2026年，Meta花几十亿美元买了亚马逊的CPU。这可能是AI算力史上最被低估的一份公告。

本文来自微信公众号： 歪睿老哥 ，作者：歪睿老哥

故事是这样的。

2026年4月24日，Meta和AWS一起发了个公告。

内容很平淡，核心意思就是Meta要用数以千万计的AWS Graviton核心。

如果你随手划过，可能错过了一个非常重要的信号。

Meta花了好几十亿美元，买了AWS的芯片，买的是CPU，不是GPU，买的不是NVIDIA的东西，是Amazon自己的东西。

而Amazon把这个协议写进了公告，Meta也跟着一起发新闻稿站台。

这一下给我整不会了。

你想想，Meta是全世界最大的AI公司之一，手上有自己的芯片设计团队，手里握着海量的用户数据，手里攥着全球第四大的超算集群。按常理，它应该自建数据中心，自己设计芯片，自己采购一切。

但它没有。它跑去跟Amazon买。

买的是ARM架构的CPU。

先说具体数字。

Meta将部署数千万个Graviton5处理器核心，对应的是数十万颗物理芯片，每颗芯片192个核心。协议持续时间至少三年。

Meta由此成为全世界最大的Graviton客户之一。

这是什么概念？

Graviton是AWS自己设计的ARM架构处理器，从第一代到第五代，性能不断提升。Graviton5每颗芯片有192个核心，缓存是上一代的五倍，核心间通信延迟最多降低了33%，整体性能比前代提升了25%。

这些芯片不会放到Meta的数据中心。它们跑在AWS的数据中心里，用AWS的电力、网络和管理工具。Meta只是租用这些计算能力，用来支撑自己的AI工作负载。

这已经不是一个简单的采购合同了。

这代表了一个计算范式转移。

过去两年，全世界的目光都在GPU上。

NVIDIA的H100、B200、Rubin，一张卡卖到三四万美元，整个AI基础设施的叙事是谁有GPU谁就有未来。

AMD和Intel也没有闲着。AMD的MI系列GPU在努力追赶，Intel的Gaudi系列也在往外推。

大家都想在这个GPU主导的格局里切一块蛋糕。

但Meta这一单，绕开了整个GPU叙事。

不是不买GPU，GPU对大模型训练仍然不可替代。

Meta的几十亿美元AI基础设施投资里，绝大部分还是花在了GPU上。

但这一次，Meta押的是AI推理和Agentic AI的CPU侧。

什么是Agentic AI？

简单说就是AI智能体。

不是让你问一个问题它答一个问题的聊天机器人，而是能自己搜索、自己推理、自己写代码、自己执行多步骤任务的AI。

它要同时跑搜索、跑代码生成、跑任务编排，这些都是CPU密集型的工作。

GPU擅长并行矩阵运算，适合训练和批量推理。

但Agentic AI需要的是灵活的逻辑调度、大量的条件分支、实时的上下文切换。这些恰恰是CPU的强项。

所以Meta的推理架构正在变成一个混合体。

GPU负责模型训练和模型推理的矩阵计算层，CPU负责调度、编排、逻辑推理和实时响应。

Graviton5在这个混合架构里扮演的是CPU那一层。

AWS的定位也很明确。

他们不再只是一个GPU的合租室友，而是把Graviton做成了AI基础设施的CPU底座。

推理、调度、内存管理、Agent执行，全是CPU在扛。

说句实在话，我有点意外。

不是因为Meta选了ARM架构。ARM在数据中心早就不是新鲜事了，Graviton从第一代到第五代已经证明了自己在性价比上的竞争力。

真正让我意外的是，一个在AI领域如此激进的公司，选择把核心推理算力交给竞争对手。

Meta有自己的AI芯片团队，有Llama模型，有自研的训练集群。

他们完全有能力做更多。但他们选择了这个方向，不是因为他们做不了，而是因为他们算了一笔账。

这笔账的核心是两个字，弹性。

数千万核心，只是起步。协议里写了，随着Meta的AI能力扩展，核心数可以继续增加。这种弹性，自建数据中心给不了。

自建数据中心需要盖楼、布线、买服务器、配冷却、招运维，周期以年计。而用AWS，你签个协议，几个月就能拿到算力。

而且Meta买的不只是芯片，是整条流水线。电力、机柜空间、网络、管理工具，全部打包。这意味着他们不用操心物理层的一切，只需要在软件层调用API，剩下的AWS负责。

从财务角度看，这也是一个聪明的选择。

把固定成本转化为可变成本，不用一次性砸几十亿买硬件，而是按用量付费。对于一个还在高速扩张的AI业务来说，这种财务灵活性太重要了。

但这件事更大的意义不在Meta这边，而在Amazon这边。

Jeff Bezos离开的15年里，AWS从一个卖服务器空间的网站，变成了全球云计算的绝对霸主。现在他证明了一件事。

AWS不只是云基础设施的提供者，它是Agentic AI时代的必需品。

这个判断来自一个非常底层的逻辑。

Agentic AI的规模一旦起来，CPU的需求会爆炸。

不是那种偶尔峰值的弹性需求，而是持续的高强度需求。搜索需要CPU，代码生成需要CPU，任务编排需要CPU，多个Agent之间的通信和同步也需要CPU。GPU在这些场景里帮不上忙。

而在这块需求里，AWS的Graviton有先发优势。

ARM架构的功耗效率天然优于x86，对数据中心来说意味着每瓦性能更高。Graviton从第一代到第五代的演进路径已经验证了这一点。

加上AWS自身庞大的基础设施规模效应，成本优势不是其他玩家能轻易追上的。

对AMD和Intel来说，这是一个不好的信号。他们在GPU训练市场的份额已经被NVIDIA锁死了，在CPU市场，x86架构又面临ARM的持续侵蚀。

现在连Meta这样的顶级AI公司都在大规模采购ARM-based的推理CPU，x86在AI时代的地位越来越尴尬。

Intel还好一些，至少Xeon还在企业级市场有基本盘。AMD就难了，Ryzen和EPYC在通用计算市场跟Intel打得火热，但GPU那边追NVIDIA追得费劲，现在又被ARM从AI推理侧绕开了。

这不是一个芯片的问题，这是一个架构叙事的问题。

我翻了下这件事的前因后果。

在Meta和AWS签这个协议之前几周，Meta刚刚宣布了几笔总计480亿美元的AI基础设施投资。

这笔钱大部分是用来买GPU和建数据中心的。但其中相当一部分是留给CPU推理的。

换句话说，GPU和CPU不是谁取代谁的关系，而是各管一段。

训练用GPU，Agentic AI用CPU+GPU，传统推理混合使用。

这个分工模式正在成为行业共识。

Google自己的TPU也是类似的思路。

TPU是ASIC，专门做矩阵运算，但Google自己的推理调度层大量用的是ARM CPU。

微软也在Azure上用Graviton。

微软的AI业务，训练用自研芯片，推理用GPU，而CPU层也在往ARM迁移。

整个行业都在做同样的事，只是速度不一样。

Meta这一次的动作最激进，量级最大，也最公开。

这件事里还有一个有意思的细节。

Meta公告里还提到，扩展支撑Meta AI愿景的基础设施，计算资源多元化已成为战略必需。

多元化。这个词用得挺有意思。

过去AI圈的多元化是说，不要只依赖NVIDIA。后来又说不要只依赖GPU。

现在又加了一层，不要只依赖x86。

Meta正在把算力来源分散到不同的架构、不同的供应商、不同的用途上。这样做的目的很明确，降低风险，保持议价能力，同时确保在任何一种架构出现瓶颈时都有替代方案。

这是一个很老练的巨头策略，不把所有鸡蛋放在一个篮子里，同时保持对每个篮子的控制权。

读到这里，你可能已经看出来我在说什么了。

这不是一个关于Meta和Amazon的商业故事。

这是一个关于AI算力格局正在发生结构性变化的故事。

GPU统治训练，没错。

但推理，尤其是Agentic AI的推理，CPU又回来了。

在这个主场里，ARM正在蚕食x86的阵地。

在这个阵地里，AWS的Graviton正在建立先发优势。

而整个行业，包括NVIDIA、AMD、Intel、Google，都在这个格局变化中重新调整自己的位置。

你如果觉得这些听起来都像是巨头们的内部账本，跟你没啥关系，可能没错。

但想想看，未来两三年，你用的AI产品，背后的算力成本会决定这些产品能不能持续存在。

一个更便宜的算力架构出现，意味着更多AI功能可以下放到低成本的终端设备上。

ARM架构如果能继续在这个方向上推进，它带来的不只是芯片性能的提升，而是整个AI生态的成本结构变化。

而今天Meta和AWS的这一单，可能就是这个变化的第一个重大里程碑。