美国云计算（885362）与电商巨头亚马逊（AMZN）(AMZN.US)与Facebook母公司Meta（META） PlatforMS Inc.(Meta（META）.US)已达成一项数十亿美元的长期协议，这家社交媒体巨头将租用数十万颗亚马逊（AMZN）自研推出的ARM架构通用数据中心服务器CPU芯片，用于其正在大规模新建的AI数据中心，以满足Facebook以及Instagram等社交媒体用户们的天量级别人工智能（885728）推理端工作负载。
亚马逊（AMZN）副总裁，同时也是该公司Annapurna Labs芯片部门联合创始人Nafea Bshara在接受采访时表示，这项多年期协议将让Meta（META）获得Graviton系列数据中心服务器级别中央处理器的长期使用权。
能够生成文本或进行天量级别推理的人工智能（885728）大语言模型，通常是使用英伟达（NVDA）主导的AI GPU或者谷歌（GOOG）TPU AI算力集群来进行训练构建或者完整运行推理端AI工作负载。但AI大模型开发者以及B端或者C端ai应用（886108）平台的用户们同样迫切需要大型AI数据中心端Graviton这类通用中央处理器(即数据中心服务器CPU)来执行诸多调度与协调类型任务，其中重点包括在模型训练完成后生成对查询的回应以及ai智能体（886099）代理式工作流进程，这一过程通常被称为“AI推理”。“如果旁边没有CPU，GPU就毫无用处，”Bshara表示。
GPU/ASIC之外的AI军备竞赛：Meta（META）牵手亚马逊（AMZN），CPU成为推理时代关键拼图
近年来，亚马逊（AMZN）在其数据中心部署的大多数CPU都是Graviton中央处理器;对于一家曾严重依赖英特尔（INTC）(INTC.US)硬件体系的公司而言，这是一项巨大成就。Graviton是亚马逊（AMZN）旗下AWS云计算（885362）业务部门自研的ARM架构通用服务器CPU，主要承担AI数据中心里的通用计算、调度、数据预处理/后处理、服务编排，以及部分AI推理相关调度与协调工作。
亚马逊（AMZN）首席执行官Andy Jassy最近表示，该公司的数据中心芯片业务部门正朝着一年内实现200亿美元销售额的方向坚定前进，并且高管们正在考虑积极出售这些亚马逊（AMZN）自研的数据中心相关芯片，供像Meta（META）以及CoreWeave（CRWV）这样的其他科技公司在其云计算（885362）服务器群中长期租赁或者长期按需使用————迄今为止，这些芯片只存在于亚马逊（AMZN）大型云计算（885362）数据中心，。
周五宣布的Meta（META）与亚马逊（AMZN）重磅交易，可谓是大型科技公司之间最新一宗长期且大规模合作;当前，全球科技行业正争相确保获得足够多的AI算力相关的CPU/GPU/ASIC AI处理器设备集群，以驱动新的和正在研发的未来AI大模型。OpenAI和Anthropic已表示，它们正在增加对亚马逊（AMZN）自研Trainium AI芯片的使用;Trainium是亚马逊（AMZN）AWS独家研发的核心性能指标对标英伟达（NVDA）AI GPU算力体系的高性价比AI ASIC技术路线模式的替代型AI算力基础设施方案，并且已开始向OpenAI和Anthropic以及Meta（META）积极营销该公司Trainium等一系列自研AI芯片算力系统。
Meta（META）在为其愈发庞大的AI工作负载获取芯片方面采取了广泛布局，并称这样做是为了实现合作伙伴多元化，以保持灵活性。该公司已与英伟达（NVDA）和AMD等芯片巨头们签署了一系列大型AI算力基础设施供给协议。
Meta（META）同意斥资数十亿美元购买英伟达（NVDA）和AMD共同主导的AI GPU算力基础设施解决方案。该公司最近还签署了一项另外的数十亿美元协议，将使用Alphabet Inc.旗下谷歌（GOOG）独家打造的TPU AI算力集群。
Meta（META）也正在大举投入开发自有AI芯片，以帮助降低成本，并减少对第三方芯片巨头们的依赖。该公司目前正在为AI训练/推理用途开发四个版本的MTIA AI芯片，并且最近宣布扩大与博通（AVGO）的长期深度合作，由后者帮助Meta（META）设计和制造这些AI芯片。
AI智能体时代到来，数据中心CPU需求爆表
AI数据中心建设进程如火如荼可谓推动英特尔（INTC）数据中心CPU陷入供不应求态势，英特尔（INTC）部分需求最火热的高性能服务器CPU交期最长拉到足足6个月之久，面向数据中心的这些高性能服务器级别CPU价格今年以来则普遍上涨10%。这也是为何股价萎靡1年半之久的芯片制造商英特尔（INTC）股价能够在今年暴涨超80%，且这家老牌芯片巨头股价在上周一举创下2000年以来最高股价点位的最底层看涨逻辑。北京时间周五晨间公布全线超预期的业绩之后，英特尔（INTC）估计在周五美股盘前一度暴涨超30%。
早期大模型推理以“单次请求—单次生成”为主，CPU更多承担数据搬运、请求路由与基础调度，属于典型的辅助控制面;但进入ai智能体（886099）与强化学习时代后，系统负载不再是单一前向推理，而是演变为包含任务规划、工具调用、子代理协同、环境交互、状态管理与结果验证在内的复杂闭环。上述“编排层”(orchestration layer)本质上是强控制流、强分支判断、强系统调用、强内存访问的CPU密集型任务，无法被GPU高效替代，因此CPU正从过去的“配角”变成决定系统吞吐、时延与资源利用率的新瓶颈。
摩根士丹利（MS）最新预测数据显示，智能体大爆发标志着从计算到编排的结构性转变，由此推导出到2030年新增325亿美元至600亿美元的CPU增量市场空间，并将服务器级别CPU总TAM大幅扩至825亿至1100亿美元量级。TrendForce的一项预测报告则显示，在ai智能体（886099）时代，CPU:GPU配比可能会从传统AI数据中心的1:4至1:8，向1:1至1:2大幅重估。
对Meta（META）这种每天处理海量AI agent、推荐、广告、内容生成和查询响应的公司来说，很多任务并不需要昂贵GPU全程参与;大规模利用Graviton这类高密度ARM架构而非英特尔（INTC）x86架构CPU承接推理服务外围负载，可以降低单位请求成本、释放GPU给更高价值的训练/推理任务，并改善整体集群TCO。Arm公司也强调，AI数据中心扩张正在让低功耗、高效率的ARM架构CPU侧的编排、数据处理和系统控制成为关键瓶颈，而AWS第五代Graviton把核心数提升到192核，反映的正是这种CPU密度需求上升。
Meta（META）主导的这笔最新交易，也凸显出AI算力基础设施竞争正在从“GPU单一需求中心”走向GPU+自研AI ASIC+ Arm/x86数据中心级别CPU +数据中心高速光互连体系+软件堆栈的异构体系。
