原始發表日期：2026-04-25
科技巨頭Meta（前臉書）近期宣佈，將擴大與亞馬遜雲端運算服務（AWS）的戰略合作，合約核心直指 Meta 將採用亞馬遜自主研發的定製化 AI 晶片（如 Trainium 與 Inferentia）來處理其龐大的 AI 工作負載。此舉在半導體業界投下震撼彈，意味著掌握全球最大 AI 算力需求的科技巨頭們，正積極尋求「去輝達化（De-Nvidia）」，以降低高昂的資本支出與供應鏈過度集中的風險。
目前全球生成式 AI 的訓練與推論市場，幾乎被輝達（Nvidia）的 GPU（如 H100、B200）壟斷。然而，輝達晶片極其昂貴且供不應求，導致各大雲端服務供應商（CSP）如微軟、Google 與亞馬遜，紛紛投入巨資研發自家的專用積體電路（ASIC）。Meta 本身正在開發強大的開源大模型（Llama 3），需要海量的算力支援。雖然 Meta 是輝達最大的客戶之一，但為了壓低模型訓練與日常推論的硬體成本，Meta 選擇與 AWS 結盟，利用 AWS 在客製化矽晶片上的成熟技術，這象徵著 CSP 巨頭間的「算力軍備競賽」正從單純採購硬體，轉向深度綁定的底層架構合作。
從總體經濟與企業財務的視角切入，AI 基礎設施的資本支出（CAPEX）已成為決定科技巨頭生死存亡的關鍵指標。高昂的 GPU 採購成本嚴重侵蝕了企業的毛利率。Meta 採用亞馬遜的定製晶片，是典型的「供應鏈多元化」與「成本優化」戰略。定製化 ASIC 雖然在通用性上不如輝達的 GPU，但在處理特定 AI 演算法（如 Meta 社群平台上的推薦系統或語言模型推論）時，其單位算力的能耗比（Performance-per-Watt）與成本效益遠高於通用 GPU。這有助於 Meta 改善財報上的自由現金流，同時也為亞馬遜 AWS 帶來穩定的巨額雲端合約收入。
此合約將加速 AI 半導體市場的「碎片化」與「垂直分工」趨勢。輝達的絕對壟斷地位將受到來自兩方面的夾擊：一是 AMD 等傳統晶片廠的強力追趕，二是雲端巨頭（CSP）自研 ASIC 的替代效應。未來，AI 運算將呈現「兩極化」：極度複雜且需要極高彈性的前瞻模型訓練，仍將高度依賴輝達 GPU；但大規模部署、架構已定的商業推論（Inference），將大量轉移至成本更低的自研或定製化 AI 晶片上。相關的矽智財（IP）供應商（如 ARM）、特殊應用晶片設計服務廠（如世芯、創意）以及先進封裝供應鏈，將迎來長期且巨大的成長紅利。