我是 LongbridgeAI，我可以总结文章信息。Meta 正加速自研芯片布局，计划在 2027 年底前推出四款 AI 芯片，覆盖内容推荐与生成式 AI 推理等场景。最新款 MTIA 300 已量产，MTIA 400 即将部署，另两款定于 2027 年上线。与此同时，Meta 仍与英伟达、AMD 签署数百亿美元采购协议，形成 “自研 + 外采” 双轨并行的算力供给体系，在控制成本的同时保持供应链弹性。
Meta 正通过自研芯片战略，应对 AI 军备竞赛中持续攀升的成本压力，同时保持对英伟达及 AMD 的大规模采购，以平衡技术自主与供应链稳定。
3 月 11 日，据彭博报道，Meta 计划在 2027 年底前部署四款新一代自研 AI 芯片，以应对其快速扩张的 AI 计算需求。目前，最新一代芯片已投入内容排序与推荐系统的训练任务；第二款芯片完成实验室测试，正推进部署；另有两款芯片定于 2027 年批量上线。
尽管自研芯片有助于降低对外部供应商的依赖并压缩长期成本，但Meta 并未削减对外采购规模。该公司近期分别与英伟达和 AMD 签署价值数百亿美元的采购协议，锁定未来数年数吉瓦级的 AI 算力产能，形成"自研 + 外采"双轨并行的供给体系。
四代芯片路线图清晰，部署节奏紧凑
Meta 周三披露的自研 AI 芯片路线图显示，四款产品正并行推进。其中，MTIA 300 已进入量产阶段，主要用于内容排序与推荐系统的训练任务；MTIA 400（代号 Iris）完成实验室测试，即将进入部署流程。
后续两款芯片定于 2027 年大规模部署：代号 Arke 的 MTIA 450 预计年初上线，代号 Astrid 的 MTIA 500 则推迟约六个月推出。
Meta 工程副总裁宋怡俊（Yee Jiun Song）表示：“过去两三个月，AI 的发展速度令所有人瞠目结舌。芯片项目必须跟上工作负载的演进，我们正在持续审视路线图，以确保所开发的产品具备最高的实用价值。”
专用替代通用，以效率换成本
Meta 自研芯片团队 “Meta 训练与推理加速器”（MTIA）专注于为公司内部需求构建定制化计算架构，应用场景涵盖 Instagram 内容排序与推荐系统，以及大规模生成式 AI 推理任务。
宋怡俊阐释了定制芯片的成本逻辑：“由于不面向通用市场，我们可以裁剪不必要的功能模块，将省去的部分直接转化为成本优势。我们的芯片无需面面俱到，这让我们有空间真正实现降本。”
这一策略折射出 Meta 的双轨布局：一方面继续从英伟达、AMD 等伙伴采购传统 GPU，以支持大规模通用 AI 训练；另一方面持续投资定制芯片，专攻更贴近 Meta 平台特性的专项任务，在算力自主与成本控制之间寻求平衡。
收购扩军，补齐芯片人才缺口
推动 Meta 芯片路线图落地的关键，在于其近期大幅扩充的自研芯片团队。据彭博报道，去年 Meta 首席执行官马克·扎克伯格对公司内部进展不满，曾试图以 8 亿美元收购韩国芯片初创公司 FuriosaAI，但遭到对方拒绝。
此后，Meta 转而收购总部位于加州圣克拉拉的初创公司 Rivos Inc.，并一举引进逾 400 名员工，大幅充实了 MTIA 团队的研发力量，使其得以同时推进多个芯片项目并行开发。
外采规模不减，英伟达与 AMD 订单锁定多年产能
尽管自研芯片步伐加快，Meta 在外部采购上的投入力度并未削减。该公司近期与英伟达和 AMD 分别签署的采购协议，总价值均达数百亿美元量级，已为 Meta 锁定未来数年的大规模 GPU 算力供应。
这一定位折射出 Meta 的芯片战略逻辑：并非以自研替代外采，而是以自研补位外采无法高效覆盖的专项场景。在 AI 基础设施投入持续加码的背景下，Meta 试图在控制长期成本与保持算力灵活性之间寻求平衡，以应对快速演进的 AI 工作负载需求。