3月5日消息，虽然近期有传闻称，Meta将放弃自研人工智能（AI）训练芯片，但是据彭博社最新报道，Meta公司正在加速其AI基础设施的扩展，其中包括开发自家定制的芯片，以训练未来的AI模型。

Meta公司首席财务官财Susan Li近日在摩根士丹利主办的技术会议上表示，Meta最近与顶级芯片厂商达成了重大交易，但对于自研芯片的雄心不断增强，包括开发可以训练未来AI模型的处理器的计划。

Susan Li指出：“我们的一些工作负载确实非常适合我们的自研芯片。……排名和推荐工作负载一直是我们关注的地方，也是我们需要大规模推出定制芯片的地方。但我们预计并希望随着时间的推移，我们会扩大这一应用范围，包括最终训练AI模型。”

资料显示，Meta 的第一代AI芯片 MTIA v1 在经过三年的开发后于 2023 年初发布，该芯片基于 RISC-V 构建，并采用台积电 7nm 工艺制造。其内部采用 8×8 的处理单元矩阵，每个处理单元配备两个 RSIC-V CPU 核心，其中一个核心带有向量数学扩展。这些核心集成了 128MB 的片上 SRAM，并支持 128GB 的 LPDDR5 内存。

2024年，Meta发布了第二代AI芯片 MTIA v2，制程工艺升级到了5nm。并且配备更多处理核心，片内存储（on-chip memory）也翻倍到了256MB（MTIA v1 仅有128MB），off-chip LPDDR5也提高到了128GB（MTIA v1 为 64GB），主频也从800MHz上升到了1.35GHz，当然功耗也增加到了90W（MTIA v1 为 25W）。

但是，Meta第三代AI芯片至今却迟迟未推出。近期，根据Meta内部从事芯片研发工作的人士爆料称，该公司在已经放弃了其新一代AI芯片的一个版本，该芯片内部代号为“Iris”。随后，Meta开始研发一款代号为“Olympus”的更先进的AI训练芯片，但现在可能也将放弃该项目。

该内部人士表示，由于存在延期或需要重新设计的风险，公司内部对开发性能与英伟达芯片相媲美的计划持怀疑态度。据报道，该人士称，这项工作需要一支庞大的工程师团队来设计和调试芯片，并确保其功耗不会过高，否则与英伟达的产品相比，这些芯片将失去竞争力。

Iris 的训练芯片基于一种名为单指令多数据流 (SIMD) 的计算方法。SIMD 通常更容易让硬件工程师设计，但对于软件工程师来说，在训练 AI 模型时进行编程则较为困难。报告指出，Olympus 采用的计算方法与英伟达 AI 芯片所用的类似：单指令多线程 (SIMT)，这种方法通常更容易让软件工程师进行编程，但对于硬件工程师来说设计则较为困难。很多科技公司都青睐这种由英伟达的方这种法，因为它更加灵活，也更适合训练现代AI模型。

Meta原本的目标是最早在2026年第四季度完成Olympus芯片的设计。然而，报告补充说，从初步研发到量产，新芯片设计通常还需要九个月或更长时间。Olympus的核心部件——图形处理单元（GPU）——负责AI计算，它采用的是Meta去年收购的Rivos公司的内核设计。Rivos曾表示其GPU能够高效运行英伟达的CUDA软件代码，CUDA是目前训练和运行人工智能模型的主流软件。

Meta 最初打算利用 Olympus 开发大型服务器集群，但高管们认为，这样做会给训练新模型带来风险，因为 Meta 正在与 OpenAI和 Google展开竞争。因此，业内有传闻称，Meta有可能放弃自研AI芯片项目，转而引入谷歌的TPU。但是从Meta公司首席财务官财Susan Li的最新发言来看，Meta自研AI芯片仍在继续。

Meta的定制芯片计划是为了减少对第三方供应商的依赖，特别是对于英伟达的高成本GPU。根据报导，Meta每年在这些GPU上的支出高达50到70亿美元，而自家开发的应用特定集成电路（ASIC）有望将成本降低40%到60%。

Susan Li表示，该公司正在购买不同类型的芯片来处理不同类型的任务。“根据我们今天所知道的和我们目前的需求，我们认为哪种芯片最适合用于这些用例，定制芯片也是其中的重要组成部分。”

根据最新消息显示，Meta目前还开发一款名为“MTIA 3”的芯片的原型设计，基于RISC-V构架，也是Rivos公司的内核设计。在技术规格方面，MTIA 3将拥有超过1,000颗核心，并能提供超过200 TFLOPS的运算能力，这将大幅提升Meta在AI训练领域的竞争力。Meta目前与博通（Broadcom）合作进行设计，并与台积电（TSMC）合作进行制造，早期测试已经与其在美国和欧洲的2.4万颗GPU丛集整合。预计这款芯片将在2026年第三季开始量产。Meta的目标是到2026年底达到超过100 exaFLOPS的计算能力。