Meta 自研 AI 芯片将于九月投产
Meta每年在英伟达GPU上烧掉几百亿美元，这已经成为它AI战略的最大单点瓶颈。文章指出了一个非常现实的痛点：即便Meta今年资本支出高达1450亿美元，大部分流向AI基础设施，但GPU供应链的短缺和昂贵让Meta痛感受制于人。更根本的问题在于，Meta的需求极其特殊——它需要海量芯片来完成推荐排序这类巨型模型的推理，而英伟达的通用GPU在这类场景里存在严重的效率浪费。所以Meta的痛点从来不是“没有算力”，而是“为不需要的通用性支付了过高溢价”。
Meta的解法不是要造一个英伟达杀手，它走了一条更务实的路径：模块化小芯片（chiplets）架构。具体来说，MTIA芯片放弃了英伟达那种大而全的GPU设计，转而用可组合的专用模块来适配Meta自己的推荐模型和生成式AI推理任务。这样做的好处很明显——芯片设计周期大大缩短，其中一个型号的测试只用了六周就完成了。更重要的是，Meta与博通合作设计、台积电代工、三星供应内存、闪迪负责存储，这种松散耦合的供应链策略让它能灵活应对未来两三年内AI工作负载的变化，而不是像买英伟达GPU那样被锁定在单一架构里。
这则新闻的真正信号不在于Meta自研芯片本身（毕竟亚马逊和谷歌早就在做），而在于它揭示了 AI芯片市场正在从大一统走向碎片化 的趋势。英伟达的市场统治力建立在一个前提上：所有AI公司都愿意为通用性买单。但像Meta这样拥有极度个性化工作负载的大用户，已经开始用脚投票——不是彻底抛弃英伟达，而是在最关键、最烧钱的那部分场景里用自研芯片替换掉通用GPU。这对创业者和技术决策者的启发是：未来AI创业公司在芯片选型上不能再只有“买不买英伟达”这一个问题，而是需要认真考量，自己的核心业务到底需要的是通用算力还是专用效率。这一波趋势，最终会让整个AI基础设施的供应链变得更加多元和韧性。
