快速了解本文
Meta 计划于 2027 年上半年部署自研推理芯片 Astrid。
因兼顾训练与推理会导致成本上升约 30%，Olympus 项目被取消。
首批样片实测性能与模拟结果差距仅为 2% 至 3%。
本摘要由 AI 辅助整理，请以正文内容为准。
Meta 计划在 2027 年上半年于自有数据中心部署新一代自研 AI 芯片 MTIA 500（代号 Astrid），以进一步降低运行 AI 模型的成本与能耗。与此同时，Meta 已取消原计划于 2028 或 2029 年推出的代号 Olympus 芯片项目，该项目原本希望同时承担 AI 训练与推理任务。战略重心的转向，指向一个清晰的现实：在数 GW 级部署规模下，兼顾训练与推理会让芯片成本上升约 30%，这被 Meta 视为完全无法接受。
01GW 级部署目标与时间线
Meta 于 2023 年公布自研 AI 芯片计划，目前正测试第三代产品 MTIA 450（代号 Arke）。下一代 MTIA 500 预计于 2026 年 10 月左右完成设计，并在 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，并设定了在 12 个月内部署超过 1GW 规模自研芯片的目标，前提是 AI 市场和需求不出现大幅下滑，后续部署速度预计还会加快。
02放弃 Olympus：30% 成本差背后的取舍
Olympus 项目被取消，是理解 Meta 当前芯片战略的关键。Meta 内部估算显示，如果一款芯片同时兼顾训练和推理，其成本将比纯推理芯片高出约 30%。在自研芯片整体部署达到数 GW 级的背景下，这一增幅无法被消化。因此，Meta 选择放弃训练/推理兼顾路线，集中资源开发面向通用推理的主力芯片。
03首批样片验证：仿真与实测高度一致
2026 年 9 月 1 日，台积电向 Meta 交付了 12 枚新型号芯片样片。实测性能与此前模拟结果的差距仅为 2% 至 3%，初步测试未发现芯片设计缺陷。拿到芯片当天，Meta 团队便成功运行自家模型，以及 DeepSeek 和阿里巴巴的模型。不过，后续仍需数月测试和调校，工厂也将在此期间逐步提高产量。样片阶段的表现不等于大规模量产后的稳定性与良率，真正支撑 GW 级部署仍需产能爬坡。
从产品定位看，Meta 四代自研芯片基本都采用高带宽内存，目标并非追求极致响应速度的超高速推理市场，而是通用推理的主力芯片。
04供应链与内部协同：降低对英伟达依赖
Meta 自研芯片由 Meta 与博通合作设计，由台积电负责制造。Meta 定制芯片项目工程副总裁 Yee Jiun Song 表示，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。同时，Meta 超级智能实验室深度参与芯片调校，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，使芯片设计直接服务于内部模型研发节奏。Meta 表示，其产品路线图非常完善，未来几年会继续开发性能足以与供应商产品竞争的芯片。
05下一阶段：从能效走向速度与吞吐量
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。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。Astrid 开发完成后，Meta 下一阶段将重点提高芯片速度和吞吐量，并利用光纤技术进一步提升性能。