2026年7月，一份内部备忘录在Meta内部流传，又迅速被媒体捕获。备忘录里提到的不是新功能、不是季度业绩，而是一颗芯片的制造时间线：9月，启动量产。
这颗芯片的代号叫Iris，官方名称为MTIA 400，是Meta定制硅计划（MTIA，Meta Training and Inference Accelerator）的第四代产品。它从实验室走向产线的速度之快，超出了多数人的预期。bug测试阶段仅用了六周，没有出现任何重大问题。
但比这颗芯片本身更值得关注的，是它背后那个更大的叙事：Meta正在从AI基础设施的“大买家”，变成“自己造的人”。
从实验室到产线，Meta的定制硅计划正在加速
Meta的AI芯片故事，不是在2026年才开始的。
早在2023年，Meta就启动了MTIA项目，但彼时更像一个“技术储备”。业界普遍认为，以Meta的体量，定制硅的投入产出比远不如直接买英伟达的GPU划算。毕竟，Meta是英伟达最大的客户之一。2024年初，扎克伯格公开表示，Meta到年底将拥有约35万块英伟达H100 GPU，整体算力储备相当于60万块H100等效。按当时每块H100超过3万美元的价格计算，仅GPU采购就耗资超百亿美元。
但2026年，风向变了。
3月，Meta在官方博客中一次性公布了四代MTIA芯片路线图：300、400、450、500，覆盖从当前到2027年的全周期。其中MTIA 300已经投产，主要用于排名和推荐引擎。这是Meta广告业务的核心命脉。而Iris（MTIA 400）将面向更广泛的AI推理任务，涵盖生成式AI在Facebook、Instagram、WhatsApp上的应用负载。
4月，Meta宣布与博通（Broadcom）扩大战略合作，从“单项目合作”升级为“多代际联合开发”，合作期限延伸至2029年。按照规划，新一代芯片将采用台积电2纳米工艺制造。
7月9日，路透社独家披露内部备忘录细节：Iris芯片已完成测试，9月正式进入制造阶段。与此同时，Meta的算力基础设施目标被同步曝光。2026年达到7吉瓦（GW），2027年翻倍至14吉瓦。
14吉瓦是什么概念？超过了许多小国的全国电力消耗总量。这不再是“买服务器”的规模，而是“建一座城市”的规模。
与之匹配的是惊人的资本开支。Meta 2026年资本支出指引高达1250亿至1450亿美元，几乎全部指向AI基础设施。这个数字是2025年（700亿至720亿美元）的近两倍，在全球企业年度资本开支历史上也堪称罕见。
扎克伯格在内部将这一系列动作定义为“从采购到所有权的转变”。Meta不再满足于做算力市场的大买家，它要成为算力的生产者。
为什么是现在？定制硅的“经济账”终于算得过来了
在Meta的体量面前，定制硅的决策逻辑与创业公司完全不同。
一个简单的框架：当一家公司每年花在GPU上的钱超过100亿美元时，定制芯片的NRE（一次性工程费用）就变得微不足道了。Meta 2026年的资本开支是1250亿至1450亿美元，其中购买GPU占大头。如果一颗定制芯片能将推理成本降低30%到50%，两年就能省下数百亿美元。
这笔账，扎克伯格显然是算过的。
但成本只是表层逻辑。更深层的原因是：Meta的AI负载越来越“非标”了。
Meta的AI应用场景与云厂商不同。它不需要为成千上万个客户提供通用算力，它只需要为一件事优化：推荐系统加生成式AI推理。推荐引擎需要极低延迟、高吞吐的推理能力，这与训练大模型所需的计算模式截然不同。通用GPU虽然灵活，但针对特定负载的能效比远不如定制芯片。
Meta内部备忘录中有一句话值得细读：“采用最新款GPU，对于我们这样规模的公司来说，一直是个沉重的负担，而且耗费了我们太多时间。”翻译成大白话：为了适配通用GPU，我们付出了太多工程代价。
定制芯片的另一个优势是算力密度。Meta的目标是在2027年达到14吉瓦的计算能力，但如果全部使用通用GPU，达到这个规模所需的物理空间、散热、电力、运维成本将呈指数级上升。一颗为推理深度优化的芯片，可以在同等功耗下提供远高于GPU的吞吐量。Meta公开的数据显示，其MTIA系列从300到500代际，目标是在算力（FLOPS）上提升25倍，高带宽内存（HBM）带宽提升4.5倍。
与博通和台积电的“铁三角”：Meta的制造能力从哪来
Meta并不打算自己建晶圆厂。它选择了一条更务实的路径：与博通合作设计，交由台积电制造。
博通在定制AI芯片市场的地位近年迅速上升。从谷歌的TPU到OpenAI的Jalapeño芯片，再到Meta的MTIA系列，博通几乎包揽了科技巨头定制硅的设计端业务。其核心能力在于将巨头的“纸面需求”转化为可制造的芯片设计，同时协调从IP授权到后端封装的完整流程。
台积电的角色同样关键。2纳米工艺的产能已被苹果、英伟达等客户提前锁定，Meta能获得产能分配，本身就是一个信号。它的定制硅计划在台积电内部获得了足够高的优先级。
Meta的供应链布局不止于此。根据备忘录披露，Meta还与三星签署了存储芯片长期供应协议，与闪迪签订了闪存供应合同，与住友电气锁定了光纤设备供应。这不是一个芯片项目，这是一个完整的供应链体系。
这种“控制最关键层、保持其他层灵活”的策略，与苹果的芯片战略高度相似。苹果自研A系列和M系列芯片，但制造外包给台积电，存储和显示面板保持多供应商策略。Meta正在复制同样的路线，只是它的目标不是手机，而是AI基础设施。
14吉瓦的算力，还是Meta新开的云业务，哪个更让人不安
7月1日，就在Iris芯片备忘录曝光前一周，Meta做了一件让华尔街措手不及的事：宣布成立云业务Meta Compute，对外出租AI算力。
这两件事放在一起看，信息量陡然增加。
如果Meta只是为了自己的AI应用做定制芯片，它不需要对外卖算力。但Meta Compute的成立意味着：Meta不仅要“自己造”，还要“卖给别人用”。这直接将其置于与亚马逊AWS、微软Azure、谷歌GCP正面竞争的位置。
扎克伯格在2025年Q3曾表示，公司“不会成为算力供应商，除非我们过度建设了AI基础设施”。仅仅九个月后，Meta就从“除非”走向了“正在做”。
这背后的逻辑是：定制芯片让Meta获得了更具竞争力的算力成本结构。当你的推理成本比竞争对手低30%，你就有底气把算力作为一种商品出售。Meta Compute的推出，本质上是在告诉市场：我们的AI基础设施已经过剩到可以卖的程度了，而定制芯片正是让这种过剩在经济上成立的关键变量。
三个不可忽视的隐患
Meta的定制硅故事并非没有阴影。
第一，执行风险。 半导体行业18到24个月的产品开发周期是几十年形成的规律。Meta要压缩到6个月一个代际，这对工程团队的挑战是巨大的。任何一次流片失败，都可能导致整个时间表后延。
第二，规模化的不确定性。 从实验室芯片到大规模部署，中间隔着“魔鬼峡谷”。一颗芯片在测试中表现良好，不等于在百万级规模的集群中同样稳定。散热、互联、调度、软件栈适配，每一个环节都可能成为瓶颈。
第三，定制硅的弹性问题。 定制芯片的最大优势是“专”，最大的风险也是“专”。如果AI负载范式发生根本性变化，比如从Transformer架构转向某种新的架构，定制芯片的灵活性远不如通用GPU。Meta押注的是一个特定的推理计算模式，如果这个模式变了，数百万颗定制芯片可能一夜之间贬值。
从选择题到必答题，Meta的AI算力赌注
Meta的定制硅战略，正在从“选择题”变成“必答题”。
1250亿至1450亿美元的资本开支，7吉瓦到14吉瓦的算力跃迁，六个月的芯片迭代周期。这些数字叠加在一起，指向一个清晰的判断：Meta正在试图将AI从“周期性支出”变为“结构性资产”。
如果定制硅成功，Meta的经济模型将发生根本性变化。每单位算力的成本下降，将直接转化为广告推荐质量的提升、生成式AI产品的更快迭代，以及Meta Compute云业务的利润空间。这是一条从“买算力”到“造算力”再到“卖算力”的价值链再造。
如果失败，Meta将面对的不仅是数百亿美元的沉没成本，还有在AI竞赛中落后于谷歌、微软等竞争对手的战略风险。
但无论结果如何，一个事实已经不可逆转：当Meta决定在9月点亮Iris芯片的生产线时，AI基础设施的供应链格局已经被永久改变了。
Meta不再只是AI时代的“淘金者”，它正在成为那个卖铲子的人。
快报