Meta决定更进一步，投资研发自主人工智能芯片，以驱动支撑Facebook、Instagram、WhatsApp及其新型生成式人工智能工具的庞大基础设施。此举旨在应对计算能力需求的急剧增长，以及几乎完全依赖Nvidia和AMD等供应商所带来的日益高昂的成本。
通过此次发布，马克·扎克伯格的公司旨在减少对第三方供应商的依赖，降低数据中心的运营成本，并根据其平台内的特定工作负载定制硬件。这并非向其他公司出售处理器，而是为内部使用构建定制芯片。
MTIA是什么？Meta为什么想要自主研发人工智能芯片？
该计划的核心是元训练和推理加速器（MTIA）系列，这是该公司自2023年以来一直在研发的项目，目前已推出多款芯片型号，并逐渐成型。其核心理念是设计更紧凑、更高效的处理器，用于处理特定的AI任务，而非目前市场上占主导地位的大型通用芯片。
正如该公司解释的那样，MTIA 的架构专注于平衡计算能力、内存带宽和内存容量，以服务于分类和推荐模型，并应对日益增长的推理工作负载。换句话说，它们经过优化，能够决定每个用户看到的内容、AI 助手的响应速度以及如何处理数百万个并发请求。
Meta强调，其产品并非面向大众市场，因此其芯片无需包含传统GPU的所有组件。这种省略不必要功能的做法，使其能够降低成本，并根据自身服务的实际需求对设计进行微调。
这些新芯片将由台积电（TSMC）生产，台积电是全球最大的半导体代工厂，也是苹果、英伟达和高通等科技巨头的长期合作伙伴。从设计到首批芯片交付，整个过程大约需要两年时间。
四代功能各异的MTIA芯片
目前的路线图设想推出四代自主研发的芯片：MTIA 300、400、450 和 500，并将在 2027 年前分阶段发布。所有这些芯片都在并行开发，使 Meta 能够根据其 AI 工作负载的演变来调整每次迭代。
MTIA 300已投入生产，并应用于分类和推荐系统——即决定在 Facebook 和 Instagram 上向每位用户展示哪些内容、广告和视频。这款首款产品旨在以低能耗实时处理大量请求。
其继任者MTIA 400（内部代号 Iris）已通过实验室测试，并正在公司数据中心部署。Meta 声称，与 MTIA 300 相比，MTIA 400 的某些操作性能提升了四倍，并显著提高了内存访问速度，从而实现了更快的响应速度和更大的并发流量处理能力。
下一代模型MTIA 450 和 MTIA 500（代号分别为 Arke 和 Astrid）面向大规模高级推理任务，并将于 2027 年开始更广泛地采用。其中，Astrid 功能更强大，与前代产品相比，其内存容量提高了约 80%，访问速度提高了 50%，使其更适用于生成式人工智能场景和大型语言模型。
Meta公司工程副总裁宋义俊指出，这四款产品正在并行开发，并将以大约六个月的间隔陆续发布。他解释说，人工智能工作负载的快速变化需要根据不断变化的需求，持续修订产品路线图并调整开发方向。
数百万美元的投资和长期战略
Meta公司转向自主研发芯片的同时，也制定了一项前所未有的支出计划。该公司计划到2025年为其整个技术基础设施投入115.000亿至135.000亿美元的资本，随着新数据中心的建成，预计未来几年这一数字仍将居高不下。
芯片的设计和生产成本并不低廉：从设计到制造的整个过程通常耗资数十亿美元，而且只有在大规模应用和高利用率的情况下才能实现盈利。Meta 希望利用其平台上的海量流量和请求，从中获得竞争优势。
为了增强内部实力，该公司采取了一系列重大举措。在收购韩国FuriosaAI失败后，Meta最终收购了位于圣克拉拉的半导体公司Rivos及其数百名员工。此举旨在加速人工智能定制芯片的设计，并能够同时推进多个芯片项目。
与此同时，Meta与博通在特定设计方面展开合作，并与英伟达和AMD保持着大批量供货协议。今年2月，该公司签署了价值数百亿美元的合同，以确保GPU的持续供应，这些GPU在未来几年仍将是训练和部分推理处理的关键。
内部芯片和外部GPU之间的平衡
公司管理层坚称，对MTIA的投资并非意味着与Nvidia或AMD决裂，而是为了补充它们的产品。目前，Meta自主研发的芯片主要用于内容推荐和推理系统，而大型语言模型的训练仍然依赖于外部供应商的硬件。
公司首席财务官苏珊·李解释说，该策略涉及根据任务的不同组合使用不同类型的处理器。对于某些高度专业化的工作负载，他们自主设计的芯片可以提高效率并降低成本；而对于其他工作负载，例如训练下一代模型，来自英伟达或AMD的高性能GPU仍然至关重要。
李女士本人也承认，Meta 的目标是未来开发出能够训练其最先进 AI 模型的处理器，但她也承认，要达到目前主流第三方厂商的水平还需要时间。目前，公司的首要任务是拓展 MTIA 在分类、推荐和生成式推理领域的应用。
除了硬件研发，Meta 还通过组建由Maher Saba领导的新工程团队来加强其内部人工智能架构，该团队将与公司的超级智能实验室协同工作。此外，Meta 还达成了多项内容访问协议，例如与新闻集团签署的价值高达每年 50 万美元的协议，用于利用新闻素材和档案资料训练其模型。
在硅谷竞赛中与谷歌、亚马逊和微软展开竞争
Meta 的举动符合科技行业的大趋势。谷歌多年来一直在开发其 TPU，用于在其云端训练和运行 AI 模型，而亚马逊则拥有 Trainium 和 Inferentia 等自主研发的处理器。微软方面，也已开始部署自主设计的芯片用于特定功能，并结合为 Azure 提供大部分支持的第三方硬件。
凭借MTIA，Meta正式加入对基础设施最关键层级的直接控制权争夺战。然而，该公司也意识到，英伟达仍然占据主导地位，拥有超过90%的AI芯片市场份额，并在专用GPU领域拥有十多年的技术优势。
Meta 的策略并非一夜之间取代英伟达，而是构建一个专为自身服务量身定制的硬件层，使其能够根据社交和人工智能应用网络的实际需求调整性能、功耗和成本。在计算能力需求激增的背景下，任何单位成本的节省，一旦应用于数万台服务器，都将产生巨大的影响。
Meta的基础设施规模有助于解释其这一战略。该公司正在美国多个州扩建数据中心，并加强其全球能力，以支持其社交网络和新型人工智能产品，例如基于应用程序的助手以及提供图像和价格推荐的产品搜索功能。
Meta 的这项自主芯片计划使其技术发展处于关键阶段：如果该计划能够帮助 MTIA 在保持服务所需性能的同时降低成本，公司就能在 GPU 市场波动时获得更大的灵活性，并能够继续扩展其大规模 AI 项目，而无需过度依赖第三方。挑战在于，如何在技术飞速发展的行业中按时执行复杂且成本高昂的路线图。正如公司自身所承认的，这种发展速度甚至令行业前沿人士都感到惊讶。
