Meta的營運需求已達驚人規模，每日服務使用者高達三十六億人，即使透過在奧克拉荷馬州新建資料中心，現有的三十二座設施仍無法滿足其龐大的運算負荷。面對這種持續擴張的需求，Meta不僅在晶片層面展現了天衣無比的資本支出意願，近期已與CoreWeave和Nebius簽訂了價值高達四十多億美元的協議，專門租用用於AI模型運行的Nvidia GPU資源。然而，最新的戰略佈局顯示出其戰略的務實性：與重度依賴GPU的Nvidia晶片之外，Meta還與Amazon Web Services (AWS)達成了一項至少為期三年的協議，決定大量採購使用AWS的通用型Graviton處理器。Graviton基於ARM架構，它不同於專門用於訓練的GPU，而是能處理更廣泛的運算任務，類似於傳統的CPU。AWS的工程師指出，Graviton對於AI模型優化或後訓練（post-training）等階段極為實用，且能以顯著更低的能源消耗和更優的成本效益來滿足需求。這筆交易標誌著科技巨頭的運算基礎設施正從「純GPU時代」過渡到需要「CPU穩固基礎」的階段，與Intel高層也提及CPU在AI時代重回核心地位的論點不謀而合。然而，觀察值得注意的是，儘管Meta在基礎設施上展示出豪擲千金的資本擴張決心，但公司同時宣布了裁員計畫，即削減近百分之十的員工數，這種「極端投資」與「結構性緊縮」並行的現象，是當前科技產業最鮮明、也是最需要深入探討的矛盾體現。
從業績的角度來看，這篇報導勾勒出一個清晰的產業轉型信號：AI的發展正從單純的「模型訓練（Training）」階段，過渡到更複雜、更需要邊緣計算能力和效率優化的「推論（Inference）」與「優化（Refinement）」階段。Meta選擇Graviton而非僅滿足於高階GPU，這說明了其工程團隊已深刻理解運算成本和能源效率是未來AI商業化落地的兩大核心瓶頸。這不僅是技術路線的選擇，更是一種資本效率的體現——在通貨膨脹和高通膨成本的時代，每瓦特的電能和每一分錢都至關重要。更深層的觀察點在於，科技巨頭的成本結構正在發生根本變化：一方面是為了維持領先地位而無止盡的晶片訂單與資本支出；另一方面，為了提升內部的營運彈性和獲利能力，卻必須進行人力的「精煉」式裁撤。這種「技術狂飆與人力緊縮」的雙軌並行，預示著未來科技公司將更加依賴垂直整合的硬體堆疊能力，將核心競爭力從單純的人力資源，轉移到獨佔的基礎設施生態系上。這場晶片與雲端算力的爭奪戰，其最終的勝負，將不再僅由誰買得起最頂尖的加速器，而是誰能用最精準的架構，整合最經濟的運算核心。
原文網頁：Meta will use hundreds of thousands of AWS Graviton chips in infrastructure grab (by Jordan Novet)
發佈留言