meta Platforms Inc.（meta.US）首席財務官蘇珊·利近日在公開場合透露，公司正加速推進定制芯片的研發與應用，計劃將自研芯片從現有的推薦系統領域拓展至人工智能模型訓練環節。這一戰略調整標志著meta在算力自主化道路上邁出關鍵一步，盡管其近期已與英偉達、AMD等芯片巨頭達成大規模采購協議，但內部芯片研發項目仍被視為長期技術布局的核心。
作為全球最大的AI模型訓練數據中心運營商之一，meta的算力需求正隨著生成式AI技術的爆發呈現指數級增長。蘇珊·利指出，公司部分業務場景具有高度定制化特征，通用芯片難以完全匹配內部算法需求，因此自研芯片成為優化成本與性能的關鍵路徑。目前，meta已在其核心的社交媒體排名與推薦系統中大規模部署定制芯片，顯著提升了運算效率并降低了對外部供應商的依賴。
據行業分析，meta的芯片戰略分為兩步走：短期通過采購多元化芯片滿足即時需求，長期則以自研訓練芯片為目標實現基礎設施轉型。盡管市場對AI訓練芯片的研發難度存在質疑，但meta仍堅持將“全棧自研”作為破局關鍵——通過將芯片架構與自有大模型Llama深度整合，公司有望在降低硬件采購成本的同時，減少供應鏈波動帶來的風險。
技術挑戰與現實壓力并存。近期有消息稱，meta在研發前沿訓練芯片過程中遭遇技術瓶頸，部分高性能項目進度或受影響。為平衡短期算力缺口與長期目標，公司采取了靈活策略：一方面租用谷歌TPU資源加速大模型開發，另一方面維持與英偉達的深度合作。蘇珊·利強調，meta將采取“漸進式擴展”模式，先在特定定制化任務中取得突破，再逐步攻克通用大模型訓練的技術難題。
從行業視角觀察，meta的造芯計劃反映了超大規模云廠商在AI時代的共同趨勢。通過掌控芯片設計權，企業不僅能優化模型訓練效率，還能在硬件能耗、數據安全等維度建立競爭優勢。盡管從推理芯片跨越到訓練芯片面臨架構重構等巨大挑戰，但meta憑借其龐大的用戶場景和充足的現金流，正試圖重塑互聯網巨頭與硬件供應商之間的權力格局。
