Arm e Meta uniscono le forze per un'AI più efficiente dal cloud all'edge

Arm e Meta hanno annunciato una collaborazione strategica di lungo periodo volta a migliorare l'efficienza dell'intelligenza artificiale a ogni livello dell'elaborazione, dai datacenter su scala megawatt ai dispositivi mobili e indossabili. L'obiettivo è duplice: potenziare le prestazioni delle infrastrutture AI e ridurre drasticamente i consumi energetici, tema sempre più cruciale nel contesto dell'espansione dei servizi di intelligenza artificiale.

La partnership unisce la leadership di Arm nel calcolo ad alta efficienza con l'esperienza di Meta nello sviluppo di infrastrutture, prodotti e framework AI open source. "L'AI sta trasformando il modo in cui le persone si connettono e creano. Collaborare con Arm ci permette di scalare questa innovazione in modo efficiente verso oltre 3 miliardi di utenti", ha dichiarato Santosh Janardhan, Head of Infrastructure di Meta.

Rene Haas, CEO di Arm, ha sottolineato come "la prossima era dell'intelligenza artificiale sarà definita dall'efficienza su larga scala", evidenziando l'importanza di un approccio che unisca potenza di calcolo e sostenibilità energetica.

Il cuore tecnico dell'accordo prevede la migrazione dei sistemi di ranking e raccomandazione di Meta - quelli che alimentano le esperienze personalizzate su Facebook e Instagram - sulle piattaforme Arm Neoverse, già ottimizzate per carichi di lavoro AI in ambienti cloud. L'obiettivo è ottenere migliori prestazioni con consumi inferiori rispetto alle tradizionali soluzioni x86.

Il lavoro congiunto include l'ottimizzazione dell'intero stack software AI di Meta - da librerie e compilatori fino a framework come PyTorch - per le architetture Arm. Gli interventi riguardano componenti open source come FBGEMM e PyTorch stesso, sfruttando le estensioni vettoriali e le librerie ad alte prestazioni di Arm. Tutte le ottimizzazioni verranno rese disponibili alla comunità open source.

Un altro pilastro dell'intesa è il miglioramento del software AI anche in ambito edge. PyTorch, ExecuTorch e vLLM saranno ulteriormente ottimizzati tramite Arm KleidiAI, incrementando le prestazioni e l'efficienza energetica su miliardi di dispositivi.