即将过去的 2 月份，中国模型在忙于 " 春节大战 "，硅谷模型在卷 " 天级别更新 "，Meta 几乎没有动作，甚至是 14 亿重金（约 2 亿美金薪酬）挖到的苹果基模负责人庞若鸣，入职半年就离职加入 OpenAI 了。

很多人都在猜测，如果硅谷大厂里有人要下牌桌，第一个就是 Meta。

模型开发进展不顺，核心团队不稳定，现在算力也有 " 城门失火 " 的可能—— The information 援引知情人士的消息称，内部代号为 Olympus 的最先进 AI 训练芯片项目已被叫停。

为了应对自研进展不顺的问题，扎克伯格的解法是加速外购，在原有英伟达供应的基础上，新加入 AMD 和谷歌两个算力供应商。

2 月 24 日，Meta 与 AMD 宣布达成一项价值超过 1000 亿美元的协议。未来五年，Meta 将采购足够支撑 6 吉瓦计算能力的 AMD MI450 系列芯片。

两天后，有消息称 Meta 与谷歌也达成了合作协议。Meta 将租用谷歌的 TPU（张量处理单元）用于开发新的 AI 模型，协议为期数年，价值数十亿美元。双方还在进一步洽谈，Meta 可能在明年直接购买 TPU 部署在自己的数据中心。

01 自研折戟，" 被迫 " 外购

Meta 自研芯片的努力已经持续了两年多，困境比外界想象的更严重。

据多位知情人士透露，Meta 内部代号 Olympus 的最先进 AI 训练芯片项目已被叫停。Olympus 原本是 Meta 对标英伟达的重头戏，采用与英伟达类似的 SIMT 架构。

据了解，Olympus 的核心 GPU 设计来自一家叫 Rivos 的初创公司，Meta 去年刚把这家公司收购。Rivos 当时承诺，其 GPU 能跑英伟达的 CUDA 代码，只不过能跑是一回事，跑得稳不稳、能不能大规模量产，是另一回事。

Meta 原计划最早 2026 年第四季度完成 Olympus 的设计，算上量产周期，真正规模化部署还要大幅度延后。

这已经不是 Meta 第一次在自研芯片上栽跟头。

此前内部代号为 Iris 的第二代训练芯片，也已经被放弃。Iris 采用的是 SIMD 架构，硬件设计相对容易，但软件编程难度大，训练 AI 模型时效率不高。

一位参与 Meta 芯片项目的人士透露，公司内部一直存在怀疑的声音：想要造出性能媲美英伟达的芯片，风险太高了。延迟、重新设计、功耗控制，任何一个环节出问题，都可能让这颗芯片失去实用价值。要解决这些问题，需要一支庞大的工程师团队，而且不能保证最终结果一定成功。

Meta 高管层最终做了一个现实的决定：与其继续在自研芯片上消耗时间，不如直接外部采购。

扎克伯格 1 月在 Threads 上透露，到 2030 年前要部署 " 几十吉瓦 " 的数据中心算力，未来要达到 " 数百吉瓦甚至更多 "。仅 2025 年，Meta 就花了 720 亿美元建设 AI 数据中心，今年计划投入 1350 亿美元。

算力需求极大，要求 Meta 对采购需要制定对应的策略，很显然这无法依赖一家供应商，也不能依赖一家供应商，这是 Meta" 算力三角恋 " 的根源。

02 Gemini 替 TPU 训练 " 正名 "

自研缺位，Meta 需要找到一个能在训练环节跟英伟达形成互补的选项，谷歌 TPU 与 Anthropic 的合作，也加速了 Meta 与谷歌合作的落地。

据参与谈判的人士透露，Meta 租用谷歌 TPU 是为了开发新的 AI 模型，这意味着其将用于训练，而非推理。训练是英伟达最强势的领域，大多数分析师曾认为，短期内很难有人能在训练技术上挑战英伟达。

基于 TPU 训练的谷歌 Gemini 模型，给 Meta 采购 TPU 也打了样。

只不过，过去的卡点在于，谷歌 TPU 过去只能通过谷歌云使用，客户想把模型跑在 TPU 上，就得把数据和计算任务都放进谷歌的数据中心，这对很多公司来说，这是个不小的障碍，毕竟涉及到数据安全、合规要求、成本控制等诸多问题。

自 Anthropic 开始，谷歌调整策略，支持外部采购，Meta 和谷歌在 TPU 上的合作大体如此，预计明年直接购买 TPU 部署在自己的数据中心。

还有一个因素可能促使 Meta 下决心：去年包括 OpenAI 和 Meta 在内的一些客户，在部署英伟达最新的 Blackwell 芯片时遇到了技术故障和其他复杂问题，没能按预期规模顺利上线。这给了谷歌 TPU 一个窗口期。

不过，谷歌也在探索更多渠道。据知情人士透露，谷歌正在与私募股权公司洽谈，共同成立合资企业。谷歌出芯片，投资方出钱，一起把 TPU 租给更多客户。这种模式与英伟达扶持 CoreWeave 等 " 新云厂商 " 的思路类似。

消息称，谷歌已经在这方面与一家大型投资公司签署了投资意向书，由谷歌云资深人士本杰明 · 特雷纳 · 斯洛斯（Benjamin Treynor Sloss）领导的团队正在主导 TPU 融资工作。

有知情人士透露，一些谷歌云高管曾在内部表示，TPU 业务有机会拿下英伟达 10% 的份额。按英伟达过去 12 个月约 2000 亿美元收入计算，10% 就是 200 亿美元。

当然，谷歌也得处理一个微妙的关系：它既是英伟达的竞争对手，也是英伟达的大客户。谷歌云部门必须持续购买英伟达 GPU，因为很多开发者指名要用。如果谷歌云没有英伟达芯片，这些人就会跑到别家云平台去。

所以谷歌也得两头下注，一边卖自己的 TPU，一边继续买英伟达的 GPU。

03 抱团 AMD 承接 " 推理 "

训练的问题有了着落，推理环节的需求同样惊人，AMD 由此进入 Meta 的视野。

2 月 24 日，Meta 与 AMD 宣布了一项价值超过 1000 亿美元的协议。未来五年，Meta 将采购足够支撑 6 吉瓦计算能力的 AMD MI450 系列芯片。AMD 方面表示，每吉瓦计算能力对应的是数百亿美元收入。

这笔交易最特别的地方是股权绑定。

作为协议的一部分，AMD 授予 Meta 认股权证，允许后者以 " 白菜价 " 收购大约 10% 的股份。当然，这需要满足特定业绩里程碑，而且全部行权的前提是 AMD 股价涨到 600 美元，而 AMD 现在的股价还在 200 美元左右，也就是说其市值，要在现在的基础上多出两个自己。

AMD CEO 苏姿丰在发布合作公告前的记者会上承认："Meta 有很多选择。我希望确保当他们思考下一步需要什么时，我们始终是他们明确考虑的对象。"

值得注意的是，Meta+AMD 这种 " 循环融资 " 模式，在 AI 芯片行业已经不是第一次出现。2025 年 10 月，AMD 与 OpenAI 达成协议，条款几乎一模一样。

MI450 系列采用 Chiplet 设计，将多个小芯片粒拼在一起，定制化空间更大，Meta 采购这些芯片后，可以针对自己的应用场景优化，主要用途是推理。

04 英伟达的预判、闷声发财的博通

Meta 这种客户的 " 算力三角恋 "，黄仁勋早就提前作出了预判。

" 大多数科技公司最终会放弃自研 AI 芯片。"2025 年，黄仁勋在一次分析师会议上表示。他的理由是，英伟达的 GPU 性能会一直领先，竞争对手的芯片则永远差一步。

英伟达面临的现实是，光靠性能领先不够，台积电的产能是一切的根源：只要供给不足，市场就会留下缺口，竞争对手就有机会。

所以，除了抱团大客户锁单，英伟达也一样在推动 " 循环融资 "：

去年，英伟达投了 Anthropic，条件是对方继续使用其芯片。同时，英伟达还与 OpenAI 讨论过一笔 300 亿美元的股权投资。客户这边，英伟达在 2 月中旬与 Meta 达成了 " 多代 " 合作伙伴关系，承诺未来几年向后者供应数百万颗 GPU。

现阶段，英伟达还有一张还无法被取代的王牌—— CUDA 护城河。

" 硬件不是护城河，大家都能设计出来，AMD 投了几百亿美金，性能也更好，但一直干不过英伟达，核心点就在于 CUDA 生态。" 一位国产芯片创业者此前透露。

该创业者强调，CUDA 生态的工具包集成度非常高，不想写的函数、代码都可以快速找到。

在这场混战中，有一家公司始终保持低调，但赚得盆满钵满：博通。

谷歌的 TPU，从生产到封装，一直是博通在操盘。博通负责与台积电对接，提供关键的 SerDes IP，让 TPU 之间能高速互联实现并行计算。分析师估算，仅这一块业务，博通就能进账至少 80 亿美元。

博通的角色还不止于此——它同时为谷歌供货，也在做定制芯片业务，其手里握着核心的封装技术和 IP，短期内谁也绕不开。

当然，谷歌与博通也不是铁板一块。外媒援引知情人士的消息，称两家公司经常因为定价产生分歧，谷歌已经开始寻找替代合作伙伴。

联发科的出现是一个关键的信号——联发科很快将开始生产一款低配版 TPU，目的是帮谷歌节省运行 AI 的成本。

根据我们掌握的消息，联发科作为台积电 2026 年 CoWoS 新晋客户，已调拨大量人力支持ASIC 业务——未来将成为联发科的重点板块—— 2026 年下半年主要承担侧重推理的 TPU v7e 的出货，并在 2027 年作为出货主力年。

05 写在最后：一切都源于算力焦虑

刚刚英伟达的业绩会上，黄仁勋被问及硅谷巨头 7000 亿美元年度资本支出时，他说对客户们很有信心，其实更关键的是后半句。

" 在这个 AI 新世界里，计算直接创造收入。没有计算，就无法生成 token；没有 token，收入增长就无从谈起。" 黄仁勋说。

所以说，Meta 的焦虑就来自于计算，来自于对算力不足的恐惧。

梳理 Meta 这一周的几笔交易，我们可以看到一家老牌巨头在自研不顺后的现实选择。

训练离不开英伟达芯片，那就继续买，但要用长期协议把供应锁死；训练市场要有后备选项，那就租谷歌的 TPU，至少多一张牌；推理市场需求太大，自研芯片跟不上就找 AMD 定制，顺便拿点股权。

从很多场合的分享来看，扎克伯格心里清楚，算力就是 AI 时代的资源储备，这和黄仁勋的计算创造收入是一样的。谁手里储备多，谁就能跑得更快。

对英伟达、谷歌、AMD、博通这几家供应商来说，Meta 这种多供应商策略既是机会也是压力——机会在于，蛋糕确实在变大。压力在于，谁也没法再靠独家供应躺着赚钱了。