meta正在加速推进自研AI芯片的研发与部署进程，试图通过技术自主化降低对英伟达的依赖，同时优化数据中心运营成本。据公司工程副总裁Yee Jiun Song透露，第三代自研芯片MTIA 450（代号Arke）将于明年上半年正式投入数据中心使用，而第四代产品MTIA 500（代号Astrid）的设计工作预计在一个月内完成，并计划于2027年底实现规模化部署。
在芯片性能方面，meta强调自研产品相比英伟达现有方案具有显著优势。Yee Jiun Song指出，通过内部工程团队的深度优化，MTIA系列芯片在运行AI模型时效率更高，首批12枚MTIA 450样片已于9月1日从台积电交付，实测性能与仿真结果误差控制在2%至3%以内。首日测试中，该芯片已成功运行meta自有模型，但工程团队仍需数月时间进行调试优化，同时台积电的产量也在逐步提升。
成本考量是meta战略调整的核心驱动力。公司此前曾规划开发代号Olympus的通用芯片，旨在同时支持AI模型的训练与推理，但该项目因成本过高已被取消。Yee Jiun Song解释称，当部署规模扩大至数吉瓦容量时，芯片价格差异将变得不可忽视——若一款芯片同时兼顾训练与推理功能，其成本可能比专用推理芯片高出约30%，这在大规模应用场景下“完全无法接受”。因此，meta决定聚焦推理芯片领域，通过专用化设计实现成本与能效的平衡。
在技术路径上，meta选择与博通合作进行芯片设计，由台积电负责制造环节。这种分工模式既保证了技术自主性，又借助了行业领先企业的制造能力。MTIA系列芯片采用高带宽内存架构，主要面向通用推理场景，而非对延迟要求极高的超快速推理市场。Yee Jiun Song强调，该芯片是meta通用推理任务的主力方案，未来将通过持续迭代提升运算速度与吞吐量。
meta超级智能实验室在芯片优化过程中发挥了关键作用。该部门通过提供未来AI模型的需求信息，协助工程团队对芯片进行精细调优，重点提升推理阶段的运行效率。据内部路线图显示，在完成Astrid开发后，meta将把研发重心转向提升芯片的运算速度与单位时间任务处理能力，同时计划引入光纤技术进一步改善性能。
资本市场对meta的芯片战略表现出谨慎乐观态度。截至发稿时，meta股价在周二盘中上涨0.18%，英伟达则上涨0.74%。Yee Jiun Song透露，未来12个月内，meta在自研芯片上的部署承诺已超过1吉瓦用电当量，并预计在AI市场需求稳定的前提下加速扩张。这一举措反映出meta试图通过掌握芯片核心技术，在AI基础设施领域构建长期竞争优势的决心。
