几百颗芯片一起训练推荐模型，就像一群人合做一张巨型表格：每个人算得再快，频繁交换数据也会拖慢全队。Meta新公布的MTIA 300不只提升计算，还把网络和“集合通信”——多颗芯片交换、汇总数据的操作——直接纳入加速器设计。原因是推荐模型的嵌入表可能占参数量99%以上，通信和计算同样影响训练效率。
MTIA 300在封装内放入两个网络芯粒，共配备12个定制800 Gbps RDMA网卡，可绕过PCIe提供总计1.2 TB/s I/O带宽。它还用16个专用消息引擎处理通信，避免挤占模型计算资源。Meta称，计算与通信并行时，吞吐量下降不到0.5%；对比GPU架构的实测损失超过20%。在一个由40颗加速器训练的1500亿参数推荐模型上，通信耗时降至同配置GPU集群的约1/3.9。
这意味着Meta的自研芯片策略正从“把计算做好”走向“把数据中心的计算、网络和通信软件一起设计”。它仍会采购AMD和英伟达加速器，但MTIA 300进一步减少了其对通用外部AI基础设施的依赖。上述性能数字均来自Meta自述。