为了满足未来10年人工智慧研究的需求，Meta规画下一代人工智慧基础设施。专为人工智慧设计的基础设施主干，包括使用Meta自己设计的人工智慧加速晶片MTIA，并采用新的资料中心设计。另外，在RSC（Research SuperCluster）计画第二阶段，Meta还将完成具有16,000个GPU的超级电脑，以支援人工智慧研究。

简称为MTIA（Meta Training and Inference Accelerator）的晶片，是Meta最新针对推理工作负载所设计的加速晶片，Meta表示，MTIA针对内部的工作负载，具有比CPU更强的计算能力和效率，透过部署MTIA和GPU，Meta能够以更高效能和更低的延迟执行工作负载。

由於Meta认为，他们特有的推荐工作负载规模，GPU无法总是提供需要的运算效率。因此特别开发了MTIA，这是一个全堆叠解决方案，包含了晶片、PyTorch和推荐模型。MTIA和PyTorch完全整合，因此开发者能够以与CPU和GPU相同的方式，在MTIA上开发程式，除了使用PyTorch，开发者也能以C/C++最佳化运算核心。MTIA之後也会整合PyTorch 2.0。

最新的资料中心也是针对人工智慧工作负载设计，具有液冷式人工智慧硬体，以及将数千个MTIA人工智慧晶片连结在一起的高效能人工智慧网路，可建立起资料中心规模的人工智慧训练丛集。新设计将使建置更快更具成本效益，并且与其他ASIC解决方案MSVP等现有硬体互补。

除此之外，Meta也将完成超级电脑RSC的第二阶段升级，这个专门用来训练大型人工智慧模型的超级电脑，将会拥有16,000个GPU，并且所有GPU都可以使用3阶段Clos网路（Clos Network），以高流量网路支援2,000个训练系统。

除了硬体的升级，Meta也透过部署人工智慧程式开发助理CodeCompose，改进内部开发方法，依据Meta的描述，CodeCompose就像GitHub Copilot，是一个生成式人工智慧程式开发助理，能够加速开发人员工作效率。