共计 1212 个字符，预计需要花费 4 分钟才能阅读完成。
消息称 Meta 计划 9 月量产自研 AI 芯片 Iris, 目标明年 AI 算力翻倍至 14 吉瓦
Meta 的 AI 基础设施布局正在提速 。 据一份内部备忘录相关信息显示,Meta Platforms 计划最早在今年 9 月启动自研 AI 芯片 Iris 的量产, 并将其纳入更大规模的数据中心算力扩张计划中。
📌 自研芯片 Iris: 不是替代 GPU, 而是补充算力
Iris 是 Meta 自研 MTIA(Meta Training and Inference Accelerators)路线中的一款数据中心 AI 芯片, 面向训练与推理任务。Meta 希望通过更贴合自身业务需求的芯片设计, 为 Facebook、Instagram 等平台背后的 AI 功能提供更高效的计算支持。
从定位看,Iris 并不是要完全取代英伟达或 AMD 的 GPU。更准确地说, 它将作为 Meta 大量采购外部 AI GPU 之外的补充, 用于分担特定 AI 负载, 从而提升整体算力部署弹性。
🔍 六周测试未见重大问题, 项目出现积极信号
备忘录提到,Iris 的测试周期约为六周, 期间没有发现重大问题。对于 Meta 已推进多年、此前并不算顺利的自研芯片项目而言, 这一进展被视为较积极的信号。
在合作模式上,Meta 根据自身需求进行定制设计, 并与博通合作完成芯片设计, 制造环节则由台积电承担。这类定制芯片模式的核心价值, 在于尝试降低长期 AI 计算成本, 并减少对单一外部芯片供应体系的依赖。
💡 算力目标抬高:2027 年计划达到 14 吉瓦
为配合这一目标,Meta 预计今年 AI 基础设施投资最高可能达到 1450 亿美元。对于一家社交平台巨头而言, 这意味着 AI 已不再只是产品功能升级, 而是进入到数据中心、电力、芯片和供应链深度绑定的阶段。
📊 长期供应协议成为关键保障
- 与三星电子签订内存芯片供应协议;
- 与闪迪签订闪存产品供应协议;
- 与住友电工签订光纤设备供应协议。
这些安排反映出一个趋势:AI 竞争不只发生在模型和应用层, 也发生在内存、存储、光纤、先进封装和电力资源等基础环节。对于超大规模数据中心建设来说, 提前锁定供应已成为降低不确定性的必要动作。
🚀 行业观察: 科技巨头正在重塑 AI 芯片采购逻辑
Meta 推进 Iris, 并不意味着外部 GPU 的重要性下降。相反, 在 AI 训练和推理需求持续增长的情况下, 英伟达、AMD 等供应商仍将是核心算力来源。但对 Meta 这类规模极大的公司来说, 自研芯片可以在部分场景中带来成本、能效和供给稳定性的改善空间。
同时,Meta 计划以约每六个月一款新 AI 芯片的节奏推进产品路线, 这明显快于行业常见的一年或更长更新周期。如果后续能够按计划落地, 其自研芯片体系可能会成为支撑 AI 产品迭代和基础设施扩张的重要变量。
总体来看,Iris 的量产计划传闻显示,Meta 正把 AI 竞争进一步推向“自建算力底座”。短期看, 它有助于缓解 GPU 部署压力; 长期看, 能否真正降低成本并提升效率, 还需要等待规模化部署后的实际表现。
