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。