Meta 自研 AI 晶片 Iris 傳出將在 2026 年 9 月進入量產。Yahoo Finance 轉載的 Reuters 報導指出，這顆晶片由 Broadcom 協助設計，交由 TSMC 製造。由於 Meta 尚未以正式產品公告公開所有技術細節，這篇只能把它視為外媒報導的供應鏈訊號，而不是 Meta 已完整揭露的量產承諾。
即使如此，這則消息仍值得半導體產業關注。Meta 是全球最大 AI 基礎設施買家之一，若它把更多訓練或推論工作移到自研 ASIC，影響的不只是 NVIDIA GPU 採購，也會牽動 Broadcom ASIC 設計服務、TSMC 先進製程與封裝產能分配。
Meta Iris 反映 hyperscaler 正在降低單一 GPU 依賴
雲端與社群巨頭自研 AI 晶片不是新事。Google 有 TPU，Amazon 有 Trainium 和 Inferentia，Microsoft、Meta 也都持續投資內部加速器。差別在於，生成式 AI 推升算力需求後，這些自研晶片不再只是成本優化專案，而是供應鏈韌性的一部分。
Meta 仍高度依賴 NVIDIA 和 AMD GPU，但自研 ASIC 可以針對自家模型、推薦系統、廣告排序或推論工作負載做設計。若 Iris 能穩定量產，Meta 就有機會把部分固定工作負載從通用 GPU 轉到自家晶片，降低長期運算成本。
Broadcom 和 TSMC 是自研 ASIC 落地的關鍵外部夥伴
大型網路公司說自研晶片，並不代表所有環節都自己做。Broadcom 長期提供客製 ASIC 設計與網路晶片能力，TSMC 則掌握先進製造。Meta 若透過這兩家公司推進 Iris，代表它仍要依賴成熟的半導體供應鏈把內部需求變成可量產晶片。
這也是台灣供應鏈會關注的原因。AI ASIC 和 GPU 一樣，都會吃掉先進製程、先進封裝、測試與高階基板資源。當 hyperscaler 自研晶片變多，TSMC 產能分配會面對更多來自雲端客戶的直接需求，不只是傳統晶片設計公司。
Meta 資本支出壓力讓自研晶片更有財務意義
Meta 近年大幅提高 AI 基礎設施投資，資料中心、GPU、電力與網路設備都讓投資人關心自由現金流。外媒也把 Iris 報導和 Meta 擴大 AI 運算容量、探索雲端服務的策略放在一起看。
自研晶片的財務邏輯很直接：前期研發與投片成本高，但如果工作負載足夠大、使用時間夠長，就可能用較低單位成本換取長期效率。Meta 的廣告、推薦、生成式 AI 和未來企業 API 服務，都可能成為這類晶片的內部需求來源。
Meta Iris 的量產良率、軟體堆疊與工作負載決定後續影響
目前市場最需要追的是三件事。第一，Iris 是否真的如報導所說在 9 月量產，以及初期產能規模多大。第二，Broadcom 和 TSMC 的合作是否能在良率、封裝和供貨節奏上穩定。第三，Meta 能否把模型和內部系統調到適合 Iris 的軟體堆疊。
AI 晶片不只是硬體規格競賽。NVIDIA 的優勢包含 CUDA、生態系、開發者工具和成熟部署經驗。Meta Iris 若要改變供應鏈比重，必須證明它能在特定工作負載上穩定省錢、穩定交付，並且不拖慢 Meta 內部 AI 產品節奏。
消息來源：Yahoo Finance / Reuters、Investors Business Daily、New York Post。
