Meta 公佈自研晶片路線圖：兩年推四代 MTIA，主打 AI 推理

造一顆晶片通常要一到兩年，但 Meta 卻打算像更新手機軟體一樣造晶片：未來兩年內，一口氣端出四代自研 AI 晶片。

Meta 正式公佈了自研晶片家族 MTIA 的最新路線圖。目前 Meta 已經在線上部署了數十萬顆前代 MTIA 晶片，主要跑應用裡的內容推薦和廣告。接下來，他們要把研發週期壓縮到六個月以內，在 2026 到 2027 年間接連推出 MTIA 300、400、450 和 500 四款產品。

半年迭代一次的自研晶片

傳統晶片廠商大多遵循一至兩年的迭代週期，往往晶片剛流片出來，前沿大模型的結構就已經大變樣了。Meta 這次拉上博通（Broadcom）合作，改走模組化小晶片（chiplet）路線。

由於採用了模組化設計，新晶片可以直接插入現有的資料中心機架，不需要推倒重造機房，大幅縮短了上線投產的時間。

四款晶片的分工很明確。MTIA 300 目前已經投產，專門負責資訊流推薦與排序模型的訓練任務，內部集成了網路網絡卡小晶片和專用訊息引擎。

隨後的 MTIA 400 則開始兼顧生成式 AI，FP8 浮點算力比 300 提升了 400%，視訊記憶體頻寬提高 51%。到一個機架容納 72 顆晶片時，算力密度翻倍。

再往後的 MTIA 450 和 500，則把重點全盤押在生成式 AI 推理上。從 MTIA 300 到 MTIA 500，視訊記憶體頻寬暴漲 4.5 倍，算力更是飆升了 25 倍。

把推理成本打下來的算盤

主流半導體巨頭的做法，通常是先造一顆效能最頂級、價格也最貴的旗艦晶片去跑大模型預訓練，然後再順帶拿它去跑推理。這種方案應付推理其實很浪費，成本也高得嚇人。

Meta 偏偏反著來。他們認為大模型的預訓練需求雖然大，但隨著幾十億使用者每天使用 AI 助手和推薦系統，生成式 AI 推理的需求才是真正的無底洞。

因此 MTIA 450 和 500 從底層就是為推理量身定做的，重點強化低精度的 MX4 和 MX8 算力，之後有需要再去兼顧訓練。

為了避免自研硬體沒人用的尷尬，Meta 從一開始就讓硬體完全貼合現有的開源軟體生態，原生支援 PyTorch、vLLM 和 Triton，系統方案也遵循開放計算專案（OCP）規範，內部業務遷移幾乎零門檻。

當然，Meta 並沒有打算徹底拋棄輝達。官方明確表示依然會保持多元採購策略，外部晶片和自研 MTIA 雙軌並行。

為什麼重要

我們認為，Meta 這一步走得極其務實，精準切中了當下一線大廠最頭疼的算力賬單問題。

對於每天使用 Meta 系列產品的數十億普通使用者來說，自研晶片意味著後臺生成式 AI 和推薦功能能夠以更低的時延響應，而 Meta 也無需因為高昂的算力成本對免費 AI 功能摳摳搜搜。

在行業層面，這再次印證了一個趨勢：頭部雲廠商和社交巨頭不可能把命門完全交給輝達。從兩年前僅用於推薦推理，到現在殺入生成式 AI 和模型訓練，Meta 正在快速補齊閉環能力，這也會迫使外部供應商給出更有競爭力的報價。

看起來 Meta 的做法非常聰明。用半年一迭代的模組化節奏對抗模型演算法的不確定性，用「推理優先」避開跟輝達硬碰硬的預訓練戰壕。不過隱患在於，如此高頻的硬體更迭對底層編譯工具鏈和軟硬體協同是極大的考驗，稍有脫節就可能讓新硬體淪為擺設。