Meta: платформа Zoomer сократила обучение моделей рекламы на 75%

Инфраструктура ИИ Meta обслуживает обучение моделей ранжирования рекламы, рекомендаций контента и функций генеративного ИИ на глобальном парке GPU-кластеров, а на инференсе выполняет сотни триллионов запусков моделей в сутки. По описанию компании, недогрузка GPU замедляет итерации моделей и запуск продуктов, ограничивает объём обслуживаемых запросов и ведёт к потерям энергии и росту операционных затрат на сотнях тысяч GPU. Задача состояла в том, чтобы находить причины неэффективности в обучающих и инференс-нагрузках автоматически и давать командам готовые рекомендации по оптимизации.

Zoomer — автоматизированная платформа Meta для профилирования, отладки, анализа и оптимизации нагрузок обучения и инференса. Она собирает метрики GPU, трассы выполнения, данные хостов и профили запросов, анализирует их через набор анализаторов (узкие места, отстающие ранги, критический путь, дисбаланс нагрузки, память) и показывает результат на дашбордах и временных диаграммах. Модуль Zoomer Actionable Recommendations Engine (Zoomer AR) использует рекомендательные системы на основе машинного обучения: он находит антипаттерны эффективности и формирует автоматические исправления, ноутбуки оптимизации и перезапуск задач в один клик с предложенными улучшениями.

Meta описала платформу в инженерном блоге 21 ноября 2025 года. Zoomer работает на всех обучающих и инференс-нагрузках компании и, по словам Meta, стал основным инструментом оптимизации GPU-нагрузок, формируя десятки тысяч отчётов профилирования в день для команд всех приложений. Профилирование запускается автоматически, на обучении около итерации 550–555, и по запросу на инференсе. Среди результатов компания приводит сокращение времени обучения моделей релевантности рекламы на 75% и снижение энергопотребления на 78% в 2024 году, рост QPS на 2–50% в зависимости от модели и снижение энергопотребления инференса на 10–45%. Платформа поддерживает GPU NVIDIA, AMD MI300X, MTIA и CPU.