根据IT之家9月15日的消息，彭博社当天报道，Meta计划在明年上半年于数据中心部署新一代自主研发的AI芯片，旨在进一步降低运行AI模型时的成本和能耗。

Meta在2023年公布了自研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。与前几代产品相比，Meta计划更广泛地部署Astrid。

负责Meta定制芯片项目的工程副总裁Yee Jiun Song在采访中表示，每一代产品都会在技术上承担稍高的风险，同时带来更好的性能。

具体来说，新一代芯片不仅需要提高能效，还要在相同投入下提供更强性能。Meta正大力建设AI基础设施，自研芯片是其中的关键部分。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。

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，后续部署速度预计会加快，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模型及推理阶段所需能力的信息。Yee Jiun Song指出，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交付了12枚新型号芯片，实测性能与之前模拟结果的差距仅为2%至3%。据IT之家了解，拿到芯片当天，团队就成功运行了Meta自家模型，以及DeepSeek和阿里巴巴的模型。

初步测试未发现芯片设计缺陷，但后续仍需数月测试和调校，工厂在此期间将逐步提高产量。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取消了该项目，转而集中资源开发推理芯片。

成本是主要考虑因素之一。当容量扩大到数GW级别时，成本变得非常重要。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，即单位时间内能处理的AI任务规模，同时利用光纤技术进一步提升性能。欧博体育平台指出，“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。”