Meta 将自己的 AI 芯片投入生产：“Iris”9 月投入生产
Meta 将于 2026 年 9 月开始制造其定制“Iris”人工智能芯片，这是与博通共同设计、由台积电制造的第四代 MTIA 加速器。这就是它的意思。
新闻报道
发生了什么
Meta 正准备制造自己的 人工智能芯片 首次大规模。根据 2026 年 7 月中旬报道的一份内部备忘录，该公司将开始生产代号为 鸢尾花 在 九月，标志着 Meta 从设计定制芯片转向在其数据中心实际批量部署它的时刻。
鸢尾花是 第四代 Meta 内部的 MTIA 计划——该公司多年来一直在悄悄构建元训练和推理加速器系列。这一里程碑与早期 MTIA 部分的不同之处在于其规模和意图：据报道，内部测试仅花费了 六周 并且没有出现任何重大问题，Meta 现在计划依靠 Iris 作为其基础设施的核心部分，而不是一个辅助实验。
鸢尾花到底是什么
Iris 是专门设计的 人工智能加速器 — 专门设计用于运行主导 Meta 业务的机器学习工作负载的芯片，而不是通用处理器。这些工作量是巨大的：Facebook、Instagram 和 Threads 背后的推荐和排名系统，监管数十亿条帖子的内容审核模型，以及 Meta 在其应用程序和雷朋智能眼镜中整合的快速增长的生成人工智能功能。
Iris 所属的 MTIA 系列最初是作为一种为 Meta 的排名和推荐模型提供服务的方式，比为每次推理租用通用 GPU 更便宜。每一代人都扩大了这一范围。 Iris 代表了 Meta 认为自己的芯片已经足够成熟的一点——经过一个没有发现严重问题的测试周期后——可以承载公司实际生产流量的有意义的份额，而不仅仅是试点工作负载。
博通与台积电的合作伙伴关系
Meta 并不是单独做这件事的。艾里斯是 与博通共同设计，这家定制芯片巨头曾帮助 Google 制造 TPU，并帮助 OpenAI 设计“Jalapeño”推理芯片。完成的设计是 台积电制造，这家台湾代工厂几乎为该行业的每个主要参与者制造最先进的芯片。
这种分工很重要。 Broadcom 带来了来之不易的专业知识，将客户的需求转化为可用的、可制造的加速器——社交媒体公司内部不具备的知识产权、封装和网络专业知识。据报道，Meta 于 2026 年初正式确定了这一安排，通过以下方式扩大了与博通的合作伙伴关系： 2029年 以覆盖未来的多代 MTIA。换句话说，Iris 并不是一次性的；它是一种新的产品。这是 Meta 多年来承诺资助的路线图上的一步。
为什么 Meta 想要拥有自己的芯片
推动每个超大规模企业转向定制芯片的逻辑是相同的： 成本与控制。 Meta 购买了数十万个 Nvidia 和 AMD GPU，而这些芯片价格昂贵，供应有限，并且由具有巨大定价权的供应商定价。 Meta 可以转移到它自己设计的芯片上的每个工作负载都是不受 GPU 稀缺和 Nvidia 命令边缘影响的工作负载。
针对这些特定任务，针对 Meta 的精确模型量身定制的芯片也比通用 GPU 更高效。当您准确地知道芯片将运行哪些推荐和排名模型时（并且您在数十亿用户的规模上运行它们），您可以剥离通用加速器所承载的所有内容以实现灵活性，并针对您自己的工作负载进行大力优化。就 Meta 的规模而言，即使每次推理的效率提升不大，也会转化为硅片的巨大节省，同样重要的是， 电源。
它增强了 Nvidia，而不是取代它
将 Iris 解读为 Meta 与 Nvidia 分手是错误的。该芯片明确设计用于 增强，而不是取代，大量 Nvidia 和 AMD GPU Meta 已经在运行。训练最大的前沿模型仍然需要金钱可以买到的最强大的 GPU，而 Meta 继续大规模购买它们。
像 Iris 这样的定制硅最适合的地方是 推论 ——每天向用户提供成品模型的重复性大批量工作——以及排名和推荐工作负载，这是 Meta 的面包和黄油。现实的情况是混合舰队：Nvidia 和 AMD GPU 处理训练和要求最高的工作，Iris 吸收了稳定、可预测的推理流量中越来越多的部分，其中专用芯片的回报最大。这种混合正是谷歌和亚马逊已经将自己的加速器与 Nvidia 硬件一起运营的方式。
14 吉瓦、1,450 亿美元的背景
梅塔的野心规模最容易从权力的角度来理解。该公司的目标大致是 7吉瓦 到 2026 年底，计算基础设施的数量将增加一倍 到 2027 年将达到 14 吉瓦 ——根据这些数据，Meta 的建设相当于一个小型国家电网专用于人工智能的电力。为了满足这种扩张，人工智能基础设施预算高达 仅 2026 年就达 1,450 亿美元。
在这些数字下，控制自己的芯片不再是可有可无的，而是成为经济上的必需品。当您每年在计算上的支出远远超过千亿美元时，即使将最常见工作负载的成本和功耗降低几个百分点，也价值数十亿美元。 Iris 是 Meta 的赌注，随着时间的推移，拥有该芯片比从 Nvidia 租用同等容量的芯片更便宜，也是对 GPU 短缺的一种对冲，而 GPU 短缺正是 AI 建设的关键。
更广泛的定制硅竞赛的一部分
Meta 正在加入一场已经在进行中的比赛。 谷歌 多年来一直运营自己的 TPU； 亚马逊的Trainium和Inferentia芯片已发展成为价值数百亿美元的数据中心芯片业务； 开放人工智能 推出博通制造的“Jalapeo”推理芯片；从 DeepSeek 到阿里巴巴和百度，中国的实验室都在设计自己的加速器。共同点是显而易见的。
一旦公司的人工智能工作负载足够大且足够可预测，经济学就会倾向于设计运行它们的芯片。 Meta 可以说拥有最可预测的工作负载——相同的排名、推荐和审核模型在少数大型应用程序中持续运行。这使其成为定制芯片的理想候选者，也解释了为什么该公司愿意致力于将 Broadcom 延伸至 2029 年的多代 MTIA 路线图。
为什么它很重要
Iris 投入生产是一个具体信号，表明超大规模企业构建自己的人工智能芯片的时代已经完全到来，英伟达在人工智能计算方面近乎垄断的地位虽然仍占主导地位，但正在被其最大客户稳步蚕食。 Meta 并没有放弃 Nvidia，但它可以转移到 Iris 上的每一项工作负载都是 Nvidia 无法获取的收入，也是 Meta 不再承担的供应风险。
对于 Meta 来说，回报是通过冲向 14 吉瓦的车队的成本和能效来衡量的。对于整个行业来说，Iris 是一个明显趋势中的另一个数据点：在人工智能上花费最多的公司是那些最坚决停止为其支付全价的公司。 Iris 是否在实际生产中达到其效率目标需要时间来判断，但从租用计算机到构建计算机的发展方向再清楚不过了。内部备忘录的报告于 2026 年 7 月中旬发布； Meta 自己的公告收集在其 新闻编辑室。
