Meta计划明年上半年部署新一代自研AI芯片 降低AI运行成本能耗

Meta自研芯片明年大规模落地, 直接挑战英伟达, 算力成本要出现剧变。

从代号到量产，时间线一目了然

Meta拟于明年上半年在遍布全球的各区域数据中心内部署新一代自研AI芯片, 核心目标是进一步拉低运行各类AI模型所需支付的经济成本以及所消耗的总能耗。自2023年首度公布相关规划之后, Meta始终在测试已推出的第三代产品MTIA 450, 产品专属代号Arke。 后续即将推出的下一代MTIA 500产品拥有专属代号Astrid, 按进度预计大约历经一个月左右的时间即可完成全部相关设计, 最终将于2027年年底正式投入数据中心的实际运行环节之中。对照前几代情况下来看呢Meta正计划着开展更大范围里进行部署有关Astrid部署当中, 芯片项目负责牵头工程副总裁名叫Yee Jiun Song本人说到讲啊每代对应产品都各自不同技术层面上承担有那么略升高风险情况, 为得到更好表现性能。

合作生态明确，台厂参与制造

新一代芯片非但需提高能效指标, 还要在相同投入前提下输出更强性能。Meta正积极大规模建造AI有关基础设施, 自研开发芯片是关键重要一环, 此芯片由Meta和博通两家厂商合作完成设计工作, 并由台积电承担起制造生产任务, 该项目之一目标, 是削减或降低对英伟达行业领先的AI处理器的外界依赖程度。这类协作形态令Meta可更专注于架构搭建和程序优化, 依靠完善的供应体系加快量产生产的运转进度, 确保晶片从研发阶段布署环节的流畅连贯。

能耗规模惊人，部署速度加快

按能耗规模衡量如果, 不出现前提是市场需求AI大幅下滑, Meta计划会在内部署12个月超过1GW 规模的自研芯片, 后续部署的速度预计还会加快。1GW 还是一个相当于数字支撑大型城市用电量的极其庞大, 这也表现出Meta对自研芯片投入的规模远超一般科技公司。这种高强度的部署计划，从侧面反映出Meta对AI算力存在的巨大缺口的需求, 以及打算通过自研来补上此番缺口的决心。

超级实验室介入，模型效率更高

Meta超级智能实验室参与芯片调校, 向硬件团队提供未来AI模型及推理阶段所需能力信息。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，能比“英伟达当前出货的任何产品”更高效啦。9月1日, 台积电交向了Meta十二枚新型号芯片, 实测性能和此前模拟的结果差距只是2%到3%, 拿到芯片的当天, 团队便能成功运行Meta自家的模型, 以及DeepSeek和阿里巴巴的模型, 初步测试没有发现设计之类缺陷。

放弃全能芯片，专注推理降本

Meta此前规划过代号Olympus的芯片, 想要并行扛下AI的训练与推理任务, 原订定2028年还或2029年推出, 但后面取消该项目, 转而用集中资源来开发推理芯片。 成本成为主要的考量指标, 当容量扩展到数W级时, 兼顾考量训练还是推理都会让芯片本钱提高30%，且在这样规模下会变得“完全无法让人接受”。所以Astrid这类四代芯片根本基本都采用高速宽带内存, 定位不是追求最优响应速度的极限高速推理芯片市场, 而是当作通用推理用的主力型芯片, 来把降低各种成本当成核心策略。

未来路线清晰，吞吐量将提升

Astrid开发完毕后, Meta下一阶段将要点提高芯片速率和吞吐量, 即单位时间内能够处理的AI任务规模, 依托光纤技能更进一步提高性能。Yee Jiun Song走漏, 产品路线图极端完善, 未来数年将持续开发性能足以与供货商产品竞赛的芯片。即使后续尚需数月进行各类精细的内测与校准, 相关生产工场将分次梯次提升产能, 且Meta已清晰表明自主研发芯片于整个算力范畴里的核心统治地位, 目标在于搭建更加具备自主性、更加实惠的AI关联设备及基建项目。 你可否认为Meta自主研发芯片确实能够把英伟达替代变为算力领域里头的主导者与霸掌权持有者? 赞赏、分享你的个人相关想法哦。