将降本增效进行到底，Meta 计划明年上半年部署新一代自研 AI 芯片
IT之家援引彭博社9月15日报道，Meta正式公布自研AI芯片的部署规划，下一代核心产品将逐步落地其全球数据中心，成为公司降本增效战略的关键抓手。
Meta敲定自研AI芯片分阶段部署时间表
Meta早在2023年便公布自研AI芯片计划，目前已经形成清晰的迭代序列：
- MTIA 300：已投入量产，主要用于内容排序与推荐模型训练
- MTIA 400（代号Iris）：已完成实验室测试，即将部署
- MTIA 450（代号Arke）：明年上半年投入数据中心部署
- MTIA 500（代号Astrid）：预计约一个月内完成设计，2027年底大规模部署
Meta工程副总裁Yee Jiun Song（宋义俊）透露，公司计划更大范围部署Astrid芯片，若AI市场需求未出现大幅下滑，后续部署速度还会持续加快，目标是在12个月内部署超过1GW规模的自研芯片。Meta自研芯片由Meta与博通联合设计、台积电负责制造，核心目标是降低对英伟达等外部厂商的AI处理器依赖。
自研芯片实测性能达标，适配Meta专属AI场景需求
9月1日台积电向Meta交付了12枚新型号测试芯片，实测性能与此前模拟结果的差距仅为2%至3%，拿到芯片的当天Meta团队便成功运行了公司自家AI模型，以及DeepSeek、阿里巴巴的同类模型，初步测试未发现芯片设计缺陷，后续还需要数月时间完成测试调校，工厂也将在此期间逐步提升产量。
Meta超级智能实验室深度参与芯片调校工作，向硬件团队提供未来AI模型及推理阶段的能力需求信息。宋义俊表示，由于大量工程工作由Meta自行完成，自研芯片在运行Meta自家AI模型时，能效比可以超过英伟达当前出货的所有同类产品，“仅仅是因为我们自己完成了大量工程设计工作”。目前Meta自研芯片普遍采用高带宽内存，定位并非追求极致响应速度的超高速推理市场，而是作为通用推理场景的主力芯片。
放弃通用训练芯片路线，集中资源攻坚推理场景降本
Meta此前曾规划过一款代号Olympus的芯片，希望同时承担AI训练和推理任务，原定2028年或2029年推出，但最终取消了该项目。宋义俊解释，成本是核心考量因素：如果同时兼顾训练和推理场景，芯片成本会提升30%，当部署规模扩大到数GW级别时，这一成本涨幅会变得完全无法接受。因此Meta选择集中资源开发推理芯片，宋义俊指出“我们并非面向通用市场研发，因此芯片不需要具备全场景通用性，我们可以去掉非必需功能，从而有效降低成本”。他同时透露，每一代自研芯片都会承担稍高的技术风险，以此换取更高的性能和更低的运行成本。
双轨算力战略并行，Meta持续完善自研芯片产品线
Meta目前采用双轨策略布局AI算力：一方面继续向英伟达、AMD采购芯片，近期已经签署了总价值数十亿美元的采购协议，锁定未来数年的海量算力；另一方面持续扩充自研芯片团队，去年因对自研进度不满，Meta曾试图以8亿美元收购韩国芯片初创公司FuriosaAI，在收购被拒后，Meta转而收购了美国加州圣克拉拉芯片公司Rivos Inc.，将其400多名员工纳入自研芯片团队。
宋义俊表示，随着AI行业发展速度远超预期，芯片研发必须跟上算力需求的迭代节奏，Meta会持续审视技术路线图，确保打造出最具实用价值的产品。Astrid芯片开发完成后，Meta下一阶段将重点提升芯片速度和吞吐量，也就是单位时间内能处理的AI任务规模，同时利用光纤技术进一步提升性能，“我们的产品路线图非常完善，未来几年会继续开发性能足以与供应商产品竞争的芯片”。