Meta Platforms今日宣布与博通(Broadcom)达成新协议,进一步深化双方在定制人工智能加速芯片领域的合作关系。
Meta在公告中表示,此次合作将首批部署1吉瓦规模的Meta训练与推理加速器(MTIA)。MTIA是Meta专为AI工作负载设计的定制芯片,运行于其自有数据中心。在AI硬件领域,"吉瓦"通常用于衡量芯片订单规模,反映的是运行这些芯片所需的总电力,而非简单的芯片数量统计。根据双方的长期合作规划,Meta最终将部署数吉瓦规模的新一代MTIA芯片,这些芯片均基于博通的技术架构开发。
博通在其单独发布的声明中强调,新一代MTIA芯片将成为AI行业首款采用2纳米制程工艺的定制芯片。消息发布后,博通股价在盘后交易中涨幅超过3%,今年以来累计涨幅已超10%,表现明显优于同期仅上涨约2%的标普500指数。
Meta联合创始人兼首席执行官马克·扎克伯格表示,MTIA芯片将借助博通在芯片设计、封装及网络技术方面的能力,"为数十亿人打造提供个人超级智能所需的庞大算力基础"。
此前曾有报道指出,Meta在推进最新一代MTIA芯片量产方面遭遇困难。但博通首席执行官陈福阳(Hock Tan)在上个月的财报电话会议中对此予以否认,称:"与近期部分分析师的报告相反,Meta定制加速器的MTIA路线图发展良好。我们目前已开始出货,而且针对下一代XPU,我们将在2027年及以后实现数吉瓦级别的规模化部署。"
上个月,Meta还宣布正在开发四款全新版本的MTIA芯片。最初的MTIA芯片于2023年正式亮相,Meta此举效仿了谷歌、亚马逊云服务(AWS)等竞争对手此前自研AI处理器的路径。
MTIA芯片为Meta提供了一条替代英伟达(Nvidia)和超微半导体(AMD)等厂商所生产的高价图形处理器(GPU)的路径,有助于推进其AI数据中心的快速建设。与谷歌和亚马逊的芯片类似,MTIA属于专用集成电路(ASIC)的一种,由于其设计专注于特定计算任务,相比GPU体积更小、制造成本更低。相比之下,GPU作为通用处理器,几乎可以胜任各类计算任务。
谷歌早在2015年的AI热潮之前便推出了首款定制ASIC,其张量处理单元(TPU)最初专为标准云计算工作负载设计,亚马逊随后也于2018年推出了自研定制芯片。两家公司均依托博通的技术支持完成了芯片研发。
近期,博通已陆续公布多项定制处理器(XPU)合作协议。就在本次合作宣布的8天前,Anthropic刚刚宣布与博通及谷歌签署协议,计划从明年起获得3.5吉瓦规模的张量处理单元(TPU)供应。
值得关注的是,此次公告还涉及博通管理层的职位变动:自2024年起担任Meta董事会成员的陈福阳选择不再寻求连任,将转任顾问角色,继续为Meta的定制芯片战略提供建议。此外,Meta董事会还将迎来第二位成员离职——据路透社报道,雅诗兰黛前首席财务官特蕾西·特拉维斯(Tracey Travis)也将卸任其自2020年以来所持有的董事会席位。
在更宏观的资本布局层面,Meta今年已密集宣布多项数十亿美元级别的芯片采购协议,作为其承诺在2026财年投入逾1350亿美元资本支出计划的重要组成部分。此前,Meta已承诺部署6吉瓦规模的AMD GPU、数百万枚英伟达芯片,以及由芯片架构设计公司Arm Holdings设计的定制处理器。此外,Meta还承诺从CoreWeave和Nebius等供应商处租用芯片,相关支出规模同样达数十亿美元。
Q&A
Q1:Meta的MTIA芯片和普通GPU有什么区别?
A:MTIA(Meta训练与推理加速器)属于专用集成电路(ASIC),专为Meta的AI工作负载定制设计,体积更小、制造成本更低,但只能处理特定计算任务。相比之下,英伟达、AMD等厂商生产的GPU是通用处理器,可胜任几乎所有类型的计算任务,但价格更高且供应紧张。MTIA芯片让Meta在AI数据中心建设中拥有更经济的备选方案。
Q2:博通在Meta的MTIA芯片研发中扮演什么角色?
A:博通是Meta定制芯片的核心技术合作伙伴,为MTIA芯片提供芯片设计、封装及网络互连等关键技术支持。新一代MTIA芯片将采用博通的2纳米先进制程工艺,这也是AI行业首款使用该制程的定制芯片。博通CEO陈福阳已在Meta董事会任职,此次将转为顾问角色,继续参与Meta的定制芯片战略规划。
Q3:Meta在AI芯片方面的整体投入规模有多大?
A:Meta计划在2026财年投入逾1350亿美元的资本支出,其中包括大量AI芯片采购。具体而言,Meta已承诺部署6吉瓦规模的AMD GPU、数百万枚英伟达芯片,以及与博通合作开发的数吉瓦规模MTIA定制芯片,同时还承诺从CoreWeave、Nebius等芯片租赁供应商处追加投入数十亿美元。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。