一句话看懂：Meta 在收购芯片初创公司 Rivos 六个月后，于近期叫停了一款专用于训练其最大规模 AI 模型的芯片开发项目，反映出自研芯片整合面临技术或战略层面的深层挑战。
事件核心：发生了什么
据 The Information 报道，Meta 在 2025 年底完成对芯片设计公司 Rivos 的收购后，原计划借助 Rivos 的设计能力开发一款专门用于训练其旗舰大模型的定制芯片。然而，经过六个月的努力整合，Meta 已决定停止这款训练芯片的研发工作。目前公开信息显示，该决策的具体技术原因尚未披露，但业界普遍猜测与芯片功耗、性能指标未达预期或内部路线调整有关。值得注意的是，Meta 仍然在推进其他 AI 推理芯片（如 MTIA 系列）的项目。
为什么重要
这一事件对 AI 算力供应链格局传递出复杂信号。首先，它表明即便是 Meta 这样拥有充足资金和算力需求的公司，自研高性能训练芯片的难度远超预期——芯片从设计到流片再到与现有硬件栈（如英伟达 CUDA 生态）兼容，涉及极高门槛。其次，Meta 叫停训练芯片而保留推理芯片，可能意味着其在“训练”侧更倾向于继续依赖英伟达等成熟供应商，而在“推理”侧尝试通过自研芯片降本增效。对于 AMD、英特尔等正在争夺 AI 训练市场份额的公司而言，这或许意味着 Meta 短期内不会转移其大模型训练订单。此外，收购后整合困难也提醒行业：收购芯片初创公司所获得的 IP 和人才，未必能快速转化为可用的量产芯片。
对用户/开发者/创作者的影响
对大多数使用 Meta 旗下 AI 产品（如 Llama 模型、Meta AI 聊天助手）的开发者和普通用户来说，短期影响有限。Meta 的 Llama 模型依然会基于英伟达 GPU 集群进行训练和迭代，推理侧的效率改进则可能继续推进。但若自研训练芯片长期缺位，Meta 在训练更大规模模型时的算力成本压力将难以被内部消化，这可能会间接推迟某些大型多模态模型的公开发布节奏。对于依赖 Llama 开源模型的开发者，未来版本的训练路径若过于依赖外部算力供应商，可能会导致技术栈耦合度升高，甚至影响到模型的开源许可条款或训练数据披露策略。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Rivos 的核心设计团队在 Meta 内部的去留——如果关键技术人才流失，Meta 其他芯片项目（如 MTIA 推理芯片后续迭代）也可能受影响。二是 Meta 是否会因此转向更激进的定制化合作（例如与博通或 Marvell 联合设计 ASIC），或直接加大采购英伟达下一代 GPU（如 B300 系列）的力度。三是行业竞品如谷歌、亚马逊、微软在自研训练芯片（TPU、Trainium、Maia）上的进展，这些公司目前仍坚持推进自研路线，Meta 的退缩可能让这场自研芯片竞赛的赢家格局更加清晰。
来源：Techmeme
