Meta与AWS达成合作：引入数千万Graviton核心扩展AI基础设施

合作概览

Meta宣布与Amazon Web Services（AWS）达成一项重大协议，将数千万个AWS Graviton处理器核心纳入其计算资源组合。这一合作标志着Meta在AI基础设施多元化战略上迈出了关键一步，旨在为服务数十亿用户的Meta AI及智能体（Agentic）体验提供更强大的算力支撑。

AWS Graviton处理器：ARM架构的云端利器

什么是Graviton处理器

AWS Graviton是亚马逊自研的基于ARM架构的服务器处理器，专为云计算工作负载优化设计。相比传统x86架构处理器，Graviton系列在能效比方面具有显著优势，能够以更低的功耗提供出色的计算性能。

Graviton处理器经历了三代重要演进。第一代Graviton（2018年）基于ARM Cortex-A72核心，主要用于轻量级工作负载。2019年发布的Graviton2实现了质的飞跃，采用64核Neoverse N1架构，相比同类x86实例性能提升40%、成本降低20%。2023年推出的Graviton4则基于ARM Neoverse V2架构，拥有96个核心，内存带宽和计算密度均大幅提升。这种持续迭代使Graviton逐渐从"够用"演变为"优选"，吸引了苹果、Stripe等大型企业将核心工作负载迁移至Graviton实例。目前最新的Graviton4处理器已在多种工作负载中展现出强劲的性价比表现。

Meta为何选择Graviton

对于Meta这样需要处理海量AI推理请求的公司而言，选择Graviton核心有几个关键考量：

• 能效优势：ARM架构天然的低功耗特性有助于降低大规模数据中心的运营成本
• 规模化部署：数千万核心的规模意味着这不是一次试水，而是战略级别的基础设施投入
• 多元化策略：减少对单一硬件供应商的依赖，增强供应链韧性

战略意义：AI基础设施的多元化布局

从训练到推理的算力扩展

Meta在公告中明确提到，这一合作是其"多元化AI基础设施"扩展的一部分。在当前AI算力竞争白热化的背景下，Meta此前已大量投资NVIDIA GPU用于模型训练，而此次与AWS的合作很可能聚焦于AI推理层面——即将训练好的模型部署到生产环境中为用户提供服务。

AI推理与训练在算力需求上存在根本性差异，理解这一点是理解Meta选择Graviton的关键。训练阶段需要对海量数据进行反向传播计算，依赖高精度浮点运算（FP32/BF16）和超大显存，NVIDIA A100/H100 GPU是当之无愧的首选。而推理阶段则截然不同：模型权重已固定，核心挑战是以最低延迟、最高吞吐量处理用户请求。推理可以使用INT8甚至INT4量化，大幅降低计算精度要求，CPU和专用推理芯片因此具备竞争力。据业界估算，大型互联网公司80%以上的AI算力成本来自推理而非训练，这正是Meta在训练侧重押注NVIDIA GPU、推理侧转向Graviton的经济逻辑所在。

推理工作负载与训练有本质区别：它需要的是大规模、低延迟、高吞吐的计算能力，而非极致的浮点运算性能。Graviton处理器在这类场景中可能比GPU更具成本效益。

服务Meta AI与智能体体验

公告特别提到了两个核心应用方向：Meta AI和Agentic体验。Meta AI是基于Llama系列大语言模型构建的多模态AI助手，已深度集成到WhatsApp、Instagram、Facebook和Messenger四大平台，月活用户规模超过30亿。

而"Agentic体验"则代表着AI能力的重大跃升——AI Agent能够自主分解复杂任务、调用外部工具（如搜索、代码执行、API调用）、在多步骤推理中保持上下文，并最终完成用户委托的目标。这类应用对算力的需求呈指数级放大：一次Agentic任务可能触发数十次模型推理调用，叠加数十亿用户基数，每日推理请求量可能达到万亿次级别。这两类应用都需要为数十亿用户提供实时响应，数千万Graviton核心的引入，正是为了满足这种爆发式增长的算力需求。

行业影响与未来展望

云计算巨头间的微妙关系

Meta作为科技巨头选择使用AWS的基础设施，这在行业中并不常见。通常，Meta这样的超大规模公司倾向于自建数据中心和自研硬件。Meta在2024年财报中披露，当年资本支出高达370亿美元，其中大部分用于AI基础设施建设，但仍难以满足需求缺口。

这催生了"混合基础设施"策略：将核心、稳定的工作负载放在自有数据中心，将突发性、弹性需求外包给云服务商。AWS的优势在于能够快速提供数千万核心级别的弹性算力，而无需Meta承担相应的建设周期和资本风险。这种模式在行业内被称为"云爆发"（Cloud Bursting），正在成为AI时代基础设施规划的新常态。此次合作表明，即便是Meta这样的巨头，面对AI时代指数级增长的算力需求，也需要借助外部云服务来快速扩展能力。

对ARM服务器生态的推动

ARM架构进军数据中心的历程并非一帆风顺。2016年，软银以320亿美元收购ARM，为其提供了更充裕的研发资源。真正的转折点是2020年苹果M1芯片的发布，证明了ARM在高性能计算领域的可行性。在服务器端，除AWS Graviton外，安培计算（Ampere Computing）的Altra系列、微软Azure的Cobalt 100、谷歌Axion处理器均基于ARM架构，形成了与x86（英特尔至强、AMD EPYC）分庭抗礼的格局。

ARM服务器的核心优势在于：相同功耗下可集成更多核心，RISC指令集带来更高的每瓦性能，以及更灵活的定制化空间。数千万核心的订单对ARM服务器生态而言是一个强有力的信号，进一步验证了ARM架构在数据中心领域的可行性和竞争力，Meta此次大规模采购可能加速更多企业从x86向ARM架构迁移的进程。

总结

这一合作反映了AI时代基础设施建设的新范式：即便是最大的科技公司，也在寻求通过战略合作来应对前所未有的算力挑战。Meta选择AWS Graviton，既是对成本效率的追求，也是对供应链多元化的战略布局。随着AI应用持续渗透到数十亿用户的日常生活中，类似的大规模基础设施合作可能会越来越多。

核心要点

• Meta与AWS达成协议，将数千万个Graviton处理器核心纳入其计算资源组合
• 此次合作是Meta多元化AI基础设施战略的重要组成部分，旨在降低对单一供应商的依赖
• 新增算力将主要服务于Meta AI助手和智能体（Agentic）体验，覆盖数十亿用户
• ARM架构的Graviton处理器在能效比方面具有优势，适合大规模AI推理部署
• 合作反映出即便是超大规模科技公司，面对AI算力需求爆发也需要借助外部云服务快速扩展