Meta 與 Google 達成人工智慧運算戰略聯盟，預示基礎設施格局轉變

在一項凸顯人工智慧（Generative AI）霸權競爭白熱化的里程碑式行動中，Meta Platforms 據報導已簽署一項為期多年、價值數十億美元的協議，租用 Google 的張量處理單元（Tensor Processing Units，TPUs）。這項由 The Information 率先報導並經業內人士證實的戰略轉向，標誌著 Meta 從過往對 Nvidia GPU 生態系統的依賴發生了重大轉變，並突顯了硬體多元化的廣泛行業趨勢。

該交易預計將於 2026 年開始，涉及 Meta 透過 Google Cloud 存取 Google 的客製化晶片，用於人工智慧（AI）模型訓練和推論。這是 Meta 激進基礎設施擴張的核心組成部分，該公司預計 2026 財年的資本支出將在 1,150 億美元至 1,350 億美元之間——這一數字足以與中型國家的國內生產毛額（GDP）相媲美。

打破 Nvidia 壟斷

多年來，Nvidia 透過其 CUDA 軟體護城河和高效能的 H100 及 Blackwell GPU，在 AI 訓練硬體領域維持著近乎壟斷的地位。Meta 將 Google 的 TPU 整合到其工作流中的決定，代表了迄今為止對這種主導地位最可信的挑戰之一。

透過多元化其運算組合，Meta 旨在實現三個主要的戰略目標：

1. 供應鏈韌性： 減輕與困擾業界的 GPU 短缺和交付瓶頸相關的風險。
2. 成本優化： 利用特定應用積體電路（Application-Specific Integrated Circuits，ASICs）如 TPU 對特定工作負載的架構優勢，潛在降低推論的每次浮點運算成本。
3. 談判籌碼： 建立一個可行的 Nvidia 硬體替代方案，以便在未來的談判中獲得定價權。

「這不僅僅是租用晶片；這是一個擺脫單一供應商鎖定的獨立宣言，」Creati.ai 的高級分析師指出。「Meta 實際上是在驗證 Google 的 TPU 架構在 Google 自身生態系統之外的大規模工作負載中的可行性，這對這家搜尋巨頭的硬體部門來說是一個巨大的認可。」

「TorchTPU」計畫與技術影響

這一合作夥伴關係中一個關鍵但尚未被充分報導的面向是名為 「TorchTPU」計畫 的技術協作。從歷史上看，Google 的 TPU 針對 Google 內部的機器學習框架 JAX 進行了優化，而 Meta 的 AI 開發則深植於 PyTorch。

為了使這項租賃協議在運作上可行，據報導兩家公司正在合作優化 PyTorch 在 TPU 架構上的效能。這種軟硬體協同設計的努力旨在彌合兩個生態系統之間的差距，允許 Meta 的工程師以最小的摩擦將現有模型移植到 Google 的硬體上。

關鍵技術里程碑：

• 2026 年： Meta 開始透過 Google Cloud 租用 TPU 容量，用於大規模模型訓練和推論基準測試。
• 2027 年（預計）： 潛在的轉向本地部署，Meta 可能會將 Google 的「Ironwood」或「Trillium」（v6）TPU 機架直接安裝到自己的資料中心。

基礎設施投資規模：比較視角

Meta 在 2026 年對 AI 基礎設施的投資規模是前所未有的。為了將這一承諾的規模具象化，我們根據最近的收益電話會議和分析師預測，彙編了主要超大規模業者預計的 2026 年資本支出比較。

預計 2026 年 AI 基礎設施支出（估計值）
---|---|----
公司|預計資本支出 (十億美元)|主要重點領域
Meta Platforms|115 - 135|客製化晶片、資料中心、TPU 租用
Microsoft|90 - 100|OpenAI 基礎設施、Azure 擴張
Google (Alphabet)|85 - 95|TPU 部署、Gemini 模型訓練
Amazon (AWS)|80 - 90|Trainium/Inferentia 晶片、資料中心電力

註：數據是根據 2025 年第四季收益指引和行業分析估計的。

多管齊下的硬體策略

Meta 與 Google 的協議並不代表與 Nvidia 的徹底決裂。相反，它表明了向混合基礎設施模式的轉變。Meta 繼續是 Nvidia Blackwell GPU 的最大買家之一，並且還深化了與 AMD 的聯繫，計畫部署 MI300 和未來的 MI400 系列晶片。

這種「全方位」策略允許 Meta 將特定工作負載與最高效的硬體相匹配。例如，雖然 Nvidia GPU 由於其記憶體頻寬可能仍是訓練最大基礎模型（Foundation models）的金本位，但 Google 的 TPU 和 AMD 的 Instinct 加速器可能越來越多地用於推論和微調，在這些領域成本效率至關重要。

行業反應與未來展望

該交易在半導體市場引起了軒然大波。消息傳出後，Alphabet 股價小幅上漲，反映出投資者對其雲端部門將其內部硬體貨幣化能力的信心。相反，此舉對 Nvidia 構成壓力，要求其在最大客戶積極資助和部署競爭架構時捍衛其利潤率。

對於更廣泛的 AI 生態系統，這項合作夥伴關係驗證了 AI 基礎設施未來將是異構（Heterogeneous）的論點。隨著模型複雜性的增加以及「代理型（Agentic）」AI 工作流對大規模推論能力的需求，在各種晶片（GPU、TPU 和客製化加速器）上編排工作負載的能力將成為決定性的競爭優勢。

展望 2026 年底，「TorchTPU」整合的成功將是值得關注的關鍵指標。如果 Meta 能夠證明 PyTorch 模型可以在 TPU 上大規模高效運行，這可能會為其他企業效仿打開大門，從而從根本上重塑 AI 時代的經濟格局。