
Alexis Björlin博士
日前,Meta公司宣布聘请博通与英特尔资深专家Alexis Björlin博士担任基础设施硬件工程副总裁。她将直接向Meta资深专家与基础设施负责人Jason Taylor报告。在这次看似平常的招聘之下,又隐藏着怎样的潜台词?或者说,Meta公司为什么需要这样一位重量级业内专家来领导硬件工程?我们有幸与Taylor当面交流,聊聊他的招聘思路与Meta数据中心发展战略等话题。
Taylor首先解释道,Meta公司拥有自己一套独特的数据中心要求,这是为了满足公司极为复杂多样的业务诉求。Meta公司需要处理大量视频流,解决方案正是内部原创设计的视频转码芯片。只要用过Instagram或者Facebook,大家应该就能理解这些芯片的实际功用。
Meta公司还在大量运用计算机视觉、文本到语音、语言翻译等技术,而相关训练已经从CPU转移至英伟达GPU。Taylor也感谢了业界为这些工作负载提供的强大且高度匹配的芯片产品。
采访中Taylor还聊到另一个有趣的话题,即推荐引擎。相信大家已经在各大电子商务网站上体验过推荐引擎功能,我们只要查看或购买某些商品,这类引擎就会显示出我们可能感兴趣的其他相关商品。Netflix也提供类似的服务,比如在观看某段视频之后再推荐两三段相关视频。Meta旗下的Facebook与Instagram等项目也充分吸纳了推荐引擎的能力,并大量运用到机器学习技术作为加持。

Jason Taylor
根据Jason Taylor的介绍,Meta的芯片战略主要侧重于同AMD、博通、英特尔及英伟达等行业领先厂商的合作,而且这种思路在短期之内不会改变。Meta似乎也在与Marell开展合作。但面对当前相当惊人的工作负载多样性,特别是在AI等领域,Meta也迫切需要找到一条新的解决路径。具体来讲,Taylor主要关注负载在内存及网络带宽需求方面的快速增长,以及未来如何利用新的定制化芯片提供更强大的推荐功能。好在通过对人员、合作伙伴及内部芯片研发项目的大力资助,这些持续增长的需求正得到良好解决。
在某种意义上讲,这也正是Meta决定聘用Alexis Björlin博士的一大理由。Alexis Björlin博士的加入有望帮助Meta满足快速增长的数据中心需求,具体包括涉及CPU、GPU以及网络合作伙伴的通用芯片与定制化内部专用型处理器需求。与拥有强大半导体合作伙伴的苹果不同,Meta在这方面的储备相对偏弱,所以加大投资显然是正确的选择。Taylor在采访中也对此表示认同,相信他所言非虚。
很高兴看到Meta公司能够深下心来、为创造更多原研芯片而不懈努力。纵观过去十余年,我认为“芯片正在吞噬全世界”。期待看到Meta未来发布更多内部原研芯片,我们也将在Meta公布新消息后第一时间带来报道。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。