Arm buduje własny chip. Pierwszy klient: centra danych Mety

Arm wchodzi do gry jako producent

Arm przez ponad 30 lat robił dokładnie jedną rzecz: projektował architektury procesorów i licencjonował je innym. Apple, Qualcomm, Samsung — wszyscy płacili za prawo do używania projektów brytyjskiej firmy. Teraz Arm odpalił własną linię produkcyjną i pokazał AGI CPU, pierwszy chip pod własną marką.

Meta podpisała się jako pierwszy klient. Procesory trafią do jej centrów danych jeszcze w 2025 roku.

Inference, nie training

AGI CPU to chip zoptymalizowany pod inference — uruchamianie już wytrenowanych modeli AI, nie trenowanie nowych. To rozróżnienie ma spore znaczenie dla portfela. Trenowanie modelu pokroju GPT-4 pochłania setki milionów dolarów i wymaga klastrów z tysiącami GPU Nvidii. Inference kosztuje mniej za pojedyncze zapytanie, ale skala robi robotę — każda rozmowa z ChatGPT, każdy request do API, każdy agent AI działający w tle to inference.

Meta obsługuje miliardy użytkowników dziennie. Jej modele Llama napędzają coraz więcej funkcji w Instagramie, WhatsAppie i Facebooku. Do tego dochodzą zewnętrzni deweloperzy korzystający z API. Każdy procentowy spadek kosztów inference przekłada się na dziesiątki milionów dolarów oszczędności rocznie.

Dlaczego Arm porzuca model licencyjny?

Arm nie porzuca licencjonowania — dodaje nową linię biznesową. Różnica jest spora. Przy licencjonowaniu firma dostaje procent od sprzedaży cudzych chipów. Przy własnej produkcji zatrzymuje całą marżę.

Rynek chipów AI eksplodował. Nvidia kontroluje ponad 80% rynku akceleratorów AI i dyktuje ceny. AMD goni z MI300X. Intel próbuje nadrobić zaległości z Gaudi. Google ma własne TPU. Amazon projektuje Trainium i Inferentia. Microsoft testuje Maię.

Arm widzi lukę. Większość tych graczy skupia się na GPU i akceleratorach — potężnych, drogich, żrących prąd. Inference nie zawsze wymaga takiej armaty. Dla wielu zastosowań wydajny CPU z odpowiednią architekturą wystarczy, a kosztuje ułamek ceny.

Meta buduje własny stack

Meta od lat zmniejsza zależność od zewnętrznych dostawców. Projektuje własne chipy MTIA (Meta Training & Inference Accelerator). Rozwija otwarte modele Llama zamiast płacić OpenAI czy Anthropic. Buduje własne centra danych zamiast wynajmować od Amazona czy Google’a.

Współpraca z Armem wpisuje się w ten wzorzec. Meta dostaje dostęp do chipów zoptymalizowanych pod jej potrzeby, prawdopodobnie z możliwością wpływu na kolejne generacje. Arm dostaje partnera z głębokimi kieszeniami i realnym deployment w skali, jakiej żadna inna firma nie oferuje.

Agenci AI wymienieni w zapowiedzi Arma nie są przypadkiem. Meta mocno inwestuje w asystentów działających autonomicznie — takich, którzy nie odpowiadają na jedno pytanie i znikają, ale prowadzą wieloetapowe zadania. Taki agent może wykonać dziesiątki lub setki wywołań modelu dla jednego zadania użytkownika. Koszt inference mnoży się błyskawicznie.

Co to oznacza dla rynku?

Nvidia wciąż dominuje. Jej H100 i B200 pozostają standardem dla trenowania i zaawansowanego inference. Ale monopol słabnie. Każdy duży gracz szuka alternatyw — czy to z powodu cen, dostępności (pamiętacie kolejki na H100?), czy strategicznej niezależności.

Arm wchodzi w moment, gdy firmy są głodne opcji. Czy AGI CPU rzeczywiście zmieni układ sił? Specyfikacje techniczne i benchmarki pozostają nieznane. Arm nie ujawnił ani taktowania, ani liczby rdzeni, ani TDP. Bez twardych danych trudno ocenić, czy to realna konkurencja dla Nvidii, czy raczej nisza dla specyficznych przypadków użycia.

Jedno wiadomo — Meta nie podpisuje umów dla PR-u. Jeśli Zuckerberg stawia na AGI CPU w swoich centrach danych, ktoś w Cupertino musiał przeliczyć performance per watt i wyszło nieźle.