因為開發費用降低，大型的科技公司正轉為獨立研發定制化芯片，而不是向intel和NVIDIA等企業購置通用性芯片。這方面的投入只要數百萬美元，采購芯片的花費往往是數億美元。
臉書正在嘗試獨立研發一款芯片，用于視頻轉碼，提升視頻錄制和直播錄像的品質。要是獲得成功，研發出費用更低、功能更強的芯片，那樣也有利于臉書在未來數年中減少數據中心的碳排放量，并降低對過去芯片供貨商，比如intel、QCOM和BRCM的依存度。
在專用集成電路這類半定制芯片和全定制芯片方面，臉書也曾經嘗試過研發，但外界并未過分關注這一舉動。為了實現更高層次的計算機性能和更低的能耗，臉書一直在探究將自身的研發與芯片廠商的合作進行融合。
最開始，臉書的芯片研發技術工程師主要是與外界芯片公司協作，提升現在的ic設計水平。早在2019年，臉書就已與intel、QCOM和BRCM等企業協作，研發用來邏輯推理和視頻轉碼的半定制ASIC芯片，保證從技術上提早滿足需求，并提升功能和降低能耗。
現在，臉書已經啟動了視頻轉碼和邏輯推理芯片的研發，而這類研發不存在其他外界企業的配合。新研發的芯片將與外界購置的半定制芯片一同使用在臉書的數據中心，而不是完全停止外購芯片的使用。
邏輯推理和視頻轉碼才是增漲最快的業務，只借助通用性的處理器芯片，并不能滿足臉書數據中心的要求。早在兩年前，臉書平臺日常要處置的預測分析就已高達兩百萬億次，語音翻譯達六十億次，服務七千五百萬視頻用戶。
在半定制ASIC芯片方面，臉書已經開始巨資投入了。與通用性芯片對比，這類芯片在運行一些人工智能進程時性能能夠增漲高達三十倍，能效也能夠獲得急劇優化。在處理提交至平臺的視頻量級上，Facebook依靠其半定制的視頻轉碼芯片，在視頻處理能力上，已經能夠達到2.5億次/日。完全定制化的ASIC芯片顯然能夠做得更佳，但現在還不清楚臉書能不能研發出適合的搭配系統并完成批量生產。
用作練習的芯片事實上是神經網絡的導師，神經網絡通過處理海量數據，學習怎樣識別人臉。在神經網絡結束練習后，推理芯片便會將其運用至新的數據庫，用作具體處理任務，比如在新相片中自行標注出1張臉部。
雖然NVIDIA等企業供應的通用芯片也能夠處理這類任務，但ASIC芯片是專門為神經網絡練習和推理而研發的，它的速率更快、能耗更低、效率更高，能夠明顯減少數據中心的費用。但是ASIC的缺陷是，因為硬件限制不能運用至別的任務。
但是，臉書在數據中心的定制芯片開發上，跟大型科技公司相比，仍處在追趕的階段。Google的數據中心芯片Tensor，在2013年就已經著手研發。那時候Google意識到，用戶需求的增漲迫使其數據中心的處理技能提升1倍。從2015年著手，Google引進Tensor來擔負檢索、街景視頻、相片和翻譯服務的需求。現階段，Google還根據利用該項目得到的經驗，為智能機和云技術業務研發訂制的芯片。
2021年稍早，amazon已經在研發一款互聯網芯片，用作承擔其互聯網中傳輸數據的交換機。這個項目可能有助于減少amazon對博通等供應商的依賴。
OculusVR技術頭顯定制芯片也是臉書的業務。今年年初，臉書在以色列的ic設計中心就已經著手開建了。為了研發VR技術和增強現實領域的芯片，臉書已經挖來業界頂尖設計者來負責。
鄂公網安備 42011502001385號 鄂ICP備2021012849號 
