Meta 加速自研 AI 晶片布局、由台積電製造；2027 年起導入新一代處理器
Celine
擴大自研晶片部署 盼降低 AI 運算與能源成本
Facebook、Instagram 與 WhatsApp 母公司 Meta Platforms（META）正加大自研 AI 晶片的使用，藉此降低大規模基礎設施建置所帶來的成本。隨著公司持續投資資料中心、伺服器及加速器，運算與能源支出已成為 AI 發展的重要成本項目，自研晶片也讓 Meta 有機會針對特定工作負載進行優化，提升運算效率。
Meta 預計自 2027 年上半年起，將新一代內部設計 AI 晶片導入資料中心。目前公司正測試第三代 MTIA 450 處理器，代號「Arke」；後續的 MTIA 500、代號「Astrid」，則預計約一個月內完成設計工作，並於 2027 年底前進入資料中心。
與博通、台積電合作 部署規模可望擴大
Meta 工程副總裁宋怡君（Yee Jiun Song）表示，每一代晶片都會承擔更多技術風險，但也能帶來更好的效能，尤其著重於每瓦及每美元所能提供的運算表現。
Meta 目前與博通（AVGO）合作設計晶片，並由台積電（2330）負責製造。公司已承諾在 12 個月內部署超過 1 吉瓦（GW）的相關晶片；若 AI 需求持續強勁，部署速度還可能進一步加快。
早期測試結果也提供初步訊號。台積電於 9 月 1 日交付的 12 顆 Arke 晶片，實測表現與 Meta 模擬結果相差約 2% 至 3%，目前已用於執行 Meta 自家模型，以及 DeepSeek 與阿里巴巴的模型。
聚焦推論運算 取消兼顧訓練與推論的 Olympus
Meta 也調整自研晶片的發展方向。公司取消原先規劃、同時支援 AI 訓練與推論的 Olympus 處理器，部分原因與成本考量有關，轉而優先發展推論晶片，也就是負責日常執行 AI 模型的處理器。
宋怡君指出，這些晶片將成為 Meta 通用推論運算的主力。相較於需要支援多種用途的通用加速器，自研晶片可針對特定工作負載設計，有助於提升效率並降低大規模服務的運算成本。
投資人關注成本效益 執行與量產仍是考驗
對投資人而言，關鍵在於 MTIA 晶片能否在大規模部署後，實質降低 Meta 的 AI 成本曲線。若能減少耗電，並降低推論支出，Meta 將有機會在持續擴大廣告、推薦系統、AI 助理等服務之際，減輕成本對獲利率的壓力。
後續觀察重點包括晶片部署速度、每美元效能改善幅度、推論需求成長，以及 Meta 是否擴大自研晶片的應用範圍。
不過，自研晶片仍面臨執行風險。打造具競爭力的處理器需要大量資本、較長的開發週期，也仰賴與博通及台積電等合作夥伴密切協調。對 Meta 而言，如何將設計成果轉化為穩定量產與可衡量的成本節省，將是這項長期策略的重要考驗。
