2026 年 3 月 11 日，Meta 在工程部落格發表「Four MTIA Chips in Two Years」，一次公開四款自研的 Meta Training and Inference Accelerator（MTIA）晶片：300、400、450 與 500。Meta 表示已有數十萬顆 MTIA 部署在生產環境，其餘三款將於 2026 到 2027 年間上線。CNBC 報導，單一機架將容納 72 顆針對推理優化的 MTIA 400。
時機也是信息：發表距離 Meta 與 NVIDIA 擴大合作、部署數百萬顆晶片的消息只有幾週；Reuters 指出，450 與 500 專為推理設計。GPU 大單之外，自研矽拉成常態產線。
從排序模型到生成式 AI：四款晶片各司其職
四款晶片各對應不同負載，標出 MTIA 路線圖的位移——從排序推薦走向生成式 AI：
- MTIA 300：負責排序與推薦訓練，已在生產環境服役，導入 NIC chiplet、訊息引擎與近記憶體運算。
- MTIA 400：負載從排序推薦擴及生成式 AI；兩顆運算 chiplet 組成，72 顆構成機架級 scale-up 網域，實驗室測試完成、正進入資料中心部署。
- MTIA 450：專為生成式 AI 推理調校，硬體加速 attention/FFN 運算（Softmax、FlashAttention），支援自訂低精度資料型別，2027 年初大量部署。
- MTIA 500：採 2x2 運算 chiplet 佈局，搭配 SoC 與網路 chiplet，進一步壓低單位推理成本，2027 年上線。
規格跳幅：25 倍算力、4.5 倍頻寬
Meta 的世代對比數字相當陡：從 300 到 500，HBM 頻寬提升 4.5 倍、運算 FLOPS 提升 25 倍。逐段看：
- 400 對 300：FP8 FLOPS 增加 400%，HBM 頻寬增加 51%
- 450 對 400：HBM 頻寬翻倍，MX4 FLOPS 增加 75%，且 MX4 對 FP16/BF16 達 6 倍效能
- 500 對 450：HBM 頻寬再增 50%，容量最多增加 80%，MX4 FLOPS 增加 43%
低精度格式是整條路線的主軸：MX4 在硬體與資料型別層被原生支援，每個 token 的推理成本才有下探空間——這也是 Meta 為已在跑的負載持續換晶片的原因。
六個月一代是怎麼做到的
Meta 宣稱接下來能約每六個月推出一代新晶片。傳統設計週期是兩到三年，能壓到六個月靠的是架構決策：400、450、500 共用機殼、機架與網路平台，運算核心以可重用的 chiplet 組裝——換代改的是 chiplet 組合與封裝，平台周邊不動。
這是把軟體的模組化思維搬進矽設計：先凍結介面，再把運算單元當積木替換，穩定性與迭代速度因此兼得。
不取代 NVIDIA，而是分層
把這讀成「Meta 要甩掉 NVIDIA」會讀錯方向。幾週前宣布的 NVIDIA 擴大合作，涵蓋大規模訓練與次世代系統；MTIA 吃下的是排序推薦與生成式推理這類量大、成本敏感的穩態負載。兩者是分層，不是替代。MTIA 全系列與 Broadcom 密切合作開發，CNBC 形容這波部署是龐大 GPU 採購之外、針對自有負載的成本布局。
同一週的對比：旗艦模型 Avocado 傳出延到至少五月（〈Meta Avocado 延期分析〉），模型時程會滑動；矽路線卻照六個月節奏走——模型輸一回合還能追，推理成本落後則天天吃掉毛利。
對開發者與基礎設施團隊的意義
- 自研矽的方法論會外溢：chiplet 模組化壓縮迭代週期被 Meta 驗證後，其他大規模買家會跟進，六個月一代可能成為新常態。
- 部署端的量化策略要跟著硬體走：MX4、FP8 在加速器層被原生支援後，服務的精度選擇與成本模型需要重新試算。
- 供應多源是 2026 年的營運前提：Meta 同時握有 NVIDIA 大單、Google TPU 租約與自研 MTIA，把算力取得當成獨立戰線經營；應用架構也該假設底層加速器會持續更換。
參考來源
- Four MTIA Chips in Two Years: Scaling AI Experiences for Billions — Meta AI
- Meta rolls out in-house AI chips weeks after massive Nvidia order — CNBC
- Meta unveils plans for batch of in-house AI chips — Reuters
本文由 AI 協助自上述來源整理，經人工審核後發布。