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，据彭博社今天（15日）报道，Meta计划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 。

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。

具体而言，新一代芯片不仅要提高能效，也要在同等投入下 提供更强性能 。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。

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%。据IT之家了解，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。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。“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。”