Meta计划明年部署新一代自研AI芯片

Meta 正在把自研 AI 芯片推向更大规模的落地。据披露，Meta 计划在明年上半年于数据中心部署新一代自研 AI 芯片，核心目标是在运行 AI 模型时进一步降低成本和能耗。这一动作背后，是 Meta 正在大举建设的 AI 基础设施，而自研芯片被视为其中最关键的一环。

从产品节奏看，Meta 于 2023 年公布自研 AI 芯片计划，目前正在测试第三代产品 MTIA 450，代号 Arke。下一代 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。相比前几代产品，Meta 计划对 Astrid 进行更大范围的部署。

负责 Meta 定制芯片项目的工程副总裁 Yee Jiun Song 在接受采访时指出，每一代产品都会在技术上承担稍高一些的风险，同时换来更好的性能。具体而言，新一代芯片不仅要提高能效，也要在同等投入下提供更强的性能。芯片由 Meta 与博通合作设计、台积电负责制造，目标之一是减少对英伟达领先 AI 处理器的依赖。

部署规模上，如果按照能耗规模衡量，Meta 计划在十二个月内部署超过 1GW 规模的自研芯片，后续的部署速度预计还会加快，前提是 AI 市场和需求不出现大幅下滑。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 模型以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。

实测进展方面，台积电已于 9 月 1 日向 Meta 交付 12 枚新型号芯片，实测性能与此前模拟结果的差距只有百分之二至百分之三。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。初步测试没有发现芯片设计缺陷，但后续仍需要数月测试和调校，工厂也将在此期间逐步提高产量。

值得注意的是，四代芯片基本都采用高带宽内存，其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，后来该项目被取消，资源转而集中到推理芯片上。成本是主要考虑之一：当容量扩大到数 GW 级别时，成本就会变得非常重要，如果同时兼顾训练和推理，会让芯片成本提高约百分之三十，在这种规模下将变得完全无法接受。

按照规划，Astrid 开发完成后，Meta 下一阶段将重点提高芯片速度和吞吐量，也就是单位时间内能够处理的 AI 任务规模，同时利用光纤技术进一步提升性能。Meta 方面表示，其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。