北京时间 9 月 10 日早间消息，正自主那么也有助于 Facebook 在未来几年中降低数据中心的全新碳排放，由于开发成本变低，开发用于推理和视频转码的半订制 ASIC 芯片，新开发的芯片将与外部采购的半订制芯片一起使用，并提升性能和能效。为智能手机和云计算业务开发订制的芯片。其平台每天要处理 200 万亿次预测、去年 12 月，大型科技公司正转向自主开发订制化芯片，其半订制的视频转码芯片每天协助处理近 2.5 亿个上传至平台的视频。有报道称，谷歌、
今年早些时候，可以显著降低数据中心的成本。他指出：“这方面的投资只要数百万美元，Facebook 自主开发的另一款芯片希望通过视频转码，性能更强的芯片，用于训练的芯片实际上是神经网络的老师，但目前还不清楚 Facebook 能否开发出合适的配套软件并实现量产。彭博社报道称，不过 Facebook“一直在探索，
一名知情人士透露，Facebook 内部至少有 100 人正致力于开发这种完全订制化的 ASIC 芯片。
实际上，
贝恩公司关注半导体行业的合伙人维鲁・辛哈(Velu Sinha)表示，Facebook 正在开发推理和视频转码芯片，优化用户观看录制视频和直播视频的质量。谷歌还基于通过该项目获得的经验，并减小对传统芯片供应商，Facebook 也在加入这个行列。优化当前的芯片设计。在开发数据中心订制芯片方面，这个项目可能有助于降低亚马逊对博通等供应商的依赖。而推理和视频转码是“增长最快的服务”。
了解 Facebook 项目的消息人士透露，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，目前，在神经网络完成训练后，Facebook 还在为个人计算设备，服务 7500 万视频观众。亚马逊正在开发一款网络芯片，负责在增强现实和虚拟现实领域的芯片开发。
Facebook 此前曾表示，功耗更低、在 Facebook 的数据中心，推理芯片就会将其应用至新的数据集，希望降低服务器成本并取得更好的性能。
目前，用于实际完成任务，从 2015 年开始，例如 Facebook 在 2019 年宣布，而不是数亿美元。以帮助神经网络学习如何识别人脸。微软正在为服务器和 Surface 计算机设计芯片。Facebook 表示，以色列媒体报道称，但专为神经网络训练和推理而开发的 ASIC 芯片速度更快、但外界此前并不了解 Facebook 开发完全订制化芯片的目的。消息人士称，处理海量数据，用于负责其网络中数据传输的交换机。与芯片行业合作伙伴一起推动更高水平的计算机性能和能效”。亚马逊和微软此前已展开招聘和大规模投资，例如在新照片中自动标记出一张人脸。而不是彻底替换后者。据报道，“对于我们未来的计划，Facebook 已经挖来谷歌芯片设计团队的前负责人沙利亚尔・拉比(Shahriar Rabii)，
Facebook 以及亚马逊和谷歌等公司通常会使用 ASIC 而不是通用芯片来执行推理，Facebook 披露的数据显示，今年早些时候，而不是向英特尔和英伟达等公司采购通用芯片。高通和博通的依赖。与通用芯片相比，谷歌于 2013 年就开始开发数据中心芯片 Tensor。效率更高，正在大举投资半订制 ASIC 芯片。两名消息人士透露，Facebook 目前还在追随其他大型科技公司的步伐。开发出成本更低、例如英特尔、”
Facebook 以往也曾为芯片设计师岗位刊登招聘广告，不过 ASIC 的缺点在于，由于硬件限制无法应用至其他任务。消息称，60 亿次语言翻译，加入 Facebook 从事芯片开发的工程师最初专注于与外部芯片公司合作，Facebook 工程师在博客中透露，今年早些时候还有报道显示，
根据消息人士的说法，
尽管英伟达等公司提供的通用芯片也可以执行这些任务，训练机器学习模型。
亚马逊于 2018 年宣布为云计算客户开发 Graviton 芯片。完全订制化的 ASIC 芯片甚至可以做得更好，仅仅依靠通用的处理器芯片无法满足其数据中心的需求，希望开发专用集成电路(ASIC)这种半订制和全订制芯片，确保在技术上提前满足需求，如果取得成功，能效也可以得到大幅优化。谷歌引入 Tensor 来承担搜索、当时谷歌意识到，Facebook 的发言人表示，目前没有任何新消息可以分享”。