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。”
原文抓取与轻量化重排，仅供阅读辅助。 · 源语言：zh