发布时间：2026-03-5 阅读量：4421 来源: 发布人: suii
Meta首席财务官Susan Li在3月4日的摩根士丹利科技行业会议上表示，公司仍致力于开发自研定制芯片，包括计划推出能够训练其下一代人工智能模型的专用处理器。
Susan Li表示Meta的自研芯片目前主要部署于排名与推荐类工作业务，她说：但我们预期并且希望随着时间推移能够扩展这一范围，包括最终延伸至AI模型的训练。
Meta将自身定位为数据中心的超大规模运营商之一，用于训练和运行AI模型，尽管公司本身并非云计算服务提供商。
此前数周，Meta已相继与芯片市场领导者英伟达及其竞争对手AMD达成大规模采购协议，用于支撑AI工作负载所需的芯片与设备供应。
Susan Li强调，Meta采取的是差异化的芯片采购策略，根据不同应用场景选择最合适的处理器。她说：基于我们目前掌握的信息和当前需求，我们认为哪款芯片最适合每一种应用场景？定制芯片是其中的关键一环。
分析指出，Meta的自研芯片战略并非旨在完全替代外部采购，而是构建一种混合供应体系。该模式下，外购芯片用于满足当前规模化需求，而自研芯片则专注于优化高度定制化的内部工作负载，以提升运行效率并控制长期成本。
在英伟达GPU与CUDA生态长期主导AI训练与科学仿真的背景下，国产LineShine（灵晟）纯CPU超算以2.198 EFlops持续双精度性能登顶TOP500，印证了“矩阵增强型CPU”正在重构HPC底层硬件标准。 近日，Jack Dongarra、Satoshi Matsuoka、Torsten Hoefler三位HPC权威联合发表《Do We Still Need GPUs? Rethinking AI and Scientific Computing on Matrix-Enhanced CPUs》，系统拆解了无GPU同构超算的四层技术体系：处理器指令集硬件加速、统一HBM高带宽内存架构、全精度混合运算单元、原生高速互联网络。
回顾AI今年的发展轨迹，我们能察觉到一种质的变化：AI不再只是被展示、被调用的“展品”，而是拥有了更明确的“行动感”。从代码编写到机器人奔跑，从算力基建到未来接口，行业正集体从“回答问题”走向“完成任务”。 我们试图透过五个数字，捕捉这一轮产业变革中的关键切片。
展会大数据公布！2027.7.7-9，上海见。
全球知名半导体制造商ROHM近日宣布，面向车载安全功能和保护电路开发出100V耐压MOSFET新品“RS4P063BPHZG”
2026 WAIC落下帷幕，国内AI算力产业的共识正发生清晰转向：单点参数竞赛逐渐退潮，超节点集群、全产业链自主可控与底层架构原始创新成为核心主线。在此背景下，首次参展的东方算芯凭借“高能效软件定义近存计算芯片DF1000”斩获大会最高荣誉SAIL奖。这座奖杯背后，指向了一条不依赖先进制程与既有生态的突围之路。
