因为开发费用降低，大型的科技公司正转为独立研发定制化芯片，而不是向intel和NVIDIA等企业购置通用性芯片。这方面的投入只要数百万美元，采购芯片的花费往往是数亿美元。

        脸书正在尝试独立研发一款芯片，用于视频转码，提升视频录制和直播录像的品质。要是获得成功，研发出费用更低、功能更强的芯片，那样也有利于脸书在未来数年中减少数据中心的碳排放量，并降低对过去芯片供货商，比如intel、QCOM和BRCM的依存度。

        在专用集成电路这类半定制芯片和全定制芯片方面，脸书也曾经尝试过研发，但外界并未过分关注这一举动。为了实现更高层次的计算机性能和更低的能耗，脸书一直在探究将自身的研发与芯片厂商的合作进行融合。

        最开始，脸书的芯片研发技术工程师主要是与外界芯片公司协作，提升现在的ic设计水平。早在2019年，脸书就已与intel、QCOM和BRCM等企业协作，研发用来逻辑推理和视频转码的半定制ASIC芯片，保证从技术上提早满足需求，并提升功能和降低能耗。

        现在，脸书已经启动了视频转码和逻辑推理芯片的研发，而这类研发不存在其他外界企业的配合。新研发的芯片将与外界购置的半定制芯片一同使用在脸书的数据中心，而不是完全停止外购芯片的使用。

        逻辑推理和视频转码才是增涨最快的业务，只借助通用性的处理器芯片，并不能满足脸书数据中心的要求。早在两年前，脸书平台日常要处置的预测分析就已高达两百万亿次，语音翻译达六十亿次，服务七千五百万视频用户。

        在半定制ASIC芯片方面，脸书已经开始巨资投入了。与通用性芯片对比，这类芯片在运行一些人工智能进程时性能能够增涨高达三十倍，能效也能够获得急剧优化。在处理提交至平台的视频量级上，Facebook依靠其半定制的视频转码芯片，在视频处理能力上，已经能够达到2.5亿次/日。完全定制化的ASIC芯片显然能够做得更佳，但现在还不清楚脸书能不能研发出适合的搭配系统并完成批量生产。

        用作练习的芯片事实上是神经网络的导师，神经网络通过处理海量数据，学习怎样识别人脸。在神经网络结束练习后，推理芯片便会将其运用至新的数据库，用作具体处理任务，比如在新相片中自行标注出1张脸部。

        虽然NVIDIA等企业供应的通用芯片也能够处理这类任务，但ASIC芯片是专门为神经网络练习和推理而研发的，它的速率更快、能耗更低、效率更高，能够明显减少数据中心的费用。但是ASIC的缺陷是，因为硬件限制不能运用至别的任务。

        但是，脸书在数据中心的定制芯片开发上，跟大型科技公司相比，仍处在追赶的阶段。Google的数据中心芯片Tensor，在2013年就已经着手研发。那时候Google意识到，用户需求的增涨迫使其数据中心的处理技能提升1倍。从2015年着手，Google引进Tensor来担负检索、街景视频、相片和翻译服务的需求。现阶段，Google还根据利用该项目得到的经验，为智能机和云技术业务研发订制的芯片。

        2021年稍早，amazon已经在研发一款互联网芯片，用作承担其互联网中传输数据的交换机。这个项目可能有助于减少amazon对博通等供应商的依赖。

        OculusVR技术头显定制芯片也是脸书的业务。今年年初，脸书在以色列的ic设计中心就已经着手开建了。为了研发VR技术和增强现实领域的芯片，脸书已经挖来业界顶尖设计者来负责。