這幾天Meta一系列動作向大家宣告，AI推理的時代正在拉開帷幕。

幾周前，The Information曝出Meta已經砍掉了最先進的訓練芯片項目Olympus，轉頭簽下了科技史上最大的兩筆芯片采購合同。

從Nvidia采購數(shù)百萬顆 GPU（規(guī)模達數(shù)百億美元），向AMD買了6吉瓦 GPU（多年多代合作）。

這周，它又高調宣布：我們自己造了四款芯片。

Meta工程副總裁直接喊出：" 我們看到推理需求正在爆炸。這是我們當前的首要聚焦方向。 "

2025年5月英偉達財報會解讀中，王煜全告訴大家推理需求崛起已經勢不可擋，這是英偉達下一個大發(fā)展的機會，也是Agent生態(tài)崛起的信號。

下周的英偉達GTC大會，王煜全會分享哪些新的判斷呢？如果你想第一時間掌握，一定要鎖定前哨科技特訓營的周四直播！

接下來，我們一起和你聊聊Meta動作背后的趨勢。

2025年5月前哨PPT報告

先搞清楚一件事：訓練和推理有什么區(qū)別？

如果你把AI模型比作一個學生：

• 訓練就是上學，讀教材、做習題、考試、糾錯，最終形成知識體系。成本極高、算力極大、周期極長。

• 推理就是畢業(yè)后工作，用學到的知識回答問題、做決策、執(zhí)行任務。每次調用成本低，但調用頻次極高。

過去三年，AI行業(yè)的焦點一直在訓練側，誰能訓出更大的模型、誰能拿到更多GPU來訓練。

但現(xiàn)在，游戲規(guī)則變了。

當模型訓好之后，面對上億用戶每天使用，推理成本的暴漲已經是必然。

每一次你和ChatGPT對話、每一次AI Agent執(zhí)行任務、每一次Meta在Facebook上給你推薦內容，都是一次推理調用。

Meta自己就有40億用戶。每天產生的推理請求是一個天文數(shù)字。

這就是為什么Meta說"推理需求正在爆炸"。

Facebook 數(shù)據(jù)中心機房內部（早期自建數(shù)據(jù)中心）Meta既要又要的三層戰(zhàn)略

表面看，Meta的行為很矛盾：剛放棄自研芯片，花了幾百億買Nvidia和AMD的芯片，轉身又要自己造？

其實一點都不矛盾。這是目的明確的三層芯片戰(zhàn)略：

AMD 與 Meta 擴大合作

Meta 副總裁說得很直白："這（自研+采購）讓我們在硅供應上有更多多樣性，在采購上有更多的籌碼（leverage），一定程度上抑制了價格波動。"

翻譯成大白話：Nvidia你漲價？沒關系，我有AMD備選！AMD交不了貨？沒關系，我自己能造。

這是在Nvidia的定價權上插了一刀。

說到這可能有人會問，前面訓練芯片失敗了，為什么推理芯片有機會？

原因也很簡單，訓練芯片的技術壁壘太高了，除了要搞定萬卡級別的并行計算，還要支持FP32/FP16/BF16/FP8各種精度格式，什么都沒做，看到這些專業(yè)名詞是不是就覺得頭大？

到這還沒完，還要搞定Nvidia在這個領域20年的軟件生態(tài)（CUDA）。

但推理芯片完全是另一個故事：模型已經訓好，要做的就是讓它跑起來就行，只要符合需求，不用搞什么萬卡集群，也不需要支持多種精度格式，還能針對模型優(yōu)化芯片，大幅降低成本。

這正是Google（TPU）和Amazon（Inferentia）走過的路。

Meta的選擇非常理性：訓練交給Nvidia（花錢買最好的），推理自己做（自己造最省的）。

關鍵細節(jié)：每6個月一款新芯片

Meta自研芯片最重要的其實是這句："每6個月發(fā)布一款新芯片。對任何芯片公司或團隊來說，這都是非常罕見的節(jié)奏。"

為什么這么急？Meta的AI基建擴張速度太快了：

• $1350億年度AI資本開支（2026年）

• 5吉瓦的Hyperion超級數(shù)據(jù)中心正在路易斯安那州建設

• 另有俄亥俄州和印第安納州兩個大型數(shù)據(jù)中心在建

• 據(jù)Bloomberg報道，Meta還在接盤OpenAI/Oracle退出的Stargate德州數(shù)據(jù)中心

每建一個數(shù)據(jù)中心，就需要裝滿芯片。如果全用Nvidia GPU，成本將是天文數(shù)字。

而MTIA芯片由臺積電代工，設計完全由Meta控制，預期使用壽命5年以上。

這是一道簡單的數(shù)學題：40億用戶 × 爆炸式推理需求，既然在基建上已經花了1350億美元，再花點錢自研推理芯片更劃算。

"推理為王"時代已經到來？

把Meta今天的動作放到整個產業(yè)背景里看，一個清晰的趨勢浮現(xiàn)了：

所有巨頭都在從"訓練優(yōu)先"轉向"推理優(yōu)先"。

為什么所有人同時轉向推理？王煜全最近用三講直播，為大家梳理了AI行業(yè)正在發(fā)生的拐點：

1. 階段性的模型瓶頸：由于一個硬件技術限制，模型性能進展暫時放緩

2. Agent時代到來：掃描787家Agent公司，呈現(xiàn)了AI的幾個超級賽道

3. 商業(yè)化需求，上下游都必須依靠降低成本獲取收益

簡單說：訓練決定你的AI有多強，推理決定你能不能靠AI賺錢。

下周GTC前瞻：Nvidia的反擊

3月16日，Nvidia GTC 2026將在圣何塞開幕。3萬人現(xiàn)場參會，190個國家線上觀看。

老黃發(fā)出預告要"震驚世界"。

根據(jù)我們的研究看：Nvidia的策略已經非常清晰，你們想自研推理芯片？可以。但我會讓推理芯片的性能天花板永遠高出你一截。

所以老黃這次還能不能拿出震驚我們的產品呢？

歡迎加入前哨科技特訓營，下周四晚8點，王煜全與你一起瞭望前沿。