Meta加码自研AI芯片：第三代测试中，下一代剑指2027年数据中心

在AI基础设施投入持续攀升的背景下，Meta正加速推进其自研芯片战略，试图通过定制化硅片降低对英伟达AI处理器的依赖，并控制大规模推理场景下的成本与能耗。据知情人士透露，Meta计划在明年上半年将新一代自研AI芯片部署到数据中心，用于承载其日益增长的AI模型运行需求。

第三代产品进入测试，下一代设计即将收尾

Meta的自研AI芯片计划始于2023年，目前正对第三代产品MTIA 450进行测试，该芯片代号为Arke。在此基础上，下一代MTIA 500（代号Astrid）预计约一个月后完成设计，并计划于2027年底进入数据中心。与以往几代产品相比，Meta打算对Astrid进行更大范围的部署。

Meta负责定制芯片项目的工程副总裁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一些的风险，以此换取更好的性能表现。新一代芯片不仅需要提升能效，还要在同等投入下提供更强的计算能力。

博通设计、台积电制造，实测与模拟差距仅2%至3%

Meta的自研芯片由Meta与博通合作设计，台积电负责制造，其目标之一便是减少对英伟达领先AI处理器的依赖。今年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，工厂也将在此期间逐步提高产量。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。

能耗规模目标超1GW，超级智能实验室参与调校

Meta正大举建设AI基础设施，自研芯片是其中的重要一环。如果按照能耗规模衡量，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。

放弃训练推理兼顾方案，集中资源开发推理芯片

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30%，在这种规模下就会变得“完全无法接受”。

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。Yee Jiun Song表示：“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。”

从行业视角看，Meta自研芯片的推进折射出大型科技公司在AI算力上的深层焦虑：一方面，英伟达GPU供应紧张且价格高昂，自研推理芯片可在特定场景下实现更优的能效比；另一方面，推理需求正随着AI应用落地而爆发，通用推理芯片的规模化部署将成为云厂商和互联网巨头控制成本的关键。不过，自研芯片从设计到量产再到生态适配，仍面临诸多工程与商业挑战，Meta能否在2027年前后形成对供应商产品的有效替代，尚需观察其实际部署进度与模型适配效果。