Meta 9 月量产自研 AI 芯片，不是要抛弃英伟达，而是先拿回推理成本
作者：陈墨｜OC 产业编辑
陈墨
据 TechCrunch 援引路透社报道，Meta 计划在 9 月开始生产最新一代自研 AI 芯片。芯片由 Meta 与 Broadcom 合作设计，交给台积电制造，相关系统还会使用三星内存、SanDisk 存储和住友电工光纤设备。
一句话结论：Meta 自研芯片的现实目标不是立刻替代 Nvidia，而是把推荐系统和大规模 AI 推理中最稳定、最昂贵的那部分工作先搬到自己的硬件上。
Meta 从 2023 年起推进 MTIA，也就是 Meta Training and Inference Accelerator。虽然名字里同时有训练和推理，当前更成熟的方向仍是推荐、排序和生成式 AI 推理。训练最前沿大模型需要高度通用的软件生态、网络和算力，Nvidia GPU 依然更灵活；每天为数十亿用户重复执行相似推理，则更适合针对负载定制芯片。
Meta 今年 3 月公布了四代新芯片路线图，并强调模块化 chiplet 和更短迭代周期。官方称 MTIA 300 已用于排序和推荐，后续 400、450、500 会逐步覆盖生成式 AI 推理。支持 PyTorch、vLLM 和 Triton 也很关键，因为硬件省下的钱，很容易被模型迁移和维护成本重新吃掉。
为什么 Meta 此时如此着急？公司预计今年资本支出达到 1250 亿至 1450 亿美元，计划部署约 7GW 计算能力，并在下一年继续扩大。规模到了这个程度，哪怕只有一部分推理改用成本更低、能效更高的自研芯片，节省也可能非常可观。
但这不代表 Nvidia 订单会突然消失。Meta 同时仍在购买 Nvidia 和 AMD GPU，也与 AWS、Arm 等供应商合作。更准确的图景是异构算力：前沿训练和变化快的任务使用 GPU，稳定的大规模推理、推荐和广告排序逐渐转向自研 ASIC。
量产时间也不等于大规模部署完成。芯片需要经过良率、封装、服务器、网络、软件栈和真实负载验证。报道所说某款芯片约六周完成测试，是一个积极信号，却不能直接推出它已经能在所有 Meta 数据中心可靠替代商用 GPU。
关键事实
- Meta 计划 9 月启动最新自研 AI 芯片生产。
- 芯片与 Broadcom 合作设计，由台积电制造。
- MTIA 当前重点是排序、推荐和生成式 AI 推理，并非全面替代前沿训练 GPU。
- Meta 今年预计资本支出 1250 亿至 1450 亿美元。
OC 判断
自研芯片不是一场“谁把 Nvidia 淘汰”的比赛，而是云和平台公司对毛利率的长期工程。只要 AI 推理量继续增长，Meta 就会把可预测任务从昂贵通用 GPU 上剥离；Nvidia 仍会保留最难、变化最快和生态要求最高的部分。
为什么重要
- 开发者：同一个模型未来可能运行在多种后端上，算子兼容和性能可移植性会更重要。
- 企业：算力采购会从单一 GPU 转向 GPU、自研 ASIC 与云芯片混合配置。
- 用户：自研芯片节省的成本未必直接降价，但会影响 AI 功能能否大规模免费提供。
评论
围绕这篇文章补充信息、提出问题或分享观察。