將降本增效進行到底，Meta 計劃明年上半年部署新一代自研 AI 芯片
Meta 持續深化自研 AI 晶片布局，最新進展顯示，該公司正加緊測試第三世代產品 MTIA 450，代號 Arke，同時下一代晶片 MTIA 500 代號 Astrid 預計在約一個月後完成設計，並規劃於 2027 年底前正式進入數據中心部署。這一系列動作顯示 Meta 正穩步推進其長期的降本增效目標，期望透過自研晶片進一步最佳化 AI 工作負載，同時減少對外部供應商的依賴。Meta 最早於 2023 年對外公開自研 AI 晶片計畫，當時便預告將針對推論與訓練場景開發專用處理器。
經過數年發展，目前第三世代產品已進入測試階段，而下一代的 Astrid 更將採用更大規模的部署策略，代表 Meta 對自研晶片的信心與投入正逐步加大。相較於前幾代產品，Meta 計劃對 Astrid 進行更廣泛的導入，以支撐其日益龐大的 AI 運算需求。這些晶片將專注於最佳化 AI 推論與訓練工作負載，協助 Meta 在旗下社群平台如 Facebook、Instagram、WhatsApp 以及虛擬實境等業務中，更有效率地運行推薦系統、內容審查、生成式 AI 等功能。隨著 AI 模型規模快速成長，Meta 在運算基礎設施上的支出也持續攀升。
自研晶片不僅有助於降低長期硬體成本，更能讓 Meta 自行定義架構，針對自身演算法進行深度最佳化，從而擺脫對第三方供應商如 NVIDIA 的完全依賴。儘管 NVIDIA 的 GPU 目前在 AI 訓練市場占據主導地位，但 Meta 等大型科技公司紛紛投入自研晶片，試圖在關鍵環節取得更強的主導權。Google 的 TPU、Amazon 的 Trainium 與 Inferentia 都是類似策略的代表。Meta 的 MTIA 系列晶片的推出，正是這股趨勢下的一步重要棋。除了硬體層面，Meta 也在軟體層面進行配合。該公司開源的 PyTorch 框架與自家晶片搭配，能提供更佳的運算效率。
Meta 強調，自研晶片將與其開源 AI 模型如 Llama 系列深度整合，讓從訓練到部屬的流程更流暢。從時程來看，MTIA 450 目前處於測試階段，而 MTIA 500 則將在約一個月後完成 tape-out（設計定稿）。Meta 內部規畫，Astrid 將在 2027 年底前進入數據中心正式營運。這意味著未來數年內，Meta 的 AI 基礎設施將逐步採用自己的晶片，與採購的 GPU 形成混合架構。Meta 執行長祖克柏此前曾多次表示，公司將在 AI 領域進行長期且大規模的投資。
自研晶片正是這項策略核心之一，透過垂直整合，Meta 能更靈活地應對快速變化的 AI 需求，同時達成成本控製目標。儘管自研晶片開發週期長、初期投入大，但 Meta 認為長期效益顯著。一旦 Astrid 順利量產與部屬，Meta 在 AI 運算領域的自主能力將大幅提升，有望進一步推動其旗下產品與服務的智慧化演進。業界分析指出，Meta 的晶片策略並非完全取代外部供應商，而是建立多源供應體系，以分散風險並提高議價能力。在當前全球晶片供應鏈仍存在不確定性下，這樣的布局顯得更為重要。
展望未來，隨著 MTIA 系列晶片逐步成熟，Meta 將能在推薦系統、廣告投放、內容生成等核心業務上實現更低延遲、更高吞吐的 AI 服務，同時降低單位運算成本。這對於 Meta 這家高度依賴廣告收入的公司而言，具有直接且長遠的財務意義。總體而言，Meta 在自研 AI 晶片上的持續推進，不僅展現出其對技術自主的決心，也反映出整個科技產業在 AI 運算硬體領域的競賽正進入白熱化階段。從 2023 年公開計畫到如今第三、第四代產品逐步就位，Meta 正一步步將降本增效的口號化為實際行動。
Related
相關文章
Transformers Model Integration Contracts
Back to Articles Transformers Model Integration Contracts Published November 3, 2026 Update on GitHub Upvote - Tarek Ziadé tarekziade Follow On July 30, 2026, Transformers enabled PyTorch's scaled dot-product attention (SDPA) for T5.
NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required
Back to Articles NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required Enterprise + Article Published October 21, 2026 Upvote 1 Joshua Przybylko jprzybylko Follow nvidia Jure Leskovec profjure Follow nvidia Matthias Fey rusty1s Follow nvidia Federico Lopez flopeznv Follow nvidia Valter Hudovernik valterh-nv Follow nvidia Akihiro Nitta akihironitta-nv Follow nvidia Ramona Bendias RBendiasN Follow nvidia TL;DR NVIDIA Kumo Relational is a pre-trained relational foundation model that makes predictions directly on enterprise databases.
NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability
Back to Articles NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability Enterprise + Article Published October 21, 2026 Upvote - Saira Qureshi sairaq Follow nvidia Aditi Gautam adgautam Follow nvidia Manikandan Ravikiran mravikirannvidia Follow nvidia Sena Ekiz neptunel1 Follow nvidia Viraj P Modak vmodak Follow nvidia Highlights (TL;DR) NVIDIA Kumo Forecast (formerly known as NV-Tesseract Forecasting) is a multi-variate time-series forecasting model that combines a pretrained Transformer backbone with Domain-Aware Representation and Retrieval (DARR), a context-enhanced forecasting mode that blends direct model predictions with patterns retrieved from historical data.
Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories
Back to Articles Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories Enterprise + Article Published October 21, 2026 Upvote 1 John Kosnik jkosnik Follow nvidia Frank DeLise delisef Follow nvidia Pomi Lee pomilee Follow nvidia Building robotics simulations and high-fidelity AI factory digital twins takes more than 3D models.
NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation
Back to Articles NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation Enterprise + Article Published October 20, 2026 Upvote - Lukas Zbinden lzbinden Follow nvidia Javier Gamazo javirk1 Follow nvidia Nigel Nelson nigeln Follow nvidia Mostafa Toloui mtoloui Follow nvidia Sean Huver shuver Follow nvidia Picture moving the Cadiere grasper, grasping the gallbladder, and lifting it, all within a generated surgical scene that responds in real time.
擴展印度語言預訓練：2.8兆詞元與開放資料生成管線
本文介紹了針對22種印度語言的預訓練擴展計畫，使用了2.8兆詞元，並提供了12種語言的羅馬化資料。作者來自AI4Bharat與NVIDIA，開發了一套可重用的GPU加速管線，用於翻譯、品質評估與修復，以支援這些語言的模型訓練。