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 9 月 15 日消息，据彭博社今日报道，Meta 计划在明年上半年于数据中心部署新一代自主研发的 AI 芯片，以进一步降低 AI 模型运行过程中的成本与能耗。

Meta 在 2023 年公布了自研 AI 芯片项目，目前正在测试第三代产品 MTIA 450，代号为 Arke。下一代产品 MTIA 500 代号 Astrid，预计约一个月后完成设计，并于 2027 年底进入数据中心。与之前几代相比，Meta 计划更广泛地部署 Astrid。

Meta 定制芯片项目工程副总裁 Yee Jiun Song 在接受采访时表示，每一代产品都会在技术上承担稍高的风险，同时换取更优的性能。

具体来说，新一代芯片不仅需要提升能效，还应在相同投入下提供更强的性能。Meta 正大力建设 AI 基础设施，自研芯片是其中的关键环节。芯片由 Meta 与博通联合设计、台积电制造，目标之一是减少对英伟达领先 AI 处理器的依赖。

若以能耗规模衡量，Meta 计划在 12 个月内部署超过 1GW 规模的自研芯片，后续部署速度预计会进一步加快，前提是 AI 市场和需求未出现显著下滑。

Meta 超级智能实验室也参与芯片调校，向硬件团队提供未来 AI 模型及推理阶段所需能力的信息。Yee Jiun Song 称，由于大量工程工作由 Meta 自行完成，自研芯片在运行自家 AI 模型时，可以比“英伟达当前出货的任何产品”更高效。

9 月 1 日，台积电向 Meta 交付了 12 枚新型号芯片，实测性能与此前模拟结果的差距仅为 2% 至 3%。据IT之家了解，拿到芯片当天，团队便成功运行了 Meta 自家模型，以及 DeepSeek 和阿里巴巴的模型。

初步测试未发现芯片设计缺陷，但后续仍需数月测试和调校，工厂在此期间将逐步提高产量。四代芯片基本都采用高带宽内存，定位并非追求极致响应速度的超高速推理市场。Yee Jiun Song 透露，这些产品将成为用于通用推理的主力芯片。

Meta 此前还规划过一款代号 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。后来 Meta 取消了该项目，转而集中资源开发推理芯片。

成本是主要考量之一。当容量扩大到数 GW 级别时，成本会变得至关重要。如果同时兼顾训练和推理，芯片成本将提高 30%，在这种规模下“完全无法接受”。

Astrid 开发完成后，Meta 下一阶段将重点提升芯片速度和吞吐量，即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增强性能。“我们的产品路线图非常完善。未来几年，我们会继续开发性能足以与供应商产品竞争的芯片。”