我们来聊聊这个事儿，Meta搞出的5nm MTIAv2芯片，到底能不能把英伟达H100给比下去？看看这组数据：功耗压到了90W，仅为H100七分之一；稀疏计算干到了708TFLOPS，比老版强了7倍。Meta工程师按动开关时，监控仪指针直接飙到了90W刻度线，这功耗看着吓人，其实挺省电的。台积电的5nm晶圆上这场硅基大战打得挺凶。 算力这边的数字挺有意思：MTIAv2的每个单元缓存扩容到384KB，频率也冲到了1.35GHz。可跟英伟达H100对比，人家同等精度下有3026TFLOPS呢。说到底，Meta这颗芯更像赛道上的精准卡位选手。 咱们用Llama3训练数据看看具体干活咋样：在广告推荐这种活儿上，服务吞吐量提升了6倍，每瓦性能也涨了1.5倍。这种效果主要是靠Meta对全栈的深度定制换来的，就像自家厨房用的炉灶虽然火力一般，但炒招牌菜特别顺手。 为了解决内存墙问题，台积电的CoWoS封装技术派上了大用场。它把计算核心和HBM内存叠在一起了，内存带宽立马翻倍了。这就好比在芯片里修了条直达数据仓库的高速路。不过相比英伟达已经进化到第四代的NVLink互联技术，Meta在这方面还是差点意思。 芯片面积只涨了13%，却换来3.5倍的稠密算力？这有点违反摩尔定律吧？其实是SIMT架构优化的结果。初代产品用的是SIMD设计，而这次MTIAv2学了英伟达的线程级并行架构，单个指令能驱动更多数据流了。 这软件适配成本自然高了不少。好在Meta只用了9个月就搞定了迭代——从流片到部署16个地区，这速度跟硅谷创业公司差不多。 在推理任务这块战场上，Meta突然就有了战斗力：双插槽CPU配上翻倍的设备数量，系统能同时处理复杂度差一百倍的模型。这弹性是设计时留了余量的结果。 但也有暴露出的问题：训练芯片项目接连取消了。Olympus项目流产表明，在海量数据并行的训练领域，英伟达CUDA生态的护城河还是深着呢。就像想用瑞士军刀干专业手术的活儿一样，单个模块再精巧也不行。 现在Meta想走第三条路：搞多元化芯片组合。发言人暗示以后可能会用自研推理芯片加采购训练芯片的混合模式。这样既能躲着英伟达的锋芒又能保住自主权。 当扎克伯格宣布年底要部署35万颗H100时，你可能没注意到背后的玄机：配合自研芯片后，Meta实际拿到的算力相当于60万颗H100。这种1+1大于2的效应才是AI芯片战争的最高境界——不是取代而是重组。 未来硅基世界的权力版图肯定还会变，但这一回博弈的筹码已经不一样了。