9月16日消息，Meta 定制芯片项目工程副总裁 Yee Jiun Song 对外披露了公司自研 AI 硬件的最新路线图：计划于2027年上半年在数据中心大规模部署新一代自研半导体芯片 Astrid，通过自研硬件深度优化 AI 模型运行效率，进一步降低大模型推理的整体成本与能耗。

据了解，Meta 的自研 AI 芯片计划于2023年正式对外公布，目前第三代产品 MTIA 450（代号 Arke）正处于内部测试阶段。下一代主力芯片 MTIA 500（代号 Astrid）的设计工作预计将在约一个月后全部完成，2027年底正式进入数据中心，Meta 计划对该芯片实现远超前几代的大范围部署。

Yee Jiun Song 在采访中表示，Meta 每一代自研芯片都会在技术上承担适度的探索性风险，以此换取更突出的性能提升。新一代 Astrid 芯片的核心目标，是在同等硬件投入下实现更高的能效比与更强的计算性能，支撑 Meta 当前正在大举推进的 AI 基础设施建设。

这款芯片由 Meta 与博通联合设计、台积电负责代工制造，其核心战略意义之一，是逐步降低 Meta 对英伟达高端 AI 处理器的依赖。按照当前的部署规划，Meta 计划在未来12个月内完成总能耗规模超过1GW的自研芯片部署，后续部署速度还将进一步加快，这一节奏的前提是全球 AI 市场需求不会出现大幅下滑。

为了实现软硬件的深度协同，Meta 超级智能实验室也全程参与芯片的调校工作，提前向硬件团队同步未来新一代 AI 模型、以及推理阶段的核心能力需求。Yee Jiun Song 透露，由于绝大多数核心工程工作由 Meta 自主完成，这款自研芯片在运行 Meta 自家 AI 模型时，效率将超过英伟达当前对外出货的任意一款产品。

此前的9月1日，台积电已向 Meta 交付首批12枚新型号芯片，实测性能与前期模拟结果的偏差仅控制在2%至3%。拿到芯片的当天，Meta 技术团队就成功在硬件上跑通了自家大模型，同时也完成了 DeepSeek、阿里巴巴等第三方大模型的运行测试。

目前初步测试未发现芯片存在设计缺陷，后续还将开展为期数月的全面测试与性能调校，台积电也将在这一过程中逐步提升量产规模。从 MTIA 系列前几代产品的设计来看，该系列芯片均搭载高带宽内存，定位并非追求极致响应速度的超高速推理市场，而是成为 Meta 数据中心通用推理场景的绝对主力。

Meta 此前曾规划过一款代号为 Olympus 的芯片，目标是同时兼顾 AI 训练与推理任务，原定2028至2029年推出。这一项目目前已被正式取消，公司将全部资源集中投向推理芯片的迭代。Yee Jiun Song 解释，这一决策的核心考量是成本控制：当自研芯片的部署规模达到数GW级别时，硬件成本的敏感度会大幅提升，如果强行让单颗芯片同时兼顾训练和推理能力，会让芯片整体成本上涨30%，在超大规模部署场景下这一成本增幅完全无法接受。

在 Astrid 芯片的开发工作收尾后，Meta 下一阶段的芯片研发重点，将转向提升芯片的运行速度与吞吐量，也就是单位时间内可处理的 AI 任务规模，同时还将引入光纤互联技术进一步释放硬件性能。Yee Jiun Song 表示，目前 Meta 的自研芯片产品路线图已经非常完善，未来几年会持续推出性能足以和第三方头部供应商产品正面竞争的自研 AI 芯片。