019年，Facebook宣布与英特尔、高通和博通等公司合作，开发用于推理和视频转码的半定制ASiC芯片，旨在技术上提前满足需求并提升性能和能效。
当前，Facebook正在独立开发推理和视频转码芯片，并未与外部公司合作。这些新芯片将在Facebook的数据中心与外部采购的半定制芯片共同使用，而不是完全取代它们。
Facebook曾表示，仅依靠通用处理器芯片无法满足其数据中心的需求，推理和视频转码是增长最快的服务。2019年，Facebook披露的数据表明，其平台每天处理200万亿次预测、60亿次语言翻译，服务7500万视频观众。
今年早些时候，Facebook的工程师在博客中透露，该公司正在加大对半定制ASiC芯片的投资。与通用芯片相比，这类芯片在执行某些人工智能任务时性能可以提升多达30倍，能效也大幅优化。Facebook表示，其半定制的视频转码芯片每天协助处理近2.5亿个上传视频。尽管完全定制化的ASiC芯片有潜力更强，但目前尚不清楚Facebook是否能开发出合适的软件并实现量产。消息称，Facebook内部至少有100人专注于这种完全定制化ASiC芯片的开发。
Facebook及其他公司如亚马逊和谷歌通常会使用ASiC而非通用芯片来执行推理和训练机器学习模型。用于训练的芯片相当于神经网络的老师，处理大量数据，如数十亿张带标签的Facebook照片，帮助神经网络学习识别人脸。在训练完成后，推理芯片将这些知识应用于新的数据集，完成实际任务，如在新照片中自动标记人脸。
尽管英伟达等公司提供的通用芯片也能执行这些任务，但专为神经网络训练和推理开发的ASiC芯片速度更快、功耗更低、效率更高，有助于显著降低数据中心的成本。不过，ASiC的缺点在于其硬件限制使其无法用于其他任务。
实际上，在开发数据中心定制芯片方面，Facebook目前仍在跟随其他大型科技公司的步伐。谷歌早在2013年就开始开发数据中心芯片TensoR，亚马逊在2018年宣布为云计算客户开发GRavITon芯片。今年早些时候还有报道显示，亚马逊正在开发一款网络芯片，负责其网络中数据传输的交换机。微软也在为服务器和Surface计算机设计芯片。
了解Facebook项目的消息人士透露，Facebook还在为个人计算设备，如Oculus虚拟现实头显设计芯片。有报道称，Facebook已经挖来谷歌芯片设计团队的前负责人，负责增强现实和虚拟现实领域的芯片开发。今年早些时候，以色列媒体报道称，Facebook计划在以色列建立一个芯片设计中心。
