Meta 采购数百万颗 AWS Graviton：AI 算力战开始从 GPU 抢货转向云端算账

Meta 和 AWS 签下新协议。Meta 将使用数百万颗 Amazon 自研 Graviton 芯片，支撑 AI agent 工作负载。

Graviton 是 ARM-based CPU，不是 GPU，也不是 Amazon 的 Trainium。把这条新闻读成“Amazon 芯片正面击败 Nvidia”，太急了。更准确的说法是：训练仍然重度依赖 GPU，但 AI agent 带来的推理、调度、代码执行、搜索调用和多步协调，正在把算力账本拆开。

Meta 买的是 Graviton CPU，不是训练用 GPU

Graviton 做的是通用计算。它适合服务编排、调度、后端任务，以及 agent 工作流里大量碎片化计算。GPU 仍是大模型训练的主力，尤其是大规模并行计算。

这次协议没有披露金额。能确定的是数量级很大，方向很清楚：Meta 要把一部分 AI agent 相关负载放到 AWS 的 CPU 体系里跑。

Meta 也没有放弃其他云。它此前主要使用 AWS，也使用 Azure；还与 Google Cloud 签过 6 年、100 亿美元云协议。大客户的逻辑很现实：哪朵云能给产能、价格、稳定性和迁移余地，负载就往哪里切一块。

对关注 AI 基础设施的人，这条新闻的价值不在“Meta 又买了什么”。价值在拆账：训练、推理、agent 编排、通用后端任务，开始分给不同芯片和不同云。以后看 AI 成本，不能只盯 GPU 单价。

AI agent 改写的是成本结构

过去两年，AI 行业最热的词是 H100、B200、训练集群。那是模型军备竞赛的上半场。agent 普及后，成本不只来自一次模型调用。

一个复杂请求背后，可能有规划、检索、代码执行、工具调用、状态管理、多轮校验。很多任务不是典型 GPU 负载。真正烧钱的地方，可能是海量小任务排队、重试、等待和跨服务调用。

企业客户最后看的也很冷：每一百万次请求多少钱，延迟多少，故障谁兜底，迁移要不要重写架构。

这正是 AWS 想切进去的位置。Andy Jassy 近期在股东信中点名 Nvidia 和 Intel，强调企业需要更好的 AI 性价比。话说得像成本优化，背后是云厂商的老生意：不只卖算力，还要卖账单、工具链和默认入口。

“天下熙熙，皆为利来。”放到 AI 云市场，就是客户追着成本走，云厂商追着黏性走。技术路线摆在台面上，计费权藏在后面。

对从业者更直接的动作是：采购团队会延后单一 GPU 方案的拍板，改看混合算力组合；平台团队要更早做可迁移设计，避免 agent 编排、日志、向量检索、权限系统全被某一家云绑死。便宜算力不是白送的，几年后的迁移成本会来收账。

AWS 借芯片锁云，Meta 借多云压价

AWS 宣布 Meta 协议的时间点很紧。Google Cloud Next 刚结束，Google 也刚发布新 TPU。两家云厂商都在向市场说明一件事：AI 工作负载不能只由 Nvidia 定价，也不能只按 GPU 供应来排队。

Amazon 还有 Anthropic 这张牌。Anthropic 已承诺 10 年在 AWS 花费 1000 亿美元，重点使用 Trainium。Amazon 对 Anthropic 的总投资已达 130 亿美元。

Graviton 吃 agent 周边的通用计算，Trainium吃更重的训练和推理任务。合在一起，AWS 要讲的不是“我也有芯片”，而是“你从模型到应用都可以留在我的云里”。

限制也很硬。AWS 自研芯片只通过云服务开放，客户拿到的是访问权，不是芯片本身。Nvidia 则向企业和云厂商销售芯片和系统，AWS 也仍可能是它的客户。这是两种商业模式：一个卖开放硬件供应，一个卖封闭算力池。

Nvidia、Google、Intel 面临的压力也不同。Nvidia 暂时不缺需求，但它要面对云厂商把更多工作负载拆走。Google 有 TPU和云入口，但要证明客户愿意把生产负载长期放进去。Intel 的问题更硬：在 AI 采购叙事里，它需要重新证明自己不是旁观者。

接下来最该看三件事。第一，Graviton 跑 agent 负载的真实性价比，而不是发布会说法。第二，Meta 是否把更多 AI 服务切到 AWS。第三，企业客户会不会把预算从“买 GPU”改成“买一整套云上 AI 成本结构”。

历史上，铁路公司争的从来不只是铁轨，电力公司争的也不只是发电机。谁控制网络、计费和接入，谁就控制下一轮利润分配。AI 芯片战现在也走到这一步，只是铁轨换成云，电表换成 token 和请求数。