Meta 正悄悄打造自己的 AI 芯片帝国

当全世界都在盯着英伟达的 H100 和 B100 芯片时，Meta 已经在自家数据中心里，悄悄部署了成千上万块自己设计的芯片。这不是噱头，也不是未来计划——而是正在发生的现实。为了不再被一家公司卡住脖子，Meta 正在以惊人的速度推进自研 AI 芯片，目标是在 2027 年底前，完成四代自研芯片的全面落地。

目前，Meta 的第一代自研 AI 芯片 MTIA 300 已经在 Instagram 和 Facebook 的推荐系统中大规模运行。它不追求通用性能，专为“猜你喜欢”这种任务优化——处理用户滑动、点击、停留时间这些海量数据时，效率比通用 GPU 高出 40% 以上。工程师们说，它不是“最好的芯片”，但“最懂我们的业务”。

第二代芯片 MTIA 400，代号“艾瑞斯”，已经从实验室搬进了生产机房。它能同时处理推荐系统和轻量级生成式 AI，比如自动生成帖子摘要、智能回复评论。而接下来的 MTIA 450（代号“阿尔克”）和 MTIA 500（代号“阿斯特丽德”），将直接面向视频生成、实时语音合成这类更重的负载。按照时间表，2027 年上半年，Meta 的数据中心将开始用上“阿尔克”，年底则全面换上“阿斯特丽德”。

不是要取代英伟达，而是要省下几十亿美元

别误会，Meta 没有打算一夜之间甩掉英伟达。恰恰相反，他们仍是全球最大的 GPU 买家之一。2023 年，Meta 一口气采购了超过 30 万张 H100，2024 年又追加了数十亿美元的订单。但这些芯片，主要用于训练大模型、跑实验、处理突发流量——是“主力部队”。

而自研芯片，是“特种部队”。它们不干重活，专挑那些重复、高频、标准化的任务：比如，每天 200 亿次的图片排序、150 亿次的广告投放决策、数以亿计的评论过滤。这些事，用 GPU 做太贵，用 CPU 又太慢。MTIA 芯片就是为这些“脏活累活”量身定制的。

据内部人士透露，每一块 MTIA 芯片的运营成本，比同等算力的 GPU 低 30% 到 50%。按 Meta 每年数百万块芯片的规模计算，这相当于每年省下 20 亿到 30 亿美元的电费和采购费。这笔钱，足够再买一整个 AI 超算中心。

收购一家芯片初创，只为了 30 个工程师

2023 年，Meta 低调收购了硅谷初创公司 Rivos。这家公司没名气，没产品，但有 30 多个曾在苹果、高通、谷歌做过芯片设计的工程师。Meta 付了数亿美元，只为把他们挖过来。

这不是孤例。过去三年，Meta 在芯片团队上的投入超过 50 亿美元，招聘了超过 1500 名硬件工程师，遍布硅谷、西雅图、奥斯汀，甚至远到以色列和印度。他们不搞“闭门造车”，而是把芯片设计、软件栈、数据中心运维全打通——从电路图到服务器机柜，全都由同一支团队负责。

“我们不需要做最牛的芯片，”一位参与 MTIA 项目的老工程师说，“我们只需要做‘刚好够用、便宜、稳定、能持续迭代’的芯片。”

真正的护城河，不在芯片，而在节奏

芯片研发周期长、风险高，但 Meta 的优势在于：它每天都在用。Instagram 每天有 20 亿活跃用户，每个滑动、点赞、转发，都是对芯片的实战测试。反馈从用户行为到芯片功耗，24 小时内就能回流到设计团队。

这种“用中改、改中用”的节奏，是任何一家外部芯片厂商都做不到的。英伟达的芯片要卖给全球客户，必须通用；而 Meta 的芯片，只服务自己的场景——越用越准，越改越狠。

2027 年，当 Meta 的四代自研芯片全部上线，他们的数据中心将不再依赖单一供应商。这不是为了“对抗”谁，而是为了掌握自己的命运。在 AI 算力变成水电一样的基础设施时代，谁控制了底层硬件，谁就掌握了成本和速度的主动权。

Meta 不是第一个这么做的——亚马逊、谷歌、微软早就在干。但 Meta 的特别之处在于：它没有云服务可卖，它的全部价值，就藏在那一个个推荐流、一条条动态、一段段视频里。而让这些内容跑得更快、更便宜、更稳定，就是它活下去的命。