Meta、AIスケールEthernet向けRDMA伝送プロトコル「MetaRoCE」とトレーニングチップ「MTIA 300」を発表

フロンティアAIモデルのトレーニングとサービス提供は、GPU間でデータを効率的に移動させる高速で信頼性の高いネットワークに大きく依存しています。従来のネットワーク技術では、大規模AIワークロードの要求を満たすことが難しく、計算サイクルの無駄が生じていました。この課題に対処するため、Metaは独自のハードウェアとソフトウェアを開発しました。

Metaは、AIワークロードに特化したRDMA（Remote Direct Memory Access）伝送プロトコル「MetaRoCE」を開発し、その仕様とリファレンス実装、準拠テストを公開しました。MetaRoCEは、汎用Ethernet上でAIに最適化された通信を可能にし、データ移動の効率を高めます。同時に、Metaは自社製トレーニング・推論アクセラレータのファミリーの第一弾として「MTIA 300」を発表しました。このチップは、ランキングモデルやレコメンデーションモデルのトレーニングに最適化されており、内蔵NIC（ネットワークインターフェースカード）チップレットと通信オフロードエンジンを搭載しています。MTIA 300は、Meta独自の通信ライブラリHCCLと共同で設計され、汎用GPUと比較して優れた通信性能を発揮します。

これらの技術の意義は、AIのボトルネックとなっていたネットワーク通信とデータ転送の効率を抜本的に改善する点にあります。MetaRoCEは、Ethernet上でRDMAの低レイテンシ・高スループットを実現し、GPU間のデータ移動を高速化します。MTIA 300は、チップレベルで通信機能を統合することで、特に大規模な推薦システムなどでのトレーニング性能を大幅に向上させ、GPUに依存しないAIインフラを構築するMetaの戦略を推進します。

これらの革新は、大規模AIモデルを開発・運用する企業にとって、トレーニング時間の短縮、運用コストの削減、モデル性能の向上という大きな恩恵をもたらします。Metaは、自社のAIインフラを最適化するだけでなく、オープンソース化を通じて業界全体のAI技術の発展に貢献する可能性を秘めています。

今後、MetaRoCEとMTIA 300の技術がさらに成熟し、広く採用されることで、AIモデルの規模と複雑さはさらに増大し、新たなアプリケーションやサービスが生まれるでしょう。特に、低レイテンシが求められるリアルタイムAIシステムや、超大規模分散トレーニングにおいて、これらの技術がデファクトスタンダードとなる可能性があります。