Meta的自研芯片“折戟”与“重生”：一场千亿豪赌的AB面

2026年3月初，当Meta首席财务官苏珊·李（Susan Li）在摩根士丹利科技会议上说出“我们预计并希望将定制芯片最终应用于AI模型训练”时，外界很难不被这家社交媒体巨头的雄心所震动。

然而，就在一周前，多家媒体刚刚爆出Meta已正式取消其最先进的AI训练芯片项目“Olympus”——这款对标英伟达旗舰产品的芯片，因设计难度过大而被放弃。

一面是高调宣布进军训练芯片，一面是高端项目黯然折戟。这看似矛盾的两则新闻，恰恰勾勒出Meta在AI算力自主化道路上的真实处境：一场夹杂着野心、妥协与挣扎的千亿豪赌。

一、战略升级：从“推理”到“训练”的跨越

苏珊·李在会议上的表态之所以引发广泛关注，是因为它标志着Meta自研芯片战略的一次关键跃迁。

自2023年首次公开MTIA（Meta训练与推理加速器）项目以来，Meta的自研芯片主要部署在“推理”环节——也就是在已经训练好的模型中，处理用户的实时请求，如Facebook和Instagram的信息流推荐。这类芯片对算力要求相对较低，但对延迟和成本控制极为敏感，是Meta优化现有业务、降低对英伟达依赖的“第一战场”。

而“训练”则是另一重天。训练大模型需要海量算力和极高的计算精度，长期以来被英伟达的GPU与CUDA生态牢牢把持。苏珊·李直言，Meta的定制芯片将从排序和推荐类负载起步，但“最终将应用于人工智能模型训练”。这意味着Meta正试图从英伟达最核心的领地撕开一道口子。

这一战略升级的逻辑是清晰的：Meta预计2026年资本支出将达到1150亿至1350亿美元，其中大部分将投向芯片与服务器。如果能在训练环节实现部分自给，节省的成本将是天文数字。

二、折戟Olympus：挑战英伟达的代价

然而，通往算力自主的道路从不平坦。就在苏珊·李发声前一周，Meta内部刚刚经历了一次惨痛的“断臂”。

据多位知情人士透露，Meta已正式取消了其最先进的AI训练芯片项目，内部代号“Olympus”。这款芯片原本计划采用与英伟达类似的SIMT（单指令多线程）架构——这种架构对软件工程师更友好，更适合训练现代AI模型，但硬件设计难度极高。

Olympus的命运其实早有征兆。此前，Meta已经放弃了第二代训练芯片的一个版本“Iris”，该芯片采用相对简单的SIMD架构，虽然硬件设计容易，但软件开发难度大。从Iris到Olympus，Meta试图从“硬件易、软件难”的一端，摆荡到“软件易、硬件难”的另一端，最终被后者的复杂度压垮。

一位参与Meta芯片项目的人士坦言，公司内部对能否开发出性能匹敌英伟达的产品普遍持怀疑态度：“这项工作需要庞大工程师团队进行设计、调试，并确保功耗不会过高，否则相比英伟达芯片将毫无性价比。”

更大的隐忧在于时间。Meta原本计划最早在2026年第四季度完成Olympus设计。但在与OpenAI、谷歌的激烈竞争中，高管们认定，依赖一款尚未成熟的自研芯片训练新模型，风险过高。训练软件的稳定性、大规模量产的可行性，都成为悬在Olympus头顶的达摩克利斯之剑。

三、MTIA 3：折戟之后的“重生”

Olympus的取消是否意味着Meta自研芯片战略的倒退？答案或许恰恰相反。

就在放弃高端芯片的同时，Meta正在悄然推进另一款芯片的量产。据业内消息，代号“MTIA 3”的新一代芯片已完成原型设计，预计将在2026年第三季度投入量产。

MTIA 3的技术路径耐人寻味。它放弃了与英伟达正面硬刚的SIMT架构，转而采用RISC-V指令集，核心数超过1000个，算力超过200 TFLOPS。更重要的是，MTIA 3的设计来自Meta去年收购的芯片初创公司Rivos——这家公司曾宣称其GPU能够高效运行英伟达的CUDA软件代码。

这是一个“曲线救国”的策略：不追求在单芯片性能上超越英伟达，而是通过架构创新和生态兼容，在特定工作负载中实现成本优化。Meta的目标是到2026年底达到超过100 exaFLOPS的计算能力，这意味着它需要英伟达、AMD的通用芯片与自研芯片形成组合拳。

正如苏珊·李所说：“我们正在购买不同类型的芯片来处理不同类型的任务。基于目前的信息，我们会判断每类应用场景哪种芯片是最优选择，而定制芯片是其中重要一环。”

四、成本与自主：一场不得不打的仗

Meta对自研芯片的执着，归根结底是两个字：成本。

据估算，Meta每年在英伟达GPU上的支出高达50亿至70亿美元。而自研ASIC芯片有望将成本降低40%到60%。在广告业务增速放缓、元宇宙投入尚未见效的当下，这笔账必须算。

更深层的逻辑是自主可控。英伟达CEO黄仁勋曾公开表示，大多数科技巨头最终会放弃自研竞品芯片的计划，因为这些芯片的性能将持续落后于英伟达产品。但Meta、谷歌、亚马逊等超大规模云厂商显然不打算接受这一论断——它们正在通过全栈自研，重新定义互联网巨头与硬件供应商之间的权力天平。

从推荐系统的推理跨越到复杂模型的训练，这是一场漫长的攻坚战。Meta的路线图清晰地展示了这场战役的阶段性：先用成熟的外部芯片保障核心业务不落后，再用自研芯片在特定场景中寻找成本优势，最后逐步向训练环节渗透。

五、结语

Olympus的折戟，与其说是Meta的失败，不如说是整个行业试图挑战英伟达霸权时遭遇的普遍困境的真实写照。而MTIA 3的推进，则展示了这场战役的另一面：不追求毕其功于一役，而是在妥协中寻找突破。

对于Meta而言，自研芯片从来不是一道“是与否”的选择题，而是一场关于时间、成本和战略耐心的综合博弈。苏珊·李所说的“随着时间推移逐步扩大范围”，或许正是这场千亿豪赌最真实的注脚。

毕竟，在AI算力的战场上，真正的胜利往往不属于最激进的进攻者，而属于那些能在折戟之后依然坚持“重生”的长期主义者。