本文来自微信公众号： 腾讯科技 ，编辑：徐青阳，作者：苏扬，题图来自：视觉中国
Meta的2026开局并不顺利。
即将过去的2月份，中国模型在忙于“春节大战”，硅谷模型在卷“天级别更新”，Meta几乎没有动作，甚至是14亿重金（约2亿美金薪酬）挖到的苹果基模负责人庞若鸣，入职半年就离职加入OpenAI了。
很多人都在猜测，如果硅谷大厂里有人要下牌桌，第一个就是Meta。
模型开发进展不顺，核心团队不稳定，现在算力也有“城门失火”的可能——The information援引知情人士的消息称，内部代号为Olympus的最先进AI训练芯片项目已被叫停。
为了应对自研进展不顺的问题，扎克伯格的解法是加速外购，在原有英伟达供应的基础上，新加入AMD和谷歌两个算力供应商。
2月24日，Meta与AMD宣布达成一项价值超过1000亿美元的协议。未来五年，Meta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与谷歌也达成了合作协议。Meta将租用谷歌的TPU（张量处理单元）用于开发新的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可能在明年直接购买TPU部署在自己的数据中心。
自研折戟，“被迫”外购
Meta自研芯片的努力已经持续了两年多，困境比外界想象的更严重。
据多位知情人士透露，Meta内部代号Olympus的最先进AI训练芯片项目已被叫停。Olympus原本是Meta对标英伟达的重头戏，采用与英伟达类似的SIMT架构。
据了解，Olympus的核心GPU设计来自一家叫Rivos的初创公司，Meta去年刚把这家公司收购。Rivos当时承诺，其GPU能跑英伟达的CUDA代码，只不过能跑是一回事，跑得稳不稳、能不能大规模量产，是另一回事。
Meta原计划最早2026年第四季度完成Olympus的设计，算上量产周期，真正规模化部署还要大幅度延后。
这已经不是Meta第一次在自研芯片上栽跟头。
此前内部代号为Iris的第二代训练芯片，也已经被放弃。Iris采用的是SIMD架构，硬件设计相对容易，但软件编程难度大，训练AI模型时效率不高。
一位参与Meta芯片项目的人士透露，公司内部一直存在怀疑的声音：想要造出性能媲美英伟达的芯片，风险太高了。延迟、重新设计、功耗控制，任何一个环节出问题，都可能让这颗芯片失去实用价值。要解决这些问题，需要一支庞大的工程师团队，而且不能保证最终结果一定成功。
Meta高管层最终做了一个现实的决定：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，未来要达到“数百吉瓦甚至更多”。仅2025年，Meta就花了720亿美元建设AI数据中心，今年计划投入1350亿美元。
算力需求极大，要求Meta对采购需要制定对应的策略，很显然这无法依赖一家供应商，也不能依赖一家供应商，这是Meta“算力三角恋”的根源。
Gemini替TPU训练“正名”
自研缺位，Meta需要找到一个能在训练环节跟英伟达形成互补的选项，谷歌TPU与Anthropic的合作，也加速了Meta与谷歌合作的落地。
据参与谈判的人士透露，Meta租用谷歌TPU是为了开发新的AI模型，这意味着其将用于训练，而非推理。训练是英伟达最强势的领域，大多数分析师曾认为，短期内很难有人能在训练技术上挑战英伟达。
基于TPU训练的谷歌Gemini模型，给Meta采购TPU也打了样。
只不过，过去的卡点在于，谷歌TPU过去只能通过谷歌云使用，客户想把模型跑在TPU上，就得把数据和计算任务都放进谷歌的数据中心，这对很多公司来说，这是个不小的障碍，毕竟涉及到数据安全、合规要求、成本控制等诸多问题。
自Anthropic开始，谷歌调整策略，支持外部采购，Meta和谷歌在TPU上的合作大体如此，预计明年直接购买TPU部署在自己的数据中心。
还有一个因素可能促使Meta下决心：去年包括OpenAI和Meta在内的一些客户，在部署英伟达最新的Blackwell芯片时遇到了技术故障和其他复杂问题，没能按预期规模顺利上线。这给了谷歌TPU一个窗口期。
不过，谷歌也在探索更多渠道。据知情人士透露，谷歌正在与私募股权公司洽谈，共同成立合资企业。谷歌出芯片，投资方出钱，一起把TPU租给更多客户。这种模式与英伟达扶持CoreWeave等“新云厂商”的思路类似。
消息称，谷歌已经在这方面与一家大型投资公司签署了投资意向书，由谷歌云资深人士本杰明·特雷纳·斯洛斯（Benjamin Treynor Sloss）领导的团队正在主导TPU融资工作。
有知情人士透露，一些谷歌云高管曾在内部表示，TPU业务有机会拿下英伟达10%的份额。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，谷歌也得处理一个微妙的关系：它既是英伟达的竞争对手，也是英伟达的大客户。谷歌云部门必须持续购买英伟达GPU，因为很多开发者指名要用。如果谷歌云没有英伟达芯片，这些人就会跑到别家云平台去。
所以谷歌也得两头下注，一边卖自己的TPU，一边继续买英伟达的GPU。
抱团AMD承接“推理”
训练的问题有了着落，推理环节的需求同样惊人，AMD由此进入Meta的视野。
2月24日，Meta与AMD宣布了一项价值超过1000亿美元的协议。未来五年，Meta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的是数百亿美元收入。
这笔交易最特别的地方是股权绑定。
作为协议的一部分，AMD授予Meta认股权证，允许后者以“白菜价”收购大约10%的股份。当然，这需要满足特定业绩里程碑，而且全部行权的前提是AMD股价涨到600美元，而AMD现在的股价还在200美元左右，也就是说其市值，要在现在的基础上多出两个自己。
AMD CEO苏姿丰在发布合作公告前的记者会上承认：“Meta有很多选择。我希望确保当他们思考下一步需要什么时，我们始终是他们明确考虑的对象。”
值得注意的是，Meta+AMD这种“循环融资”模式，在AI芯片行业已经不是第一次出现。2025年10月，AMD与OpenAI达成协议，条款几乎一模一样。
MI450系列采用Chiplet设计，将多个小芯片粒拼在一起，定制化空间更大，Meta采购这些芯片后，可以针对自己的应用场景优化，主要用途是推理。
英伟达的预判、闷声发财的博通
Meta这种客户的“算力三角恋”，黄仁勋早就提前作出了预判。
“大多数科技公司最终会放弃自研AI芯片。”2025年，黄仁勋在一次分析师会议上表示。他的理由是，英伟达的GPU性能会一直领先，竞争对手的芯片则永远差一步。
英伟达面临的现实是，光靠性能领先不够，台积电的产能是一切的根源：只要供给不足，市场就会留下缺口，竞争对手就有机会。
所以，除了抱团大客户锁单，英伟达也一样在推动“循环融资”：
去年，英伟达投了Anthropic，条件是对方继续使用其芯片。同时，英伟达还与OpenAI讨论过一笔300亿美元的股权投资。客户这边，英伟达在2月中旬与Meta达成了“多代”合作伙伴关系，承诺未来几年向后者供应数百万颗GPU。
现阶段，英伟达还有一张还无法被取代的王牌——CUDA护城河。
“硬件不是护城河，大家都能设计出来，AMD投了几百亿美金，性能也更好，但一直干不过英伟达，核心点就在于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非常高，不想写的函数、代码都可以快速找到。
在这场混战中，有一家公司始终保持低调，但赚得盆满钵满：博通。
谷歌的TPU，从生产到封装，一直是博通在操盘。博通负责与台积电对接，提供关键的SerDes IP，让TPU之间能高速互联实现并行计算。分析师估算，仅这一块业务，博通就能进账至少80亿美元。
博通的角色还不止于此——它同时为谷歌供货，也在做定制芯片业务，其手里握着核心的封装技术和IP，短期内谁也绕不开。
当然，谷歌与博通也不是铁板一块。外媒援引知情人士的消息，称两家公司经常因为定价产生分歧，谷歌已经开始寻找替代合作伙伴。
联发科的出现是一个关键的信号——联发科很快将开始生产一款低配版TPU，目的是帮谷歌节省运行AI的成本。
根据我们掌握的消息，联发科作为台积电2026年CoWoS新晋客户，已调拨大量人力支持ASIC业务——未来将成为联发科的重点板块——2026年下半年主要承担侧重推理的TPU v7e的出货，并在2027年作为出货主力年。
写在最后：一切都源于算力焦虑
刚刚英伟达的业绩会上，黄仁勋被问及硅谷巨头7000亿美元年度资本支出时，他说对客户们很有信心，其实更关键的是后半句。
“在这个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。”黄仁勋说。
所以说，Meta的焦虑就来自于计算，来自于对算力不足的恐惧。
梳理Meta这一周的几笔交易，我们可以看到一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，那就继续买，但要用长期协议把供应锁死；训练市场要有后备选项，那就租谷歌的TPU，至少多一张牌；推理市场需求太大，自研芯片跟不上就找AMD定制，顺便拿点股权。
从很多场合的分享来看，扎克伯格心里清楚，算力就是AI时代的资源储备，这和黄仁勋的计算创造收入是一样的。谁手里储备多，谁就能跑得更快。
对英伟达、谷歌、AMD、博通这几家供应商来说，Meta这种多供应商策略既是机会也是压力——机会在于，蛋糕确实在变大。压力在于，谁也没法再靠独家供应躺着赚钱了。