本文来自微信公众号“镁客网”。
据《The Information》援引知情人士披露，Meta近期正式叫停AI训练芯片项目Olympus，这已是该公司短期内第二次放弃自研训练芯片——此前代号Iris的训练芯片也在研发过程中放弃。
Meta的芯片自研之路始于2020年，核心载体是“Meta训练和推理加速器”（MTIA）项目，主要摆脱对英伟达等外部芯片供应商的深度依赖，降低数据中心运营成本。
2025年，Meta的资本支出约为660亿至720亿美元，占总收入的六成以上，即便基础设施成本能降低几个百分点，也能对盈利能力产生显著正向影响。这正是其坚持推进芯片自研的核心动力之一。
除了降低成本以外，自研芯片也是为了AI做准备，那时候的Meta就已经开始注意AI基础设施的自主掌控权。从2023年推出MTIA v1，到2024年迭代至MTIA v2，Meta始终聚焦推理芯片赛道。这两款基于RISC-V架构的芯片虽在推理性能上稳步提升，但始终未能突破技术壁垒，无法涉足难度更高的AI训练芯片领域超团队预期，无法满足AI训练的高效需求；而对标英伟达的Olympus采用SIMT架构，虽更适配AI训练软件，却Rivos的研发团队陷入设计复杂、功耗控制困难的困境，实际运行的稳定性与大规模量产的可行性均未达到内部预期。
按照计划，Meta原定2026年第四季度完成Olympus设计，再加上至少9个月的量产周期，显然无法跟上与OpenAI、谷歌的AI模型竞争节奏。
内部人士透露，公司高层一直对能否研发出匹敌英伟达的芯片始终存疑，任何一个环节出现纰漏，都可能让这款芯片彻底失去实用价值。
自研之路的接连受挫，迫使Meta转向外部合作，以此缓解算力焦虑、保障AI业务稳步推进。
2026年2月以来，Meta陆续与英伟达、AMD、谷歌达成深度合作。其中，Meta与AMD双方签署价值超1000亿美元的协议，未来五年内Meta将采购可支撑6吉瓦计算能力的MI450系列芯片。这款采用Chiplet架构设计的芯片，精准匹配了Meta的推理场景需求，还能进行定制化优化。
与英伟达的合作则聚焦AI训练领域，Meta计划采购数百万颗GPU，涵盖现有Blackwell架构及下一代Rubin GPU，同时首次大规模部署Grace CPU，借助其高功耗比优势，进一步优化AI推理效率。
最后，Meta与谷歌签署数十亿美元合作协议，租用其TPU用于新AI模型训练，未来甚至可能直接采购TPU部署在自有数据中心。
Meta的战略转向，恰恰印证了英伟达CEO黄仁勋2025年的预判：大多数科技公司最终会放弃自研AI芯片。
对于Meta而言，多供应商布局不仅能避免被单一厂商“卡脖子”，还能通过供应商间的竞争获得更有利的合作条件；所以收缩自研芯片业务，能让Meta更好将更多资源集中于核心的AI模型研发，实现资源利用效率的最大化，聚焦核心竞争力的打造——毕竟在英伟达主导的行业格局下，单纯依靠硬件设计，已经很难突破行业壁垒。
