在去年4月的全球開發者大會上，扎克伯格暢想了未來十年Facebook的人工智能發展藍圖：成為整個社交網站的核心動力。接近一年過去，可以看到Facebook至少在硬件上是沒有停下腳步。

3月9日，Facebook工程師Kevin Lee宣布，為了進一步加速神經網絡的訓練，將推出新一代GPU服務器Big Basin。新一代的服務器其實是2015年Facebook推出的Big Sur服務器的升級版，并且同樣都會在Open Computer Project平臺上進行開源。

無論人工智能還是機器學習，它們出現在人們面前的形象常常是算法和代碼，而服務器則是背后“看得見摸得著”的那一部分。Big Sur一直是Facebook發展人工智能的利器，其強大的計算能力為Facebook語言技術和圖像技術提供支持。這次的硬件升級將存儲量從12G提升到16G，模型訓練量能夠再提升30%，同時在進行神經網絡訓練時，其訓練速度能比Big Sur高出一倍。

與NVIDIA的DGX-1架構非常相似，Big Basin由8個NVIDIA Tesla P100 GPU （搭載NVLink技術的 Tesla P100加速器）加速器組成，這些GPU們由 NVIDIA NVLink連接在一起組成了一個盒子。這個服務器也被公司成為JBOG ( Just a Bunch of GPUs )——一堆GPU，這一大堆GPU的能量就意味著足夠為機器學習提供支持。

不像無人車和機器人，Facebook本身的社交平臺屬性弱化了人工智能技術的外露特征，讓很多用戶感受不到人工智能的沖擊力，但其實我們日常使用的很多Facebook 服務無一不是人工智能在背后發生作用：語音識別、語音文字轉換、圖像的分類和識別，Big Basin 和它的前身 Big Sur 就是實現這些服務的重要支撐。

你每天能多做3套模擬題的結果可能是期末多考30分，機器學習每天多訓練30%的模型，結果可能就是更精準地圖片識別、更快速的語音識別、更合理的資訊推薦，每一個Facebook的用戶作為閱卷老師，最后都應該能體會到這樣的變化。

人工智能是很多科技公司的急于搶占的陣地，對 Facebook 而言則是“阿喀琉斯之踵”。一是因為 Facebook 本身入局較晚，二是缺乏殺手級應用。

在人工智能浪潮中，科技公司要站穩腳跟就需要為自己找到一塊壁壘。Google被認為是走在人工智能行業的前列，從 TenserFlow 開源平臺到旗下的 DeepMind 人工智能公司，從成績斐然的圍棋算法到離商業化最近的云服務和智能家居，Google 戰略布局思路可以說是很清晰了。而其他的科技公司，即便觸手沒有伸到四面八方，但也有自己的戰略根據地，微軟有 Cortana Platform、IBM 有 Watson。

相對而言 Facebook 就略顯薄弱，雖然在去年推出 Messenger 聊天機器人，準備打造大型聊天機器人生態系統，但是前段時間來自外媒 The Information 的調查報告顯示，Messenger 聊天機器人在沒有人為干預的情況下，能準確處理用戶請求的準確率還不到30%。這70%的錯誤率揭開 Facebook 在人工智能研究領域研究處于弱勢的傷疤，Facebook 也決定削減一些開支，讓 Messenger 從低質量聊天中轉型，只做一些特殊問題的處理。

Facebook 削減開支的是打人工智能的退堂鼓了？從今天新硬件產品的升級看來并非如此，而是把注意力轉移到提升基礎設施上，畢竟身體是革命的本錢。