Metaが自社AIチップのロードマップ発表：2年で4世代のMTIAを展開へ

通常、AIチップの開発には1年から2年かかりますが、Metaはまるでソフトウェアを更新するかのような猛スピードで、自社製AIチップを2年間で4世代投入する計画を明らかにしました。

Metaは3月11日、独自開発のAIアクセラレータ「MTIA」の最新ロードマップを発表しました。すでに数十万個の旧世代チップが実サービスでの投稿推薦や広告処理に配備されていますが、今後は開発サイクルを6カ月以下に短縮し、2026年から2027年にかけてMTIA 300、400、450、500を順次投入します。

2年間で4世代を駆け抜けるモジュール設計

AIモデルの進化速度は極めて速く、従来の2年スパンの開発サイクルでは、量産された頃には求めるハードウェア仕様が変わってしまっているという課題がありました。そこでMetaはBroadcomと密接に連携し、モジュール型チップレット設計を採用しました。

この設計により、新しいチップはデータセンターの既存ラックへそのまま換装でき、展開までのリードタイムを大幅に縮めることができます。

4世代の役割分担も明確です。すでに量産稼働中のMTIA 300は、推薦・ランキングモデルの学習を担い、ネットワーク用チップレットや専用通信エンジンを内包しています。

続くMTIA 400は生成AIワークロードへの対応を広げ、FP8演算性能を400パーセント、メモリ帯域を51パーセント向上させました。さらにその後のMTIA 450と500は、生成AIの推論処理に特化して最適化されます。MTIA 300から500にかけて、メモリ帯域は4.5倍、演算性能は25倍に達する見通しです。

コストを削り倒す「推論優先」の思想

半導体大手の多くは、最も負荷の高い大規模事前学習を基準にチップを設計し、それを推論にも流用しています。しかし、このアプローチはコスト効率の面で課題が残ります。

Metaは真逆のアプローチを取りました。数十億人のユーザーが日々生成AIや推薦システムを利用する同社にとって、コスト爆発の要因は事前学習よりも推論需要の急増です。

そのため、MTIA 450と500では低精度フォーマットであるMX4やMX8での推論処理を最優先にチューニングしています。ソフトウェア面でもPyTorch、vLLM、Tritonといった業界標準をネイティブサポートし、社内エンジニアが移行に手間取らない環境を整えました。なお、他社製GPUの調達を完全にやめるわけではなく、自社チップと外部調達を組み合わせるポートフォリオ戦略を維持する方針です。

なぜ重要か

Metaのアプローチは、運用現場のコスト感覚に極めて忠実であり、非常に手堅い戦略だと評価できます。

一般ユーザーにとっては、InstagramやFacebook上のパーソナライズ機能やAIアシスタントが、より低遅延かつ安定して提供される基盤が整うことを意味します。

業界全体から見れば、大手テック企業が特定サプライヤーの単一エコシステムからいかに脱却しようとしているかを浮き彫りにしています。Broadcomとのカスタム開発によって半年サイクルでチップを更新できる体制は、競合するクラウドベンダーにとっても強いプレッシャーになるはずです。

事前学習での直接対決を避け、最も金のかかる推論に特化してモジュール化で小回りを利かせるやり方は賢明に見えます。ただし、半年ごとの新ハードウェア投入にコンパイラや最適化ライブラリの保守がどこまで追従できるかという、ソフトウェア運用の負荷が今後の懸念点になりそうです。