Meta 在自研 AI 晶片的道路上踢到鐵板。根據知情人士透露，Meta 已放棄其最先進的 AI 訓練晶片開發計畫，轉而尋求結構更簡單的替代方案，並強化與 Google、NVIDIA 及 AMD 等供應商的合作，以確保其人工智慧基礎設施能跟上競爭對手的腳步。
開發難度過高，兩代自研晶片相繼受挫
Meta 原本希望透過 Meta 訓練和推理加速器（MTIA）計畫，研發自有的 AI 晶片來降低對外部供應商的依賴，並藉此減少資料中心的營運成本。然而，現實卻比想像中殘酷。
Meta 內部先前已放棄了第二代訓練晶片 Iris 的其中一個版本，隨後啟動更先進的 Olympus 項目。Olympus 採用與 NVIDIA 類似的單指令多線程（SIMT）架構，雖然對 AI 訓練軟體更友善，但硬體設計極其複雜。參與開發的人員坦言，內部對於是否能做出媲美 NVIDIA 性能的晶片持懷疑態度，主要原因包含開發週期過長，追不上技術更迭、硬體設計過於複雜，以及功耗控制難度極高，若無法有效降溫，將失去與 NVIDIA 競爭的優勢。
Meta 管理層擔心，若強行推進這項存在量產難度的計畫，可能會拖累公司與 OpenAI、Google 在訓練新模型上的競爭進度。
轉向合作路線，豪擲數十億美金外援
在自研晶片受挫後，Meta 迅速調整戰略，加強與現有大廠的結盟。Meta 已簽署價值數十億美元，約新台幣 320 億元以上的協議，向 Google 租用 AI 晶片。同時，AMD 本週也證實將與 Meta 合作部署高達 6GW 的 Instinct AI 晶片。至於 AI 晶片霸主 NVIDIA，Meta 則在本月宣布建立跨多代的合作關係，持續在資料中心部署其產品。
雖然 Meta 去年收購了新創公司 Rivos，希望藉其技術相容 NVIDIA 的 Cuda 軟體生態系，但目前看來，Meta 仍選擇回歸成熟的供應鏈生態。
自研晶片這條路，連科技巨頭都難走
Meta 的遭遇並非個案。雖然 Apple 在筆電與手機晶片轉型非常成功，但 AI 訓練晶片需要極高的算力與極其成熟的軟體配套。Google 的 TPU 發展了十幾年才有今日規模，且背後還有博通的技術支持。對於急於在 AI 浪潮中超車的 Meta 來說，暫時放下什麼都要自己做的執念，回頭抱緊 NVIDIA 與 AMD 的大腿，或許是目前風險最低、最務實的選擇。
- 延伸閱讀：零程式碼時代來臨？Unity 宣佈 GDC 將推「自然語言生成遊戲」功能，整合 OpenAI 與 Meta 模型
- 延伸閱讀：AI軍備競賽代價高！微軟Copilot變現慢，亞馬遜、Meta恐陷負現金流泥淖
- 延伸閱讀：Meta 策略大轉向！Horizon Worlds 脫離 Quest 平台「全面轉戰行動端」，轉型聚焦第三方開發生態系
