14亿高薪留不住庞若鸣，Meta算力困局下扎克伯格如何破局？

本文来自微信公众号：腾讯科技，编辑：徐青阳，作者：值得关注的

Meta的2026年开局充满挑战。

刚过去的2月，中国AI模型忙着“春节大战”，硅谷模型在比拼“天级别更新”，Meta却几乎没有动作，甚至连花费14亿重金（约2亿美金薪酬）挖来的苹果基模负责人庞若鸣，入职仅半年就离职转投OpenAI。

不少人猜测，若硅谷大厂中有人要退出AI竞争，Meta可能是第一个。

模型开发进展迟缓，核心团队不稳定，如今算力也面临危机——据The information援引知情人士消息，Meta内部代号为Olympus的最先进AI训练芯片项目已被叫停。

为应对自研芯片的困境，扎克伯格选择加速外部采购，在原有英伟达供应基础上，新增AMD和谷歌作为算力供应商。

2月24日，Meta与AMD达成超1000亿美元协议，未来五年将采购足够支撑6吉瓦计算能力的AMD MI450系列芯片。

两天后，有消息称Meta与谷歌也达成合作，Meta将租用谷歌的TPU（张量处理单元）开发新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或于明年直接购买TPU部署在自家数据中心。

01

自研遇阻，转向外部采购

Meta自研芯片的尝试已持续两年多，困境比外界想象更严峻。

多位知情人士透露，Meta内部代号Olympus的顶尖AI训练芯片项目已终止。该项目本是Meta对标英伟达的关键布局，采用与英伟达类似的SIMT架构。

据悉，Olympus的核心GPU设计来自Meta去年收购的初创公司Rivos。Rivos曾承诺其GPU可运行英伟达的CUDA代码，但能运行与运行稳定、能否大规模量产是两回事。

Meta原计划最早2026年第四季度完成Olympus设计，加上量产周期，规模化部署还需大幅延后。

这并非Meta首次在自研芯片上受挫。

此前内部代号Iris的第二代训练芯片也已被放弃。Iris采用SIMD架构，硬件设计相对简单，但软件编程难度大，训练AI模型时效率不高。

一位参与Meta芯片项目的人士表示，公司内部一直有质疑声：要造出性能媲美英伟达的芯片风险过高，延迟、重新设计、功耗控制等任一环节出问题，都可能让芯片失去实用价值。解决这些问题需要庞大的工程师团队，且无法保证最终成功。

Meta高管层最终做出务实决定：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，未来目标是“数百吉瓦甚至更多”。仅2025年，Meta就投入720亿美元建设AI数据中心，今年计划投入1350亿美元。

巨大的算力需求要求Meta制定多元采购策略，无法依赖单一供应商，这正是Meta“算力三角合作”的根源。

02

Gemini为TPU训练“正名”

自研芯片缺位，Meta需找到能与英伟达在训练环节形成互补的选项，谷歌TPU与Anthropic的合作也加速了Meta与谷歌的合作落地。

据参与谈判的人士透露，Meta租用谷歌TPU用于开发新AI模型，意味着将其用于训练而非推理。训练是英伟达最优势的领域，多数分析师曾认为短期内难有对手挑战英伟达的训练技术。

基于TPU训练的谷歌Gemini模型，为Meta采购TPU提供了参考。

不过，过去的阻碍在于谷歌TPU只能通过谷歌云使用，客户需将数据和计算任务放入谷歌数据中心，这对很多公司来说涉及数据安全、合规要求、成本控制等问题，是不小的障碍。

自Anthropic合作开始，谷歌调整策略支持外部采购，Meta与谷歌在TPU上的合作也遵循此模式，预计明年直接购买TPU部署在自家数据中心。

另一个促使Meta下决心的因素是：去年包括OpenAI和Meta在内的部分客户，在部署英伟达最新Blackwell芯片时遇到技术故障和其他复杂问题，未能按预期规模上线，这给了谷歌TPU一个窗口期。

同时，谷歌也在拓展更多渠道。据知情人士透露，谷歌正与私募股权公司洽谈成立合资企业，谷歌出芯片，投资方出钱，共同将TPU租给更多客户，这与英伟达扶持CoreWeave等“新云厂商”的思路类似。

消息称，谷歌已与一家大型投资公司签署投资意向书，由谷歌云资深人士本杰明·特雷纳·斯洛斯（Benjamin Treynor Sloss）领导的团队主导TPU融资工作。

有知情人士透露，部分谷歌云高管曾在内部表示，TPU业务有望拿下英伟达10%的市场份额。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，谷歌也需处理微妙关系：它既是英伟达的竞争对手，也是其大客户。谷歌云部门必须持续购买英伟达GPU，因为很多开发者指定使用。若谷歌云没有英伟达芯片，这些用户可能转向其他云平台。

因此谷歌采取“两头下注”策略，一边销售自家TPU，一边继续采购英伟达GPU。

03

携手AMD布局“推理”环节

训练问题有了方向，推理环节的需求同样巨大，AMD由此进入Meta视野。

2月24日，Meta与AMD宣布超1000亿美元协议，未来五年将采购足够支撑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数百亿美元收入。

这笔交易的特别之处在于股权绑定。

作为协议一部分，AMD授予Meta认股权证，允许后者以“低价”收购约10%的股份。不过这需满足特定业绩里程碑，且全部行权的前提是AMD股价涨到600美元，而目前AMD股价约200美元，意味着其市值需在现有基础上增长两倍。

AMD CEO苏姿丰在合作公告前的记者会上坦言：“Meta有很多选择，我希望确保他们在考虑下一步需求时，我们始终是明确的选项。”

值得注意的是，Meta与AMD这种“循环融资”模式在AI芯片行业并非首次。2025年10月，AMD与OpenAI达成的协议条款几乎一致。

MI450系列采用Chiplet设计，将多个小芯片组合，定制化空间更大。Meta采购后可针对自身应用场景优化，主要用于推理环节。

04

英伟达的预判与博通的“隐形收益”

Meta这种多供应商的“算力合作”模式，黄仁勋早有预判。

“大多数科技公司最终会放弃自研AI芯片。”2025年黄仁勋在分析师会议上表示，理由是英伟达GPU性能将持续领先，竞争对手的芯片永远慢一步。

但英伟达面临的现实是，仅靠性能领先不够，台积电的产能是关键：只要供给不足，市场就会有缺口，竞争对手就有机会。

因此，除了与大客户签订长期协议锁定订单，英伟达也推动“循环融资”：

去年，英伟达投资Anthropic，条件是对方继续使用其芯片；同时与OpenAI讨论过300亿美元股权投资。在客户方面，英伟达2月中旬与Meta达成“多代”合作伙伴关系，承诺未来几年供应数百万颗GPU。

现阶段，英伟达还有一张无法替代的王牌——CUDA生态护城河。

“硬件不是护城河，大家都能设计，AMD投了几百亿美金，性能也不错，但始终无法超越英伟达，核心就在于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极高，无需编写的函数和代码都能快速找到。

在这场算力竞争中，博通虽低调却收益丰厚。

谷歌TPU的生产与封装一直由博通负责，博通与台积电对接，提供关键的SerDes IP，实现TPU间高速互联并行计算。分析师估算，仅这一业务博通就能入账至少80亿美元。

博通的角色不止于此，它既为谷歌供货，也开展定制芯片业务，手握核心封装技术和IP，短期内难以被替代。

不过谷歌与博通并非毫无矛盾。外媒援引知情人士消息，两家公司常因定价产生分歧，谷歌已开始寻找替代合作伙伴。

联发科的出现是关键信号——其很快将生产低配版TPU，帮助谷歌降低AI运行成本。

据了解，联发科作为台积电2026年CoWoS新晋客户，已投入大量人力支持ASIC业务（未来将成重点板块），2026年下半年主要承担侧重推理的TPU v7e出货，2027年将成为出货主力。

05

结语：算力焦虑下的现实选择

在英伟达近期业绩会上，黄仁勋被问及硅谷巨头7000亿美元年度资本支出时表示对客户有信心，更关键的是后半句：

“在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。”

Meta的焦虑正源于计算，源于对算力不足的恐惧。

梳理Meta近期的几笔交易，可见这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，就继续采购并以长期协议锁定供应；训练市场需后备选项，就租用谷歌TPU增加筹码；推理市场需求大，自研芯片跟不上就找AMD定制，同时获取股权。

从扎克伯格的多次分享来看，他清楚算力是AI时代的资源储备，与黄仁勋“计算创造收入”的观点一致，谁储备多谁就能跑得更快。

对英伟达、谷歌、AMD、博通等供应商而言，Meta的多供应商策略既是机会也是压力：机会在于市场蛋糕在扩大；压力在于无法再靠独家供应“躺赚”。

特约编译金鹿对本文亦有贡献