Meta ၏ ကိုယ်ပိုင် AI ချစ်ပ်ပြား "Iris" ကို စက်တင်ဘာလတွင် အစုလိုက်အပြုံလိုက် ထုတ်လုပ်မည် - Broadcom မှ ဒီဇိုင်းထုတ်ပြီး TSMC မှ ထုတ်လုပ်မည်ဖြစ်ကာ ကွန်ပြူတာစွမ်းအားမှာ နှစ်နှစ်အတွင်း နှစ်ဆတိုးလာမည်

Nvidia ရဲ့ ငွေစာရင်းရှင်းတမ်း အစည်းအဝေးတွေမှာ ပွဲစားဆန်းစစ်သူတွေ အနှစ်သက်ဆုံး မေးလေ့ရှိတဲ့ မေးခွန်းကတော့ "ဖောက်သည်တွေရဲ့ ကိုယ်ပိုင်သုတေသနလုပ် ဉာဏ်ရည်တုချပ်ပြား (Self-developed chip) တွေရဲ့ ခြိမ်းခြောက်မှု" ဖြစ်ပြီး အဲ့ဒီအဖြေရဲ့ တစ်ဝက်ကတော့ Hsinchu မှာ ပုန်းဝပ်နေပါတယ်။ Reuters သတင်းဌာနက ပြီးခဲ့တဲ့အပတ်က ရရှိခဲ့တဲ့ Meta ရဲ့ အတွင်းရေးမှတ်တမ်းအရ ကမ္ဘာတစ်ဝှမ်း သုံးစွဲသူ ဘီလီယံနဲ့ချီကို လွှမ်းခြုံထားတဲ့ ဒီကုမ္ပဏီဟာ လာမယ့် စက်တင်ဘာလမှာ သူတို့ရဲ့ ကိုယ်ပိုင် AI အရှိန်မြှင့်စက် "Iris" ကို ထုတ်လုပ်မှုလိုင်းပေါ် တင်တော့မှာ ဖြစ်ပါတယ်။ ဒီဇိုင်းပိုင်းကို Broadcom က လုပ်ဆောင်ပေးပြီး ထုတ်လုပ်မှုကိုတော့ TSMC က တာဝန်ယူမှာ ဖြစ်ပါတယ်။

ဖြစ်ရပ်နောက်ခံ

Meta ရဲ့ ကိုယ်ပိုင်ချပ်ပြား အစီအစဉ် MTIA (Meta Training and Inference Accelerators) ဟာ မျိုးဆက်ပေါင်းများစွာ ဖြတ်သန်းလာခဲ့ပြီးဖြစ်ပြီး Iris ဟာ စီစဉ်ထားတဲ့ မျိုးဆက်လေးဆက်ထဲက တစ်ဆက်ဖြစ်ပါတယ်။ အတွင်းရေးမှတ်တမ်းမှာ ဖော်ပြထားတဲ့ အသေးစိတ်အချက်တွေက အတော်လေး ရှားပါးပါတယ်။ Iris ဟာ အမှားရှာဖွေစစ်ဆေးခြင်း (Debugging) ကို ခြောက်ပတ်ဝန်းကျင်အတွင်း ပြီးမြောက်ခဲ့ပြီး "ကြီးမားတဲ့ ပြဿနာတစ်စုံတစ်ရာ မရှိခဲ့ပါဘူး"။ ဒေတာစင်တာ အဆင့်ရှိတဲ့ ASIC တစ်ခုအတွက် ဒီလို အရှိန်အဟုန်နဲ့ လုပ်ဆောင်နိုင်တာဟာ အတော်လေး အဆင်ပြေချောမွေ့တယ်လို့ ဆိုရမှာပါ။ တွန်းအားပေးတဲ့ ရည်ရွယ်ချက်ကလည်း ရှင်းရှင်းလင်းလင်း ရှိပါတယ် - တွက်ချက်မှုစွမ်းအား ကုန်ကျစရိတ်ကို လျှော့ချဖို့နဲ့ Nvidia နဲ့ AMD အပေါ် မှီခိုနေရမှုကို လျှော့ချဖို့ ဖြစ်ပါတယ်။

ယခုအကြိမ် အဓိကအချက်များ

• Iris ကို ၂၀၂၆ ခုနှစ် စက်တင်ဘာလတွင် စတင် အစုလိုက်အပြုံလိုက် ထုတ်လုပ်မည် - Broadcom မှ ဒီဇိုင်းဖော်ဆောင်ဖက် ဖြစ်ပြီး TSMC မှ ထုတ်လုပ်မှုကို တာဝန်ယူမည်
• Meta ၏ တွက်ချက်မှုစွမ်းအားသည် ၂၀၂၆ ခုနှစ်တွင် 7GW (မီဂါဝါတ်) သို့ ရောက်ရှိလာမည်ဖြစ်ပြီး ၂၀၂၇ ခုနှစ်တွင် နှစ်ဆတိုးကာ 14GW သို့ ရောက်ရှိရန် ရည်မှန်းထား
• Iris ၏ တည်နေရာသတ်မှတ်ချက်မှာ Nvidia နှင့် AMD ၏ GPU များကို "အစားထိုးရန်" မဟုတ်ဘဲ "ဖြည့်စွက်ရန်" ဖြစ်
• ခြောက်ပတ်အတွင်း အမှားရှာဖွေစစ်ဆေးမှု ပြီးမြောက်ခဲ့ပြီး တိုးတက်မှုနှုန်းမှာ အလွန်ပင် ချောမွေ့
• သတင်းရင်းမြစ်မှာ Reuters မှ ရရှိခဲ့သော အတွင်းရေးမှတ်တမ်းဖြစ်ပြီး Meta မှ တရားဝင် သတင်းထုတ်ပြန်ချက် ထုတ်ပြန်ထားခြင်း မရှိ

စျေးကွက်အပေါ် သက်ရောက်မှု ခွဲခြမ်းစိတ်ဖြာချက်

ထိုင်ဝမ် သုံးစွဲသူများအတွက်: သင်ဟာ Iris ကို တိုက်ရိုက် ဝယ်ယူရမှာ မဟုတ်ပေမယ့် သင်နေ့စဉ်အသုံးပြုနေတဲ့ ဝန်ဆောင်မှုတွေမှာ AI ကို ပိုမိုသက်သာတဲ့ ကုန်ကျစရိတ်နဲ့ အသုံးပြုလာနိုင်မှာ ဖြစ်ပါတယ် - Meta မိသားစုဝင် ဝန်ဆောင်မှုတွေ (IG၊ FB၊ WhatsApp) ရဲ့ AI လုပ်ဆောင်ချက် ကုန်ကျစရိတ် တည်ဆောက်ပုံ တိုးတက်လာပြီးနောက် အခမဲ့ AI လုပ်ဆောင်ချက်ရဲ့ အမိုးစွန်းဟာ ဆက်လက် မြင့်တက်လာဦးမှာ ဖြစ်ပါတယ်။

ထိုင်ဝမ် စီးပွားရေးလုပ်ငန်းများအတွက်: ဒါဟာ ယခုအပတ်ရဲ့ အ "ထိုင်ဝမ်ဆန်" ဆုံး နိုင်ငံတကာ သတင်းတစ်ပုဒ် ဖြစ်ပါတယ်။ Hyper-scaler (ဧရာမကလာပ်စည်း) တိမ်တိုက်ဝန်ဆောင်မှု လုပ်ငန်းတွေရဲ့ Nvidia ကို ဖြတ်တောက်တဲ့ (De-Nvidia) လမ်းကြောင်းတိုင်းဟာ ထိုင်ဝမ်ကို ရှောင်လွှဲလို့ မရပါဘူး။ Broadcom ရဲ့ ASIC ဟာ TSMC ရဲ့ အဆင့်မြင့်ထုတ်လုပ်ရေး နည်းပညာကို လိုအပ်ပြီး၊ အဆင့်မြင့်ထုပ်ပိုးမှု (Advanced Packaging) က CoWoS ထုတ်လုပ်မှုစွမ်းအားကို စားသုံးကာ၊ စက်ပစ္စည်း တစ်ခုလုံး တင်ပို့မှုကိုတော့ Hon Hai, Quanta နဲ့ Wistron တို့ရဲ့ AI ဆာဗာ အပ်နှံထုတ်လုပ်ရေး (OEM) တွေက လုပ်ဆောင်ပေးပါတယ်။ Meta ရဲ့ 7GW ကနေ 14GW ဆိုတာကို တရုတ်လို ဘာသာပြန်လိုက်ရင် ထိုင်ဝမ် ထောက်ပံ့ရေးကွင်းဆက်ရဲ့ လာမယ့် နှစ်နှစ်အတွက် သေချာပေါက် ရရှိမယ့် မှာကြားမှုတွေ (Orders) ပဲ ဖြစ်ပါတယ် - အဲ့ဒါကလည်း Nvidia ရဲ့ မျက်နှာကို ကြည့်စရာမလိုတဲ့ အမျိုးအစား ဖြစ်ပါတယ်။

ဆော့ဖ်ဝဲ ရေးသားသူများအတွက်: ကိုယ်ပိုင်ချပ်ပြားတွေရဲ့ အပိုင်းပိုင်းကွဲထွက်နေတဲ့ ခေတ်ကြီးထဲမှာ မူဘောင်အလွှာ (Framework layer) ရဲ့ စိမ်းကွာမှုက ပိုလို့တောင် အရေးပါလာပါတယ်။ Compiler နဲ့ ဟတ်ဝဲဖြတ်ကျော် ကိရိယာလိုင်း (Triton နဲ့ XLA လိုမျိုး) တွေကို သုံးတတ်တဲ့ အင်ဂျင်နီယာတွေရဲ့ ဈေးဆစ်နိုင်စွမ်းက ပိုလို့တောင် မြင့်တက်လာမှာ ဖြစ်ပြီး၊ CUDA တစ်ခုတည်းသော ဂေဟစနစ်ကိုသာ ချည်နှောင်ထားတဲ့ ကျွမ်းကျင်မှုအစုအဝေးကတော့ အန္တရာယ်တွေ စုပုံလာနေပါပြီ။

အနာဂတ် ဖွံ့ဖြိုးတိုးတက်ရေးရေစီးကြောင်း

Google မှာ TPU ရှိတယ်၊ Amazon မှာ Trainium ရှိတယ်၊ OpenAI နဲ့ Broadcom တို့ ပူးပေါင်းဆောင်ရွက်မှုကလည်း အရင်တည်းက လူသိရှင်ကြား သတင်းတင်ပြပြီးသား ဖြစ်ပါတယ်။ Meta ရဲ့ Iris က "Hyper-scaler တိုင်းမှာ ချပ်ပြားကိုယ်စီရှိကြ" ဆိုတဲ့ ပဟေဠိစက်ဝိုင်းကို ပိုမိုပြည့်စုံသွားစေပါတယ်။ ထိုင်ဝမ် ရင်းနှီးမြှုပ်နှံသူတွေနဲ့ လုပ်ငန်းရှင်တွေ သတိထားစောင့်ကြည့်သင့်တဲ့ ညွှန်းကိန်း သုံးခု ရှိပါတယ် - TSMC ရဲ့ အဆင့်မြင့်ထုတ်လုပ်ရေးနဲ့ CoWoS ရေပန်းစားမှု၊ Broadcom ရဲ့ ASIC လုပ်ငန်း ငွေစာရင်းခန့်မှန်းချက်၊ နဲ့ AI ဆာဗာ OEM စက်ရုံတွေရဲ့ မှာကြားမှုလက်ခံတဲ့ တည်ဆောက်ပုံ အပြောင်းအလဲတို့ ဖြစ်ပါတယ်။ ဒီကိုယ်ပိုင်ချပ်ပြား ပြိုင်လမ်းကြောင်းဟာ ကျွန်ုပ်တို့ အရင်က ခွဲခြမ်းစိတ်ဖြာခဲ့တဲ့ ထိုင်ဝမ် ချပ်ပြားတင်ပို့မှု ထိန်းချုပ်ရေး ရာဇဝတ်မှု ထိန်းချုပ်ရေး တရုတ် ၂၀၂၆ လိုပဲ အရာတစ်ခုတည်းဆီကို ဦးတည်နေပါတယ် - အဲ့ဒါကတော့ တွက်ချက်မှုစွမ်းအား အချုပ်အခြာအာဏာဟာ နိုင်ငံကြီးတွေနဲ့ ကုမ္ပဏီကြီးတွေရဲ့ ဘုံစိုးရိမ်ပူပန်မှု ဖြစ်လာတယ်ဆိုတာပါပဲ။

TheAI Academy အနှစ်ချုပ်နှင့် သုံးသပ်ချက်

တစ်ကြောင်းတည်းနဲ့ သုံးသပ်ချက် - ကုမ္ပဏီကြီးတွေ Nvidia ကို ဖြတ်တောက်တဲ့ ခြေလှမ်းတိုင်းဟာ ထိုင်ဝမ် ထောက်ပံ့ရေးကွင်းဆက်အတွက် မှာကြားချက်အသစ်တွေ ပေါင်းထည့်ပေးနေတာပါ - Iris ဟာ Nvidia အတွက် ခေါင်းလောင်းသံမဟုတ်ဘဲ TSMC အတွက် နောက်ထပ် ရေရှည်စာချုပ်တစ်ခု ဖြစ်ပါတယ်။

ထိုင်ဝမ် စာဖတ်သူများအတွက် တိကျသော အကြံပြုချက်များ - လုပ်ငန်းခွင်အတွင်းရှိသူများအနေဖြင့် ASIC ဒီဇိုင်းဝန်ဆောင်မှုနှင့် အဆင့်မြင့်ထုပ်ပိုးမှုဆိုင်ရာ အလုပ်ခေါ်ယူမှုများကို အာရုံစိုက်ပါ။ ရင်းနှီးမြှုပ်နှံသူများအနေဖြင့် ဤဆောင်းပါးသည် ရင်းနှီးမြှုပ်နှံမှု အကြံပြုချက် မဟုတ်ကြောင်း သတိရပါ။ ထောက်ပံ့ရေးကွင်းဆက် အကျိုးအမြတ် ခံစားရရှိမှု အတိုင်းအတာကို ကုမ္ပဏီအသီးသီး၏ ငွေစာရင်းရှင်းတမ်းများနှင့် ဥပဒေရေးရာ ရှင်းလင်းပွဲများအရ အခြေခံဆုံးဖြတ်ပါ။

ကိုးကားချက်များ

• Reuters (US Newsမှတဆင့်): Meta to put AI chip into production in September
• CNBC: Meta to put AI chip into production in September

အထက်ပါအချက်အလက်များကို လူသိရှင်ကြား အချက်အလက်များအပေါ် အခြေခံ၍ စုစည်းထားခြင်းဖြစ်ပြီး တရားဝင် နောက်ဆက်တွဲ ထုတ်ပြန်ကြေညာချက်များကို အခြေခံရမည်ဖြစ်ပါသည်။ ရင်းနှီးမြှုပ်နှံမှု ဆုံးဖြတ်ချက်များနှင့် ပတ်သက်၍ မိမိဘာသာ အကဲဖြတ်ဆုံးဖြတ်ကြပါရန်နှင့် ဤဆောင်းပါးသည် ရင်းနှီးမြှုပ်နှံမှု အကြံပြုချက် မဟုတ်ပါ။

အယူအဆမှားများကို ဖြေရှင်းခြင်း - ကိုယ်ပိုင်ချပ်ပြားဆိုသည်မှာ Nvidia ကို "စွန့်လွှတ်ခြင်း" ဟု အဓိပ္ပာယ်သက်ရောက်ပါသလား။

နည်းပညာမီဒီယာတွေရဲ့ သတင်းဖော်ပြချက်တွေမှာ "Nvidia ကို ဖြတ်တောက်ခြင်း"၊ "ဘုရင်ကို စိန်ခေါ်ခြင်း" စတဲ့ စိတ်လှုပ်ရှားဖွယ် ခေါင်းစဉ်တွေကို မကြာခဏ တွေ့ရတတ်ပါတယ်။ ဒါက စာဖတ်သူတွေကို မှားယွင်းတဲ့ ထင်မြင်ချက်တစ်ခု ရရှိစေပြီး Meta ဒါမှမဟုတ် အခြားသော တိမ်တိုက်ဧရာမကုမ္ပဏီတွေအနေနဲ့ သူတို့ရဲ့ ကိုယ်ပိုင်ချပ်ပြားတွေကို စတင်အသုံးပြုတာနဲ့ Nvidia ရဲ့ GPU တွေကို ဝယ်ယူမှုအားလုံး ရပ်တန့်သွားတော့မယ်လို့ ထင်မှတ်သွားစေပါတယ်။ တကယ်တမ်းမှာတော့ ဒါဟာ "အမည်းနဲ့အဖြူ" ခွဲခြားသလိုမျိုး မှားယွင်းတဲ့ အယူအဆတစ်ခု ဖြစ်ပါတယ်။

ဒေတာစင်တာ တည်ဆောက်ပုံမှာ ချပ်ပြားအသုံးပြုမှု မဟာဗျူဟာဟာ ပုံမှန်အားဖြင့် "အလွှာလိုက် စီမံခန့်ခွဲခြင်း" ဖြစ်ပါတယ်။ အထွေထွေသုံး GPU တွေ (Nvidia ထုတ်ကုန်တွေလိုမျိုး) မှာ မြင့်မားလွန်းတဲ့ လိုက်လျောညီထွေရှိမှု (Flexibility) ရှိပြီး အသိအမှတ်မပြုရသေးတဲ့ အယ်လဂိုရီသမ် ဆန်းသစ်တီထွင်မှုတွေနဲ့ ရှုပ်ထွေးတဲ့ အထွေထွေသုံး တွက်ချက်မှုတွေကို ကိုင်တွယ်ဖို့ သင့်လျော်ပါတယ်။ ကိုယ်ပိုင်ချပ်ပြားတွေ (Iris လိုမျိုး) ကတော့ "သီးသန့်တာဝန်တွေ" အတွက် အစွန်းရောက်အောင် အကောင်းဆုံးဖြစ်အောင် လုပ်ဆောင်ထားတာ ဖြစ်ပါတယ် - ဥပမာအားဖြင့် အကြံပြုချက် အယ်လဂိုရီသမ်တွေ၊ ကြော်ငြာဖြန့်ချီမှု မော်ဒယ်တွေ ဒါမှမဟုတ် ကြီးမားတဲ့ ဘာသာစကား မော်ဒယ်တွေရဲ့ ကောက်ချက်ချခြင်း (Inference) ကို အထူးပြု လုပ်ဆောင်တာမျိုး ဖြစ်ပါတယ်။ Meta အတွက်တော့ ကိုယ်ပိုင်ချပ်ပြားဆိုတာ ဈေးကြီးတဲ့ အထွေထွေသုံး GPU အရင်းအမြစ်တွေကို ပိုမိုစိန်ခေါ်မှုရှိတဲ့ လေ့ကျင့်ရေး တာဝန်တွေကို ကိုင်တွယ်ဖို့အတွက် လွတ်မြောက်စေရန် ဖြစ်ပြီး လုံးဝ အစားထိုးပစ်ဖို့ မဟုတ်ပါဘူး။ ထို့ကြောင့် ဒါဟာ တစ်ခုတည်းသော အစားထိုး ဆက်ဆံရေးထက် "ပေါင်းစပ်တပ်ဖွဲ့" မဟာဗျူဟာ အမျိုးအစားတစ်ခုနဲ့ ပိုတူပါတယ်။

ကိုယ်ပိုင်ချပ်ပြားနှင့် အထွေထွေသုံး GPU တို့၏ အခန်းကဏ္ဍ ကွာခြားချက်

ဒီချပ်ပြားတွေဟာ ဒေတာစင်တာမှာ ဘာအခန်းကဏ္ဍကနေ ပါဝင်နေလဲဆိုတာကို စာဖတ်သူတွေ ပိုမိုရှင်းလင်းစွာ သိရှိနိုင်စေဖို့အတွက် ကုမ္ပဏီကြီးတွေအနေနဲ့ ဒီထုတ်ကုန်အမျိုးအစား နှစ်မျိုးစလုံးကို ဘာကြောင့် တစ်ပြိုင်နက်တည်း ပိုင်ဆိုင်ဖို့ လိုအပ်တယ်ဆိုတာ နားလည်စေရန် အောက်ပါ နှိုင်းယှဉ်ဇယားကို စုစည်းတင်ပြလိုက်ပါတယ် -

နှိုင်းယှဉ်သည့် အကြောင်းအရာ	အထွေထွေသုံး GPU (Nvidia ထုတ်ကုန်များကဲ့သို့)	ကိုယ်ပိုင် AI အရှိန်မြှင့်စက် (Iris ကဲ့သို့)
ស្នូល အားသာချက်	ဂေဟစနစ် ပြည့်စုံခြင်း၊ ဆော့ဖ်ဝဲ ပံ့ပိုးမှု အလွန်မြင့်မားခြင်း၊ လိုက်လျောညီထွေရှိမှု အလွန်ကောင်းမွန်ခြင်း	သီးသန့်မော်ဒယ်အတွက် အကောင်းဆုံးဖြစ်အောင် ပြုလုပ်ထားခြင်း၊ စွမ်းအင်နှင့် စွမ်းဆောင်ရည်အချိုး အလွန်ကောင်းမွန်ခြင်း၊ ကုန်ကျစရိတ် ထိန်းချုပ်နိုင်ခြင်း
အဓိက အသုံးပြုပုံ	အဆင့်မြင့် မော်ဒယ် လေ့ကျင့်ရေး၊ အသိအမှတ်မပြုရသေးသော နယ်ပယ်များ သုတေသနနှင့် ဖွံ့ဖြိုးတိုးတက်ရေး	ფართုံ့အဆင့် ကောက်ချက်ချခြင်း၊ ထပ်တလဲလဲ ဖြစ်ပျက်သော ကြော်ငြာနှင့် အကြံပြုချက် စနစ်များ
ဆော့ဖ်ဝဲ ဂေဟစနစ်	ရင့်ကျက်သော CUDA ဂေဟစနစ် ရှိပြီး ဆော့ဖ်ဝဲရေးသားသူများ အလွယ်တကူ အသုံးပြုနိုင်	သီးသန့် Compiler ကို အဓိကထားရလေ့ရှိပြီး အသုံးပြုရန် အတားအဆီး ပိုများ
ဝယ်ယူရေး မဟာဗျူဟာ	ပံ့ပိုးပေးသူ၏ ထောက်ပံ့မှုကို မှီခိုရပြီး စျေးကွက်စျေးနှုန်းနှင့် ထုတ်လုပ်မှုစွမ်းအား ကန့်သတ်ချက် ရှိ	ဒီဇိုင်းနှင့် ထုတ်လုပ်မှုစွမ်းအားကို ကိုယ်တိုင် ထိန်းချုပ်နိုင်ပြီး ရေရှည် လုပ်ငန်းလည်ပတ်မှု ကုန်ကျစရိတ်ကို လျှော့ချနိုင်
သက်ဆိုင်သည့် မြင်ကွင်း	အစွန်းရောက် တွက်ချက်မှုစွမ်းအားနှင့် သုတေသန အမြန်နှုန်းကို လိုက်စားသည့် တာဝန်များ	အစွန်းရောက် ကုန်ကျစရိတ် အကျိုးအမြတ်နှင့် တည်ငြိမ်စွာ ထုတ်လုပ်မှုကို လိုက်စားသည့် တာဝန်များ

"အမှားရှာဖွေစစ်ဆေးမှု ချောမွေ့ခြင်း" သည် ချပ်ပြား ဖွံ့ဖြိုးတိုးတက်မှု၏ အဘယ်ကြောင့် အဓိက ညွှန်းကိန်း ဖြစ်သနည်း။

ဆောင်းပါးမှာ Iris ဟာ ခြောက်ပတ်အတွင်း အမှားရှာဖွေစစ်ဆေးမှု ပြီးမြောက်ခဲ့ပြီး "ကြီးမားတဲ့ ပြဿနာ တစ်စုံတစ်ရာ မရှိခဲ့ဘူး" လို့ ဖော်ပြထားပါတယ်။ အပြင်လူတွေအတွက် ဒါဟာ နည်းပညာ အသေးစိတ်အချက်လေးတစ်ခုသာ ဖြစ်နိုင်ပေမယ့် တစ်ပိုင်းကండတ် (Semiconductor) လုပ်ငန်းအတွက်တော့ ဒါဟာ အလွန်တရာ ညွှန်းကိန်းဆန်တဲ့ အချက်ပြမှုတစ်ခု ဖြစ်ပါတယ်။

ချပ်ပြား ဒီဇိုင်းရေးဆွဲခြင်းဆိုတာ အလွန်တရာ ရှုပ်ထွေးတဲ့ အင်ဂျင်နီယာ ပညာရပ်တစ်ခု ဖြစ်ပါတယ်။ ဆားကစ်ဒီဇိုင်း၊ ယုတ္တိဗေဒ အတည်ပြုခြင်းကနေ ရုပ်ပိုင်းဆိုင်ရာ အပြင်အဆင် (Physical layout) အထိ အသေးငယ်ဆုံး အမှားလေးတစ်ခုကတောင် ချပ်ပြား အသုံးမဝင်တော့တာမျိုး ဖြစ်စေနိုင်ပြီး ရှာဖွေစစ်ဆေးခြင်း (Tape-out) ကို ပြန်လုပ်ဖို့အတွက် လနဲ့ချီတဲ့ အချိန်တွေတောင် ကုန်ကျစေနိုင်ပါတယ်။ Meta လိုမျိုး သမားရိုးကျ ချပ်ပြားဒီဇိုင်း ကုမ္ပဏီမဟုတ်တဲ့ ကုမ္ပဏီတစ်ခုအတွက် အချိန်တိုအတွင်း အမှားရှာဖွေစစ်ဆေးမှုကို ပြီးမြောက်နိုင်တယ်ဆိုတာဟာ Broadcom နဲ့ ပူးပေါင်းဆောင်ရွက်တဲ့ လုပ်ငန်းစဉ်ဟာ အလွန်တရာ ရင့်ကျက်နေပြီဖြစ်ပြီး ဒီဇိုင်းအတಿದပြုရေး အဆင့်မှာတင် အဆင့်မြင့် တုပရေး ကိရိယာတွေကို ိတ်သွင်းပြီးသားဖြစ်ကြောင်း ကိုယ်စားပြုနေပါတယ်။ ဒါဟာ Meta ရဲ့ ကိုယ်ပိုင်ချပ်ပြား အစီအစဉ်ဟာ "စမ်းသပ်မှု သဘောတရား" က