Iris 進入量產：Meta 自研 AI 晶片正面瞄準 Nvidia 的帳單

2026 年 9 月最重要的晶片量產新聞，主角不是 Nvidia。根據路透社取得的一份內部備忘錄，Meta Platforms 的自研 AI 加速器 Iris 於本月進入製造階段——這是該公司四代自研晶片（MTIA）計畫中首款完成驗證、以業界公認不可能的「每六個月一代」節奏走向量產的硬體。

備忘錄裡的細節比標題更重要：測試只花了六週，而且沒有發現重大問題——這個驗證速度本身就是計畫本身的體現。Meta 與 Broadcom 合作設計這款晶片，交由台積電（TSMC）製造，並將每個設計決策都針對唯一客戶的工作負載量身打造：Meta 自己。量產時程與除錯完成進度先前從未曝光；Meta 拒絕置評。

Iris 到底是什麼

Iris 是 Meta Training and Inference Accelerator（MTIA）計畫的最新成員。Meta 於 2026 年 3 月公布了橫跨四個世代的自研晶片路線圖——MTIA 300、400、450、500——大約每六個月推出一款、一路到 2027 年，速度約為一般企業 AI 晶片發布週期的兩倍。

根據 Meta 官方工程部落格，這個家族的任務定位演進得很快：

• MTIA 300——針對排序與推薦（R&R）模型最佳化，這是生成式 AI 崛起前 Meta 的主力工作負載。目前已投入 R&R 訓練的生產環境，Meta 已部署數十萬顆 MTIA 晶片。
• MTIA 400——首款以「原始效能與主流商用產品正面競爭」為目標的 MTIA 晶片，FP8 FLOPS 提升 400%，HBM 頻寬比 MTIA 300 高 51%。72 顆裝置構成一個交換式背板 scale-up 網域。
• MTIA 450——HBM 頻寬再翻倍（Meta 稱高於現有主流商用產品），針對混合專家模型（MoE）推論將 MX4 FLOPS 提升 75%，並為 Softmax 與 FlashAttention 瓶頸加入硬體加速。預定 2027 年初大規模部署。
• MTIA 500——HBM 頻寬再增加 50%、HBM 容量最多提升 80%、MX4 FLOPS 提高 43%，採用 2x2 小晶片（chiplet）架構。預定 2027 年大規模部署。

從 MTIA 300 到 MTIA 500，HBM 頻寬提升 4.5 倍、運算 FLOPS 提升 25 倍——全程不到兩年。

Iris 就在這條路線圖上，是當下此刻的量產晶片。它的任務是驅動讓 Facebook 與 Instagram 持續運作的系統：決定全球超過三十億人每天看到什麼內容的排序與推薦模型，以及正在蔓延到 Meta 各 App 的生成式 AI 功能。值得注意的是，整個策略是推論優先：主流 GPU 先為最嚴苛的工作負載（大規模預訓練）設計，再以較不符合成本效益的方式套用到推論上；MTIA 反其道而行，從源頭就針對推論最佳化。

14 吉瓦的背景

Iris 只是備忘錄中更龐大工業計畫的一塊拼圖。Meta 計畫在 2026 年部署 7 吉瓦的運算基礎設施——上半年已新增 1 GW，預估年底前再加約 5.5 GW——並打算在 2027 年倍增到 14 吉瓦。1 吉瓦大約可供電 80 萬戶家庭；屆時 Meta 的運算設施用電量將相當於十幾座核能反應爐。

該公司今年預計投入高達 1,450 億美元於 AI 基礎建設（4 月將資本支出指引上調至 1,250 億至 1,450 億美元，接近 2025 年的兩倍），佔大型科技業合計逾 7,000 億美元支出中的顯著份額。為了擴建，Meta 已簽訂多年期長期供應協議：三星電子供應記憶體晶片、Sandisk 供應快閃儲存、住友電工供應光纖設備。這些合約簽訂之際，記憶體短缺已嚴重到「晶片通膨」（chipflation）成為總體經濟層級的疑慮——這是摩根士丹利分析師的說法。

為什麼是自研晶片，為什麼是現在

備忘錄對動機毫不掩飾：Iris 是為了補充Meta 大量採購的 Nvidia 與 AMD GPU，而非一夜之間取代——但採用最新 GPU「一直是項重活，也讓我們付出了時間成本」。分工很明確：自研晶片吸收穩定、充分掌握的內部工作負載；逐年改變形態的前沿訓練則留在 GPU 上。

「如果你依賴別家公司供應晶片，就不可能成為 AI 巨頭，」Forrester 副總裁暨首席分析師 Mike Gualtieri 向路透社表示。「超大規模資料中心業者、甚至 SpaceX 都在規劃自有晶片，因為這將是在模型使用價格上競爭的唯一途徑。」

自研晶片要在很窄的條件下才划算：工作負載必須被鉅細靡遺地掌握、夠穩定以支撐多年設計週期、且規模大到個位數百分比的效率改善就能換成真金白銀。Meta 三項全過，因為它最大的 AI 工作負載就是它自己——資訊流排序、內容推薦，以及其後的廣告競價系統。這塊晶片上每一分的效率提升，都直接落在廣告業務的成本端，而廣告正是 Meta 絕大部分營收的來源。

與其他超大規模業者相比，Meta 的計畫還有一個結構性差異：Google 透過雲端對外出租 TPU；Amazon 透過 AWS 銷售 Trainium 算力；微軟的晶片服務 Azure 客戶。Iris 不對任何付費客戶負責，也不必對照任何對手的規格表——只有一個使用者、一個檢驗標準：它運行 Meta 自家工作負載的成本，是否低於外購硬體。這是一個更低的門檻，也是一筆更純粹的成本帳。

速度之賭

六週完成除錯，正是「六個月一代」節奏得以可信的原因。一年出兩代晶片的計畫，沒有空間容納業界習慣預留的漫長除錯週期。Meta 靠極致的模組化達成這點：加速器以小晶片系統架構組成——運算、I/O、網路皆是可獨立升級、可重複使用的積木——每個小晶片能在幾個月內而非幾年內完成升級，不同小晶片還能選用最具成本效益的製程節點。在系統層面，MTIA 400、450、500 共用相同的機箱、機架與網路架構，每一代都能直接放進同樣的實體空間。

軟體端也是同一套邏輯：MTIA 軟體堆疊以 PyTorch 為原生基礎（PyTorch 本就誕生於 Meta），建構於 vLLM、Triton 與 Open Compute Project 標準之上，模型可同時部署在 GPU 與 MTIA 上，無須任何晶片專屬的改寫。

Broadcom 的角色值得特別強調——它同時是 Google 最新 TPU 與 OpenAI 首款自研晶片背後的設計夥伴，堪稱自研晶片時代的沉默軍火商。

後續觀察重點

Iris 進入量產不代表 Meta 停止採購 Nvidia——備忘錄把自研晶片定位為補充。但方向很明確，而且會複利放大：一款能以些微優勢更便宜地運行核心工作負載的晶片，在 Meta 的規模下就是數十億美元的節省，而每六個月一代的進展，會把涵蓋的工作負載範圍從排序一路擴大到生成式推論。

9 月的量產啟動也是一場可信度測試。如果 Iris 如期放量，Meta 將證明自己擁有所有超大規模業者中最快的晶片迭代循環；如果跳票，質疑該公司 1,450 億美元豪賭的聲音將獲得新彈藥。無論如何，市場已提前預演了賭注有多大：路透社報導後 Meta 股價先是下跌，隨後因公司宣布開放開發者使用一款 AI 程式設計模型（直接對上 OpenAI 與 Anthropic）而回升——當天尾盤上漲 4.6%。

這場基礎建設的經濟學如今取決於一個簡單的等式：自研最熟悉的工作負載所需的晶片、提前數年鎖死供應線，然後讓複利發揮作用。九月，就是這個等式接受晶圓廠檢驗的時刻。