Meta pausar Rivos-chipprojekt efter integrationsproblem

Synen av ett teknikjätte som tyst lägger ett storsatsningsprojekt åt sidan är chockerande. Meta köpte en lovande startup för att minska sitt beroende av externa GPU:er, men projektet verkar ha kört fast.

I fjol förvärvade Meta Rivos för cirka €1,85 miljarder, ett drag avsett att tillföra företaget kunskap om anpassad kisel. Sex månader efter att affären slutfördes säger källor att integreringen har haltat. Mer än en fjärdedel av Rivos-personalen som gick över till Meta fick sluta, och utvecklingen av chipet som var tänkt att träna Metas AI-modeller har satts på paus.

När ambition möter skala

Rivos byggde kring RISC-V, en öppen instruktionuppsättning som lovar flexibilitet. Startupen hade samlat in ungefär €345 miljoner innan köpet och levererade till och med en CUDA-kompatibel processor till TSMC för provtillverkning. Det låter konkret på papper, men verkligheten är stökigare.

Varför stannade det av? Flera hårda sanningar. Att designa ett konkurrenskraftigt AI-träningschip handlar inte bara om kisel. Du behöver en sammanhängande mjukvarustack, tät integration med datacenterinfrastruktur, kompilatorer som översätter kod från högnivåramverk och år av prestandaoptimering. Metas team var tvungna att få hårdvara, lågnivåprogramvara och den utbredda infrastrukturen att samspela inom ett företag som redan kör några av världens största maskininlärningsarbetsbelastningar. Att få samspelet att fungera visade sig mycket svårare än väntat.

Det finns också kompatibilitetsproblemet. Meta ville ha chip som fungerar med befintliga CUDA-baserade verktyg för att förenkla adoptionen. Att bygga hårdvara som beter sig som etablerade GPU:er samtidigt som den levererar bättre energieffektivitet och lägre kostnad per träningscykel är tekniskt krävande och riskfyllt. Lägg till tillverkspartner, valideringstester och de hårda realiteterna i tidsplaner. Förseningar följer.

Strategiskt var idén förnuftig. Anpassade chip lovade lägre långsiktiga kostnader och större kontroll jämfört med att köpa standardiserade GPU:er. Men kostnadsbesparingar uppstår bara om hårdvaran når prestanda- och tillförlitlighetsmål. Det är en hög ribba när alternativet, leverantörer som Nvidia, fortsätter att driva utvecklingen med nya generationer acceleratorer.

Så vad händer nu? För tillfället är arbetet pausat snarare än övergivet. Meta kan omgruppera. Det kan begränsa projektets omfattning, satsa hårdare på partnerskap eller omfördela talang till infrastruktur som ger resultat på kort sikt. Det kan också hålla vissa RISC-V-experiment vid liv samtidigt som man litar på beprövade acceleratorer för produktionsarbetsbelastningar.

Metas satsning på egen kisel har mött allvarligt motstånd, men pausen speglar svårigheten att få mjukvara, hårdvara och skala att samspela snarare än en enkel ändring av inställning.