Meta-Broadcom人工智能芯片交易：摆脱对Nvidia的依赖，而不是取代

超级扩展商在竞相为数据中心提供动力时，一直在寻找来自英伟达公司（NASDAQ：NVDA）和高级微设备公司（NASDAQ：AMD）的昂贵且供应有限的图形处理单元（GPUs）的替代品。

Meta Platforms Inc.最近合作（纳斯达克股票代码：Meta）和Broadcom Inc.（纳斯达克股票代码：AVGO）旨在解决这一问题，这是大型科技公司利用人工智能（AI）技术的又一次努力。根据延长的协议，博通将开发几代人工智能芯片，以满足2029年之前Meta平台的需求。

然而，2026年4月14日的合作伙伴声明得出的明显结论是，此举旨在减少对英伟达的依赖。除此之外，它还代表了人工智能技术如何开发、融资和提高效率的根本性变化。

Meta的目标是优化其人工智能运营中最昂贵的部分。人工智能基础设施是昂贵的，仅仅依靠第三方GPU在超大规模上是不可持续的。

Broadcom的合作伙伴关系使Meta能够设计针对自己的工作负载进行优化的特定应用集成电路，特别是排名、提要和聊天机器人响应等推理任务。

这很重要，因为推理正在迅速成为人工智能中的主要工作负载。训练大型模型仍然至关重要，但一旦部署，这些模型必须实时为数十亿用户服务。定制芯片可以比通用图形处理器更有效、更低的成本执行这些重复性任务。

这笔交易涉及初始部署超过1千兆瓦的计算容量，这是Meta更广泛、大规模人工智能硬件推动的一部分。该公司预计仅2026年人工智能基础设施的资本支出将达到1150亿至1350亿美元。

该合作伙伴关系建立在Broadcom的XPU平台上，该平台旨在创建自定义人工智能加速器。Broadcom将与Meta在芯片设计、先进封装和网络方面合作，帮助为大规模的实时人工智能体验奠定庞大的计算基础。

具体来说，Meta训练和推理加速器（MTIA）针对大规模推理和推荐进行了优化，为所有Meta应用程序和服务中的人工智能提供支持。它是定制的，用于对内容进行排名、推荐帖子和广告，并在Facebook、Instagram和WhatsApp上运行不断壮大的生成性人工智能模型家族。

尽管Meta在定制芯片方面做出了努力，但其目标是实现更好的长期可扩展性并避免与外部图形处理器供应链限制相关的不稳定定价溢价，仍然需要对英伟达硬件进行持续投资。

例如，Meta承诺部署60亿瓦的AMD图形处理器和数百万颗英伟达芯片。这是因为由于其性能、软件生态系统和开发人员采用程度，其图形处理器仍然是行业标准。

NVIDIA仍然难以取代的原因有三：

1.训练仍然是GPU的任务

专用硬件在集中和重复性操作中表现最佳。训练下一代人工智能模型需要多功能性、高内存带宽和复杂的软件支持，这些都是英伟达的强项。

2. CUDA和软件锁定

英伟达的CUDA生态系统是一个主要竞争优势。开发人员围绕它构建人工智能系统，这增加了切换成本。

3.规模需求飙升

人工智能技术的投资并不是固定的。据预测，仅2026年，超级规模企业就将在人工智能基础设施上投资超过6000亿美元。

Meta与Broadcom的交易表明，人工智能基础设施正在向云计算发展，多个专业组件共同工作。这一趋势在整个行业都已经可见。谷歌长期依赖张量处理单元，亚马逊（AMZN：NASDAQ）使用Trainium，甚至OpenAI也探索了定制芯片来减少对英伟达的依赖。

最近的交易，包括涉及定制硅的大规模合作伙伴关系，表明公司正在多元化，而不是围绕单一供应商进行整合。

本月早些时候，Broadcom还与Alphabet旗下的Google（纳斯达克股票代码：GOOG）和Anthropic签署了开发下一代定制人工智能处理器的协议，确认了其作为前沿人工智能芯片主要独立设计和包装合作伙伴的地位。

现在，超级扩展器已经成为一种模式，他们选择NVIDIA来获得领先的训练能力，并选择Broadcom来获得针对特定推理工作负载进行优化的定制芯片。这使博通成为下一阶段人工智能基础设施建设的主要受益者，这与训练前沿模型无关，更多的是尽可能便宜和高效地将人工智能部署到数十亿用户。

在前沿模型训练领域，NVIDIA的主导地位不太可能在短期内受到挑战。但从长远来看，定制硅的兴起将减少其总可用市场，尤其是从推论来看。Meta消耗的每千兆瓦MTIA芯片对英伟达来说就少了一千兆瓦。

当前的地缘政治和市场波动给博通和Meta带来了压力，这两家公司目前的预期收益分别为34倍和22倍。两家公司都已摆脱各自的高点，这为希望在不支付溢价的情况下接触定制硅趋势的投资者提供了机会。

Meta与Broadcom的合作表明人工智能基础设施正在成熟为多层生态系统。

Broadcom正在成为超大规模商的领先定制芯片合作伙伴，还与Google和Anthropic达成了协议，而Meta则继续购买英伟达和AMD的图形处理器用于模型培训。

尽管这种合作关系减少了NVIDIA在处理大容量、重复性工作负载时对第三方硬件的依赖，但NVIDIA仍将继续为最苛刻的工作负载和创新周期提供动力。

专题图片来源：Meta新闻稿

Beninga免责声明：本文来自无薪外部撰稿人。它并不代表Beninga的报道，并且未经内容或准确性编辑。