Meta 內部加速器 MTIA 450 與 500：時間表、成本與能源消耗

Meta 最近對外透露，正在自家資料中心推動兩款全新自研 AI 加速器，分別代號 Arke（MTIA 450）與 Astrid（MTIA 500）。這兩款晶片的推出目的是在提升生成式 AI 推論效能的同時，降低每瓦特與每美元的運算成本，從而減少對外部供應商如 Nvidia 的依賴。

時間表與部署計畫

根據 Meta 的說法，MTIA 450 目前正處於測試階段，預計在 2027 年上半年正式投入資料中心營運。該晶片的設計由 Broadcom 主導，製造則委託給台積電（TSMC），雙方的合作旨在確保高良率與先進製程的落地。測試期間 Meta 已於 2026 年 9 月 1 日收到 12 顆 MTIA 450，初步測試結果顯示，其實際性能與模擬預測相差僅 2% 至 3%，且能即時支援 Meta 自家模型、DeepSeek 以及 Alibaba 的模型。至於 MTIA 500，Meta 表示在 2026 年 9 月 15 日之後約一個月完成設計，並計畫於 2027 年底將其批量部署於全球資料中心。

成本與能效目標

Meta 強調，這兩款加速器在每瓦特與每美元的效能表現上，都優於目前市面上通用的 GPU 晶片。儘管此說法尚未經過第三方獨立驗證，公司仍透露，過去十二個月內已投入超過一吉瓦的 MTIA 晶片電力資源，顯示其在能源佈局上的雄心。如果 AI 需求持續呈指數成長，Meta 會進一步加速產能擴充，以確保供應鏈不會成為瓶頸。

技術堆疊與相容性

在硬體層面，MTIA 400、450 與 500 採用了模組化機櫃的基礎設施，這種設計允許資料中心在不更換整體機房布局的情況下，直接插拔新一代加速器。軟體相容性方面，Meta 確保這些晶片支援 PyTorch、vLLM、Triton 等主流深度學習框架，並遵循 Open Compute Project 的標準，讓部署與管理流程更加一致且自動化。值得注意的是，這些加速器主要針對一般生成式 AI 推論進行最佳化，並非為極限高速推論或大規模訓練而設計。

為何放棄 Olympus 計畫

在此之前，Meta 曾啟動過名為 Olympus 的計畫，該計畫試圖同時整合訓練與推論功能於單一晶片平台。然而，隨著成本模型的深入分析，Meta 發現若要在多吉瓦規模上部署 Olympus，預估成本可能上升 30%，遠超出公司在能源效率與資本支出上的容忍度。最終，基於成本與能源效率的考量，Olympus 被迫中止，轉而聚焦於更具成本效益的 MTIA 系列。

能源與使用量的雙重考量

Meta 也提醒，降低單次請求的能源消耗並不一定等同於降低整體能源使用。若 AI 服務的需求以更快的速度成長，即使每次推論的能耗下降，總體電力需求仍可能持續上升。因此，Meta 必須同時管理效能提升與使用量增長的平衡，透過精細的資源調度與需求預測，避免能源消耗的整體逆向效應。

• 代號 Arke（MTIA 450）與 Astrid（MTIA 500）
• 與 Broadcom 合作設計，TSMC 製造
• 目標在 2027 年全面部署
• 支援 PyTorch、vLLM、Triton 等主流框架
• 以模組化機櫃降低部署成本

對於在台灣或使用繁體中文的組織而言，檢視 Meta 自研加速器時應特別關注以下幾點：首先確認硬體規格與本地資料中心的電力供應是否匹配；其次驗證相容的軟體堆疊是否已支援本地開發的模型與框架；再者，應要求第三方獨立測試以驗證 Meta 所宣稱的每瓦特與每美元效能；最後，評估長期供應鏈的穩定性與成本波動，以確保在需求擴大時不會出現資源瓶頸。