計算架構的策略性轉折
在一項凸顯人工智慧（Artificial Intelligence）基礎設施快速變化格局的里程碑式舉措中，Meta 與 Amazon 達成了一項重大合作，以確保能獲取數百萬顆後者專有的 AI CPU。這項交易標誌著業界從幾乎完全依賴高階 GPU（特別是 Nvidia 設計的那些）轉向的一個關鍵分水嶺，並顯示出為特定 AI 任務實現計算資源多元化的強烈承諾。
多年來，開發最強大大型語言模型（Large Language Models，簡稱 LLMs）的競賽，一直是追求 H100 和 Blackwell GPU 的代名詞。然而，隨著 AI 開發邁向「代理式 AI（Agentic AI）」——即具備獨立推理、多步驟問題解決和自主執行能力的系統——其計算需求正變得更加細膩。Meta 決定利用 Amazon 自研晶片的做法顯示，AI 基礎設施的未來不會是「一體適用」的。
為什麼 Meta 押注 Amazon 的晶片
推動這項協議的主要動力，在於 CPU 在處理特定「代理工作負載」時所具備的獨特效率。雖然 GPU 是用於大規模平行處理任務（例如初始模型訓練）的推手，但代理工作流程通常需要高頻率、複雜的決策以及在記憶體與邏輯閘之間頻繁切換。
透過整合 Amazon 的專業 CPU，Meta 旨在優化其 AI 代理的運營成本與延遲。下表突顯了與標準 GPU 策略相比，計算角色在策略上的差異。
| 計算類型 | 主要優勢 | 目標 AI 應用 | 策略優勢 |
|---|---|---|---|
| GPU 叢集 | 平行矩陣運算 | 基礎模型預訓練 | 原始計算吞吐量 |
| Amazon AI CPU | 任務編排 | 代理工作流程 | 能源效率與低延遲 |
| 混合系統 | 混合精度邏輯 | 應用推理 | 優化單位推理成本 |
除了原始效能外，此舉顯然是為了供應鏈韌性所做的佈局。隨著對 AI 計算的需求持續超過生產能力，像 Meta 這樣的公司正透過多元化其晶片組合，以減少對單一硬體生態系統的依賴。
代理式 AI 需求的興起
在 Creati.ai，我們觀察到 AI 產業的焦點已從單純的文本生成，轉向自主行動代理的開發。與靜態模型不同，代理式 AI 必須與內部和外部 API 互動、解析即時數據，並在長期運行的會話中管理狀態。
這種轉變帶來了一個特定的瓶頸：I/O 密集型操作（I/O bound operations）。傳統 GPU 架構在這些場景中往往會受限，因為其架構是針對連續張量運算而優化，而非代理所需的間歇性分支邏輯。Amazon 自研的 AI 晶片提供了更平衡的架構來填補這些差距，使 Meta 能夠擴展其代理部署，而無需面臨僅在高效能 GPU 上運行這些任務時所見的成本擴展問題。
對雲端計算與硬體主權的啟示
此合作夥伴關係有力地驗證了 Amazon 在自研晶片設計上的長期投資。透過鎖定數百萬顆此類晶片，Meta 實際上將 Amazon 的基礎設施定位為全球 AI 體系中的一等公民。這項交易帶來了幾個關鍵啟示：
- 客製化優於通用化： 產業正遠離通用硬體。為特定工作負載設計的客製化晶片正成為競爭的必要條件。
- 基礎設施效率： 能夠成功將代理工作負載從昂貴的 GPU 轉移到高效 CPU 的公司，將在其 AI 部門實現顯著更高的獲利率。
- 權力轉移： 這項交易增強了主要 雲端計算（Cloud Computing） 提供商的籌碼，它們正日益獨立於第三方晶片供應商，從而獲得更多的議價能力與運營靈活性。
展望未來：計算異質性的未來
展望今年剩餘時間，「僅限 GPU」的敘事可能會持續消退。我們預計將會出現一波類似的公告，科技巨頭們會將專業加速器與客製化 CPU 架構配對，以構建複雜的多模態系統。
對於 Meta 而言，這代表著對其代理式 AI 路線圖的一次審慎博弈。透過鎖定這部分供應，該公司不僅保障了其即時的計算需求，還為大型語言模型如何大規模部署設定了新的基準。高效運行代理的能力不再僅是一項功能，它是構建下一代 AI 服務的核心基礎。
作為這一快速發展領域的利害關係人，我們 Creati.ai 將持續監控這些由 Amazon 驅動的代理部署的效能指標。從這次合作中收集的數據，將提供關鍵見解，說明專業 CPU 是否真的能在企業 AI 領域中取代更廣泛的 GPU 主導地位。就目前而言，市場情緒對這種多元化策略仍持樂觀態度，並視其為在追求更自主與智慧化機器過程中，一個務實且必要的演進。
