Meta 自研 AI 晶片 Iris 9 月交台積電量產　降低 NVIDIA 依賴與算力成本

Reuters 7 月 10 日獨家報導,Meta 內部代號 Iris 的自研 AI 訓練晶片將於 9 月正式交付台積電(2330)啟動量產,主打內部訓練與推論雙用,單卡效能對標 NVIDIA H100,叢集規模約 24,000 顆 Iris 即可達到等同 7,000 顆 H100 構成的傳統 GPU 叢集效能。Iris 採用台積電 3 奈米製程,搭配 Broadcom 共同設計的 SerDes 與 PCIe Gen 6 介面,並整合 Meta 既有的 MTIA 推論架構經驗。

「去 NVIDIA 化」已是 Meta 的明示策略。Meta 在 2024 年就推出第一代 MTIA 推論加速器,2025 年進入第二代 MTIA 與 NVIDIA H100 雙軌並行;Iris 則是 Meta 第一顆「真正意義上」的 AI 訓練加速晶片,效能直接對標 H100,單一 Iris 卡消耗的電晶體數量達 1,500 億顆,搭載 288GB HBM3E 高頻寬記憶體,可支援 1750GB/s 雙向頻寬。

這項布局對 Meta 的 AI 算力擴張策略有三層意義:(1) 單顆 Iris 的硬體成本僅約 H100 的 65%,可壓低 Meta 在生成式 AI 訓練上的資本支出,根據 24/7 Wall St. 預估,這項轉換將在 2026~2027 年為 Meta 節省約 65 億美元硬體採購;(2) 14GW 算力擴張計畫將同步使用 Iris + NVIDIA GPU,降低被 NVIDIA 漲價與供應配額箝制的風險;(3) Meta 開始向外部客戶銷售算力出租業務(compute rentals),Citrini 投資機構分析認為,AI 算力出租將為 Meta 在 2027 年帶來 80~120 億美元新營收。

對台積電的實質意義重大。台積電不僅承接 Iris 主晶片代工,同時也承接 NVIDIA B100/B200/Rubin 等舊世代與次世代 GPU 訂單;Iris 量產代表 3 奈米製程的產能多元化應用,將進一步鞏固台積電在 AI ASIC 代工市場的主導地位(聯發科 ASIC 與博通/Google/Meta/Amazon 設計的客戶涵蓋率已達九成)。

值得注意的是,產業訊息也指 Meta 正與 Samsung Foundry 洽談「第二供應商」合作,傳聞涉及 2 奈米製程的下一代 MTIA 改版,預計 2026 H2 進入 deep-dive 階段。Samsung 內部積極爭取,以緩解黃仁勳在 2026 上半年 HBM 供應鏈布局上被 NVIDIA 弱化的局面。

後續觀察 4 個關鍵點:(1) 9 月量產是否如期進入風險量產階段;(2) 24,000 顆 Iris 構成的「Meta Santa Clara 叢集」實際訓練成效,是否真能在 LLaMA-4 訓練週期超越 H100 叢集;(3) Meta 算力出租業務客戶名單與單價;(4) Samsung Foundry 與台積電「第二供應商」角力的最終落槌,不僅影響 Iris 第二代,也影響 NVIDIA 次世代 Rubin GPU 是否部分轉單。

晶圓代工市場與先進製程展望

台積電在先進製程的領先地位持續擴大，3 奈米與 5 奈米製程產能利用率維持高檔，2 奈米製程更已進入風險試產階段。法人普遍預期，2026 年下半年 3 奈米月產能將從目前 12 萬片提升至 18 萬片，2 奈米 2027 年量產時程不變。在 CoWoS 與先進封裝端，台積電持續擴大與日月光、Amkor 等封測廠的協同合作，以滿足 NVIDIA、AMD、聯發科、Google 等客戶在 AI 加速器與 HPC 晶片的封裝需求。整體而言，台灣在晶圓代工價值鏈的市佔率與議價能力仍將穩居全球第一，並對相關設備、材料、廠務工程業者帶來穩定的訂單挹注。

供應鏈連動與投資脈絡

隨著台積電資本支出持續上修，供應鏈中的關鍵廠商也同步進入擴產週期。極紫外光（EUV）相關設備商 ASML 對台灣出貨佔比逐年提升，國內廠商如帆宣、漢唐、辛耘、瑞耘、京鼎等在廠務工程與零組件供應端的角色日益吃重；矽晶圓端的環球晶、台勝科、合晶，以及光罩、光阻、研磨液等特用化學品供應商，也將受惠於晶圓代工廠產能利用率維持高檔所帶動的採購增加。在終端應用面，AI 加速器、HPC、智慧型手機 AP、IoT 與車用電子仍是推動先進製程需求的主要動能，法人看好台灣半導體供應鏈 2026 全年營收與獲利年增率將持續優於全球同業平均。