meta Platforms正加速推进其自研人工智能芯片的研发与部署计划，旨在通过定制化硬件降低数据中心运行AI模型的能耗与成本。据公司工程副总裁Yee Jiun Song透露，第三代AI处理器MTIA 450（代号“Arke”）已进入测试阶段，首批12颗芯片于9月1日由台积电交付，实际性能与模拟结果误差控制在2%至3%之间。更引人注目的是，该芯片不仅成功运行meta自有AI模型，还兼容DeepSeek及阿里巴巴的模型，展现出跨平台适配能力。
在合作模式上，meta选择与博通联合设计芯片架构，并委托台积电进行3纳米制程生产。公司已承诺在12个月内部署超过1吉瓦规模的芯片，若AI市场需求持续强劲，后续部署速度将进一步提速。这一部署规模相当于为数据中心新增数百万颗高性能处理器，凸显meta在AI基础设施领域的雄心。
技术路线方面，meta已调整战略重心，将资源集中于AI推理芯片开发。此前计划中的“Olympus”训练推理通用芯片项目因成本考量被取消，转而优先打造专用推理芯片。Song强调，新芯片将作为“通用推理主力”，通过优化单位功耗性能与单位成本性能，应对Facebook、Instagram等产品AI功能调用量激增带来的计算压力。这种“先专用后通用”的策略，使meta在降低每瓦算力成本上取得显著进展。
产品迭代计划显示，MTIA 450将于2027年上半年投入数据中心运行，其继任者MTIA 500（代号“Astrid”）预计在一个月内完成设计，并于2027年底前部署。后续几代产品将持续提升运行速度与数据吞吐能力，形成覆盖不同推理场景的芯片矩阵。Song透露，公司已制定“非常稳健”的长期路线图，确保技术演进与业务需求同步。
这场芯片竞赛背后，是科技巨头对AI成本控制的深层博弈。随着模型参数规模突破万亿级，推理阶段的能耗与硬件支出已成为制约AI应用扩展的关键因素。meta通过自研芯片实现软硬件深度协同，不仅减少对英伟达等供应商的依赖，更在数据中心效率竞赛中占据先机。其策略验证了专用芯片在推理场景中的经济性优势，或引发行业跟随效应。
