Meta 在自研 AI 芯片道路上迈出关键一步。根据路透社查阅的内部备忘录，代号 Iris 的 AI 数据中心芯片将于 2026 年 9 月 进入量产阶段，由 台积电 负责制造，博通 参与芯片设计。这是 Meta 自研芯片计划 MTIA 的第四代产品，也是该公司降低对 英伟达 与 AMD 等外部 GPU 供应商依赖的核心举措。

Iris 芯片的测试周期仅 六周，且未发现重大缺陷。对于一项启动已超过五年、此前进展一度不及预期的项目而言，这一结果被内部视为重要突破。该芯片并非要完全替代 GPU，而是作为补充，与 Meta 大量采购的英伟达和 AMD 图形处理器协同工作，共同支撑 Facebook 与 Instagram 等平台日益增长的 AI 推理与训练需求。

备忘录同时披露了 Meta 更大规模的算力扩张蓝图。公司计划今年部署 7 吉瓦 的运算基础设施，并在明年将总容量翻倍至 14 吉瓦。为支撑这一目标，Meta 预计今年 AI 基础设施支出最高可达 1450 亿美元，在科技巨头今年合计逾 7000 亿美元 的 AI 总投资中占据相当比重。备忘录坦言，对大型企业而言，持续导入最新 GPU “一直是一项艰巨的工作，也耗费不少时间”，这从侧面解释了为何自研芯片成为战略必选项。

消息公布后，Meta 股价一度承压，但随后因公司宣布向开发者开放一款直接对标 OpenAI 与 Anthropic 的 AI 编程模型而反弹，最终收涨 4.7%。这一走势反映出市场对自研芯片短期成本压力的担忧，以及对 Meta 在应用层持续加码的认可。

从产业视角看，Meta 的举动并非孤例。研究机构 Forrester 副总裁兼首席分析师 Mike Gualtieri 评论称，若 AI 芯片依赖外部供应商，就难以成为真正的 AI 主导者；超大规模云服务商乃至 SpaceX 都在自行开发芯片，因为只有这样才能在 AI 模型使用成本上维持竞争力。这一趋势正在重塑整个 AI 硬件供应链：云厂商从单纯的 GPU 买家，逐步转变为芯片设计者，将制造外包给台积电等代工厂，从而在架构层面获得针对自身工作负载的优化空间。

与此同时，大规模算力扩张正推高关键零组件价格。摩根士丹利 分析师指出，记忆体及其他芯片价格近期快速且大幅上涨，“芯片通胀” 已逐渐成为值得关注的宏观经济议题。对于 Meta 而言，自研芯片不仅是技术自主的象征，更是在算力需求指数级增长背景下，控制长期总拥有成本的现实选择。