Meta计划9月量产自研AI芯片Iris，明年算力翻倍至14吉瓦

据多家外媒报道，Meta Platforms计划于2026年9月开始生产自研AI芯片「Iris」，由博通协助设计、台积电负责制造。这枚芯片的代号取自希腊神话中的彩虹女神，寓意连接天与地——也恰如其分地反映了Meta连接AI软件与硬件的野心。

从7吉瓦到14吉瓦：算力基建狂飙

Meta今年的目标部署7吉瓦的计算基础设施，明年计划翻倍至14吉瓦。作为对比，一个大型核电站的发电量通常在1-2吉瓦——这意味着Meta的AI算力基础设施功耗已经达到数个核电站的量级。为支撑这一庞大计划，Meta已达成多项长期、多年的供应协议：与三星电子的内存芯片协议、与Sandisk的闪存存储协议、与住友电工的光纤设备协议。

Iris芯片的量产是Meta降低对英伟达GPU依赖的关键一步。当前AI训练高度依赖英伟达的H100/B200系列GPU，不仅价格昂贵，供应也严重受限。自研芯片可以让Meta根据自身的AI工作负载（推荐系统、大模型推理、广告排序等）进行定制优化，大幅降低单位算力成本。

科技巨头的「去英伟达」运动

Meta不是唯一试图摆脱英伟达依赖的科技巨头。Google的TPU已经迭代到第六代，Amazon拥有Trainium和Inferentia系列芯片，微软也在开发自研AI加速器Maia。在AI算力需求爆炸式增长的背景下，自研芯片已经从「可选项」变成了「必选项」——谁掌握芯片，谁就掌握了AI基础设施的成本和节奏。

与Google TPU专注于云端推理不同，Meta Iris的定位更侧重于推荐系统和大规模模型推理——这也是Meta的核心业务需求。Facebook和Instagram每天处理数千亿次内容推荐请求，哪怕单位算力成本降低10%，全年节省的资金也是天文数字。

芯片+模型：Meta的「双轮驱动」战略

在发布Muse Spark 1.1模型仅一天后，Iris芯片量产消息曝光——这不是巧合。Meta正在构建从芯片到模型的完整AI垂直整合体系。自研芯片降低推理成本，开源模型占领开发者生态，两条线最终交汇于一点：让Meta的AI服务以最低成本覆盖最多用户，建立一个不依赖外部供应商的AI帝国。

不过，自研芯片的风险不容小觑。Google TPU历经近十年才达到今天的成熟度，Amazon Trainium早期也遭遇了性能和生态兼容性问题。Iris能否在2026年顺利量产并在性能上达到预期，仍需时间检验。博通的设计能力和台积电的制造工艺是关键变量。

Iris芯片的量产将为Meta打开一扇新的大门：从AI应用的消费者，真正变为AI基础设施的掌控者。