人工智慧基礎設施的大規模轉移：Meta 與 AMD 破紀錄的交易
在一項從根本上重塑人工智慧（Artificial Intelligence, AI）硬體格局的舉措中，Meta 宣佈大規模擴展與 AMD 的戰略合作夥伴關係。這家科技巨頭承諾部署 6 吉瓦（Gigawatts, GW）的 AMD GPU 基礎設施，這一數字代表了歷史上針對 AI 計算電力容量最大的單一承諾之一。
此公告是在 Meta 承諾採購數百萬個 Nvidia GPU 幾天後發佈的，標誌著向多供應商策略的決定性轉移。對於追蹤通用人工智慧（Artificial General Intelligence, AGI）軌跡的行業觀察者和利益相關者而言，這一發展凸顯了 Meta 對計算主權和供應鏈韌性的積極追求。在 Creati.ai，我們分析了這種大規模引進 AMD 硬體將如何加速 Meta 的路線圖並改變半導體市場的競爭動態。
6 吉瓦的承諾：解構其規模
要理解這項協議的規模，必須超越單純的單元數量，轉而關注電力指標。在現代 AI 時代，以吉瓦（GW）衡量的電力容量已成為計算潛力最真實的指標。部署 6 吉瓦是史無前例的。背景參考：一個典型的超大規模 數據中心（Data Center） 園區可能消耗 100 到 300 兆瓦（Megawatts）。承諾 6 吉瓦意味著橫跨數十個大型設施的全球基礎設施推廣。
這一容量預計將支持數十萬個 AMD 最新的 Instinct 系列加速器，可能是 MI350 或新預告的 MI400 世代，這些加速器旨在處理下一代 Llama 模型所需的巨大吞吐量。
基礎設施密度與效率
整合這種水平的電力需要對數據中心設計進行全面重新思考。Meta 和 AMD 據報導正在合作開發定製的開放運算專案（Open Compute Project, OCP）機架設計，以處理熱密度。
關鍵基礎設施目標：
- 液冷整合： 從空氣冷卻轉向芯片直接液冷，以管理下一代加速器的散熱設計功率（Thermal Design Power, TDP）。
- 能源使用效率（Power Usage Effectiveness, PUE）： 目標 PUE 接近 1.1，確保 6GW 中的絕大部分直接用於計算而非開銷。
- 叢集延遲： 利用 AMD 的 Infinity Fabric 創建大規模、低延遲的叢集，使其像單台超級計算機一樣運行。
戰略多樣化：打破供應商鎖定
多年來，AI 的敘事一直由單一硬體供應商主導：Nvidia。雖然 Meta 最近部署數百萬個 Nvidia H100 和 Blackwell GPU 的承諾強調了該關係仍然至關重要，但與 AMD 的交易證明 Meta 不願受制於單一供應鏈。
通過使其 計算堆疊（Compute Stack） 多樣化，Meta 實現了三個關鍵戰略目標：
- 供應鏈韌性： 減輕在需求激增期間困擾 AI 行業的短缺風險。
- 成本談判槓桿： 引入競爭迫使整個市場進行價格調整。
- 架構自由： AMD 的開放硬體方法與 Meta 的開源軟體理念一致。
比較計算巨頭
下表概述了 AMD 和 Nvidia 硬體在 Meta 2026 年基礎設施生態系統中的預期角色：
| 特性 | AMD 基礎設施 | Nvidia 基礎設施 |
|---|---|---|
| 主要工作負載 | Llama 模型的推理與微調 | 基礎模型的核心訓練 |
| 軟體堆疊 | ROCm / PyTorch 2.0 原生 | CUDA / 專有堆疊 |
| 互連 | Infinity Fabric（開放標準） | NVLink（專有） |
| 戰略角色 | 成本效益與規模 | 最高效能與遺留支援 |
軟體催化劑：PyTorch 與 ROCm
硬體的效能取決於其上運行的軟體。過去 AMD 採用的主要障礙是其 ROCm 軟體堆疊與 Nvidia 的 CUDA 相比成熟度不足。然而，Meta 對 PyTorch 的大量投資已有效地中和了這一「護城河」。
PyTorch 2.0 及後續更新已抽象化了許多底層硬體的複雜性。對於 Meta 的工程師來說，為 PyTorch 編寫的代碼現在只需極少修改即可在 AMD Instinct GPU 上無縫運行。這種軟體可移植性是使 6 吉瓦 AMD 部署可行的關鍵。
開源協同效應
Meta 和 AMD 共同承諾遵守開放標準。與競爭對手的封閉生態系統不同，這種夥伴關係嚴重依賴開源貢獻。我們預計這種協作將在 Triton 編譯器和其他中間表示方面取得重大進展，使更廣泛的 AI 社群受益，而不僅僅是 Meta。
市場影響：新的雙頭壟斷？
股市對此消息反應迅速，AMD 股價在盤前交易中飆升。這筆交易驗證了 AMD 的路線圖，並向其他超大規模業者（Microsoft、Amazon、Google）發出了信號，即 AMD 是第一梯隊 AI 工作負載的可行替代方案。
對於更廣泛的半導體行業而言，這標誌著 AI 訓練和推理硬體競爭性雙頭壟斷的正式到來。它挑戰了「贏家通吃」的敘事，並暗示了一個未來，即 AI 基礎設施 是異構的，利用 GPU、自定義 ASIC（如 Meta 的 MTIA）和專門加速器的混合。
未來展望：驅動元宇宙與通用人工智慧
歸根結底，這種硬體積累是達到目的的一種手段。Mark Zuckerberg 對於建立通用人工智慧（AGI）並將其整合到社交連結（包括元宇宙，Metaverse）中的目標一直非常明確。
6 吉瓦的計算能力為訓練比 Llama 4 大幾個數量的模型提供了必要的原始燃料。它能為智慧眼鏡、虛擬實境環境和先進的自主代理提供實時、多模態（Multimodal）的 AI 處理。
隨著我們展望 2026 年餘下的時間，這次部署的執行將至關重要。如果 Meta 和 AMD 能夠按計劃成功將這一容量上線，他們將建立起世界上見過的最大 AI 超級計算機網絡。
對於 Creati.ai，我將繼續監測這項前所未有的合作夥伴關係中出現的技術基準和效率報告。AI 霸權之爭剛剛掛上了二檔。
