Meta正加快自研AI芯片的部署节奏，以降低对英伟达的依赖并压缩数据中心运营成本。
该公司表示，第三代自研芯片MTIA 450（代号Arke）将于明年上半年开始在数据中心投入使用。第四代产品MTIA 500（代号Astrid）的设计工作将在约一个月内完成，预计2027年底进入数据中心，部署规模将更为广泛。
这一芯片路线图标志着Meta在削减AI基础设施成本方面取得实质性进展。
Meta工程副总裁Yee Jiun Song表示，与英伟达目前出货的产品相比，自研芯片在运行AI模型时效率更高，"正是因为我们自己承担了大量工程工作"。
在未来12个月内，Meta在自研芯片上的部署承诺已超过1吉瓦的用电当量。Yee Jiun Song表示，此后预计还将加速扩张，前提是AI市场或需求不会出现崩盘。
截至发稿，周二盘中Meta涨0.18%，英伟达涨0.74%。
合作伙伴与技术路线
Meta与博通合作进行芯片设计，与台积电合作负责制造，整体方向是降低对英伟达行业主导地位的依赖。
Meta于2023年首次宣布研发自研芯片计划。目前的第三代产品已于9月1日从台积电收到首批12枚样片，实测性能与仿真结果的误差在2%至3%以内。首日测试中，工程团队成功使用该芯片运行了Meta自有模型。
Yee Jiun Song表示，测试结果显示芯片设计环节不存在明显缺陷，但仍需数月的调试与优化工作，同时台积电一侧的产量也在持续爬坡。
他强调，该系列芯片主要依赖高带宽内存，定位于通用推理场景，而非对响应速度要求极高的超快速推理市场。"这是我们用于通用推理的主力芯片，"他说。
砍掉训练芯片项目，聚焦推理降本
Meta此前曾规划开发一款代号为Olympus的芯片，旨在同时支持AI模型的训练与推理两个阶段，原计划于2028至2029年面世。
但据Yee Jiun Song透露，该项目已被取消，公司转而专注于推理芯片，成本因素是主要考量之一。
"当你开始大规模扩建至数吉瓦的容量时，成本就变得至关重要，"他说。他指出，如果一款同时兼顾训练和推理的芯片价格贵出约30%，这在大规模部署的背景下将"完全无法接受"。
Meta超级智能实验室（Meta Superintelligence Labs）正通过提供未来AI模型的需求信息，协助对芯片进行精细调优，以提升推理阶段的运行效率。
路线图清晰，未来侧重速度与吞吐量
在完成Astrid的开发工作之后，Meta表示后续芯片研发将把重点转向提升运算速度与吞吐量，即单位时间内可处理的AI任务量。光纤技术的引入也有望进一步改善芯片性能。
"我们有一张非常扎实的路线图，"Yee Jiun Song说。"未来几年，我们预计将持续打造出能够与供应商产品相竞争的芯片。"
这一表态反映出Meta希望通过自研硅片逐步掌握AI基础设施的核心技术主动权，同时在成本与能效上建立起长期竞争优势。
