14 апреля компания Meta и Broadcom объявили о стратегическом партнерстве, рассчитанном на долгосрочную перспективу. В рамках договоренности Broadcom будет поставлять технологические решения, которые поддержат чипы Meta, используемые для обучения и выполнения (инференса) вычислительных моделей. Соглашение предполагает продление планов до 2029 года.
Что означает партнерство Meta и Broadcom
Речь идет о сотрудничестве в области полупроводников и вычислительной инфраструктуры для задач искусственного интеллекта. Под «тренировкой» обычно понимают этап, когда модель учится на данных: в этот период важны высокая вычислительная мощность и эффективная работа с большими массивами информации. А «инференс» — это использование уже обученной модели для получения результата: например, генерации текста, распознавания изображений или рекомендаций.
В таких проектах ключевую роль играют не только сами процессоры, но и сопутствующие технологии — от архитектурных решений до компонентов, которые помогают ускорять вычисления и повышать производительность. Именно на эту часть цепочки поставок и нацелено сотрудничество Broadcom и Meta.
До какого срока действует договоренность
Стороны продлили свои планы на период, который охватывает ближайшие годы: соглашение рассчитано до 2029 года. Это означает, что технологическая поддержка чипов Meta, задействованных для тренировки и инференса, будет обеспечиваться на протяжении длительного цикла разработки и масштабирования.
Почему для крупных ИИ-компаний важны такие соглашения
Для компаний, которые активно развивают собственные вычислительные ускорители, критичны сразу несколько факторов: наличие производственных мощностей, стабильность поставок, совместимость технологий и возможность масштабировать инфраструктуру по мере роста объемов вычислений. Долгосрочные партнерства с чипмейкерами и технологическими компаниями помогают снижать риски и обеспечивать предсказуемость при планировании следующего поколения оборудования.
Короткий справочник по терминам
- Обучение (training) — процесс, в ходе которого модель настраивает параметры на основе данных, чтобы научиться решать конкретные задачи.
- Инференс (inference) — применение уже обученной модели для получения ответов на запросы пользователей или систем.
- Ускоритель (accelerator) — специализированное вычислительное устройство, оптимизированное для тяжелых операций, характерных для ИИ.
