AI 晶片市場競爭日漸激烈，科技巨頭正在加快內部 AI 晶片的研發進度。《路透》報導，Meta 已開始測試其首款自研 AI 訓練晶片，而這是減少對 NVIDIA 等外部供應商依賴的重要里程碑。
報導引述知情人士報導，這款內部晶片正在進行小規模測試，如果測試順利，Meta 將計劃擴大生產，並大規模使用。
從推薦演算法到生成式 AI，Meta 的 AI 晶片野心
Meta 高層表示，他們計劃在 2026 年，開始使用自己的晶片進行 AI 模型訓練。目前，這款訓練晶片的首要目標是用於推薦系統的 AI 訓練，未來預計擴展至 AI 聊天機器人 Meta AI 及其他生成式 AI 產品。
報導指出，Meta 這款自研 AI 訓練晶片是專為特定 AI 任務優化的加速器（Accelerator），與通用型 GPU 相比更加節能。此外，《路透》與《工商時報》引述消息人士指出，Meta 正在與台積電合作生產該晶片，將採用 5 奈米與 CoWoS 封裝技術。針對此事，Meta 與台積電均拒絕發表任何評論。
Meta 為何要自行研發 AI 晶片？
這款自研晶片是 Meta MTIA（Meta Training and Inference Accelerator）系列的最新成果，事實上，Meta 之前曾小規模測試一款自研推理晶片，但表現不如預期，2022 年轉而向 NVIDIA 購買 GPU，砸下數十億美元。
自那時起，Meta 一直是 NVIDIA 最大的客戶之一，累積了大量 GPU 來訓練其 AI 模型，包括用於推薦、廣告的系統，以及 Llama 基礎模型，為每天使用其應用程式的逾 30 億用戶進行推理。
而 Meta AI 訓練晶片進入測試的最新消息，反映的是降低 AI 基礎設施成本的迫切性──該公司 2025 年的總資本支出預計將達到 1,140 億美元，而 AI 相關投資高達 650 億美元。
此外，近期業界對「更大規模的資料和運算能力，能否為 AI 帶來突破」產生懷疑。今年 1 月，中國 AI 新創 DeepSeek 推出了低成本、高效能的 AI 模型，透過更精簡的 AI 推理技術實現媲美科技巨頭的效能，這也讓 GPU 的價值遭受質疑。
目前，Meta 已完成該晶片的設計定案（Tape-out）—— 這是晶片開發中的關鍵階段，代表初版設計已經送交晶圓廠進行試產。不過，一次 Tape-out 的成本動輒數千萬美元，時間長達 3 到 6 個月且無法保證成功，如果測試失敗，Meta 可能需要再重新找出問題，開發週期與成本也將拉長。
立即下載《2025 AI 工具應用報告》
【推薦閱讀】
◆ 數發部長黃彥男出席「AI 智慧大工廠」： AI Agent、AI Robot 的技術突破對產業影響很大
＊本文初稿由 AI 生成，經《TechOrange》編撰，資料來源：《路透》、Trendforce、《工商時報》，首圖來源：Unsplash。
