在去年4月的全球开发者大会上，扎克伯格畅想了未来十年的人工智能发展蓝图：成为整个社交网站的核心动力。接近一年过去，可以看到Facebook至少在硬件上是没有停下脚步。
3月9日，Facebook工程师Kevin Lee宣布，为了进一步加速神经网络的训练，将推出新一代 GPU 服务器 Big Basin。新一代的服务器其实是2015年 Facebook 推出的 Big Sur 服务器的升级版，并且同样都会在 Open Computer Project 平台上进行开源。
无论人工智能还是机器学习，它们出现在人们面前的形象常常是算法和代码，而服务器则是背后“看得见摸得着”的那一部分。Big Sur 一直是 Facebook 发展人工智能的利器，其强大的计算能力为Facebook语言技术和图像技术提供支持。这次的硬件升级将存储量从12G提升到16G，模型训练量能够再提升30%，同时在进行神经网络训练时，其训练速度能比 Big Sur 高出一倍。
与 NVIDIA 的 DGX-1 架构非常相似，Big Basin由8个NVIDIA Tesla P100 GPU （搭载 NVLink技术的 Tesla P100加速器）加速器组成，这些GPU们由 NVIDIA NVLink 连接在一起组成了一个盒子。这个服务器也被公司成为JBOG ( Just a Bunch of GPUs )——一堆GPU，这一大堆GPU的能量就意味着足够为机器学习提供支持。
不像无人车和机器人，Facebook 本身的社交平台属性弱化了人工智能技术的外露特征，让很多用户感受不到人工智能的冲击力，但其实我们日常使用的很多Facebook 服务无一不是人工智能在背后发生作用：语音识别、语音文字转换、图像的分类和识别，Big Basin 和它的前身 Big Sur 就是实现这些服务的重要支撑。
你每天能多做3套模拟题的结果可能是期末多考30分，机器学习每天多训练30%的模型，结果可能就是更精准地图片识别、更快速的语音识别、更合理的资讯推荐，每一个Facebook的用户作为阅卷老师，最后都应该能体会到这样的变化。
人工智能是很多科技公司的急于抢占的阵地，对 Facebook 而言则是“阿喀琉斯之踵”。一是因为 Facebook 本身入局较晚，二是缺乏杀手级应用。
在人工智能浪潮中，科技公司要站稳脚跟就需要为自己找到一块壁垒。Google被认为是走在人工智能行业的前列，从 TenserFlow 开源平台到旗下的 DeepMind 人工智能公司，从成绩斐然的围棋算法到离商业化最近的云服务和智能家居，Google 战略布局思路可以说是很清晰了。而其他的科技公司，即便触手没有伸到四面八方，但也有自己的战略根据地，有 Cortana Platform、 有 Watson。
相对而言 Facebook 就略显薄弱，虽然在去年推出 Messenger 聊天机器人，准备打造大型聊天机器人生态系统，但是前段时间来自外媒 The Information 的调查报告显示，Messenger 聊天机器人在没有人为干预的情况下，能准确处理用户请求的准确率还不到30%。这70%的错误率揭开 Facebook 在人工智能研究领域研究处于弱势的伤疤，Facebook 也决定削减一些开支，让 Messenger 从低质量聊天中转型，只做一些特殊问题的处理。
Facebook 削减开支的是打人工智能的退堂鼓了？从今天新硬件产品的升级看来并非如此，而是把注意力转移到提升基础设施上，毕竟身体是革命的本钱。