据彭博社 9 月 15 日报道，Meta 计划于明年上半年在数据中心部署新一代自研 AI 芯片，希望在运行 AI 模型时进一步降低成本和能耗。IT之家对此进行了报道。

从 Arke 到 Astrid

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 计划更大范围地部署 Astrid。负责 Meta 定制芯片项目的工程副总裁 Yee Jiun Song 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。新一代芯片不仅要提高能效，也要在同等投入下提供更强性能。

降本增效与去英伟达化

Meta 正大举建设 AI 基础设施，自研芯片是其中的重要一环。芯片由 Meta 与博通（Broadcom）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。若按能耗规模衡量，Meta 计划在 12 个月内部署超过 1GW（吉瓦）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 12 枚新型号芯片，实测性能与此前模拟结果的差距只有 2% 至 3%。拿到芯片当天，团队便成功运行 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，但后续仍需要数月测试和调优，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，这些产品将成为用于通用推理的主力芯片。

实测表现与后续路线

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，成本会变得非常重要；若同时兼顾训练和推理会让芯片成本提高 30%，在这种规模下”完全无法接受”。

Astrid 开发完成后，Meta 下一阶段将重点提高芯片速度和吞吐量，即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，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。