問任何人甚麼 Nvidia 製造，他們可能會先說「GPU」。幾十年來，晶片製造商一直以先進的平行運算為標誌，遺傳人工智慧的出現以及由此帶來的 GPU 需求激增對該公司來說是一個福音。
但英偉達最近的舉動表明，它正試圖在人工智慧市場的運算量較小的一端鎖定更多客戶——這些客戶不一定需要最好、最強大的 GPU 來訓練人工智慧模型，而是尋找最有效的方式來運行人工智慧軟體。英偉達最近斥資數十億美元從一家專注於低延遲人工智慧運算的晶片新創公司獲得了技術許可，並開始銷售獨立 CPU，作為其最新超級晶片系統的一部分。
昨天，Nvidia 和 Meta 宣布，這家社群媒體巨頭已同意購買價值數十億美元的 Nvidia 晶片，為其大型基礎設施項目提供運算能力，Nvidia CPU 作為交易的一部分。
這項多年協議是兩家公司之間持續友好合作關係的延伸。 Meta 先前預計，到 2024 年底，它將從 Nvidia 購買 35 萬塊 H100 晶片，到 2025 年底，該公司將總共獲得 130 萬塊 GPU（儘管目前還不清楚這些是否全部都是 Nvidia 晶片）。
作為最新公告的一部分，英偉達表示 Meta 將「建立針對訓練和推理進行優化的超大規模資料中心，以支援該公司的長期人工智慧基礎設施路線圖。」這包括「主要部署」Nvidia CPU 和「數百萬個 Nvidia Blackwell 和 Rubin GPU」。
值得注意的是，Meta 是第一家宣布大規模購買 Nvidia Grace CPU 作為獨立晶片的科技巨頭，Nvidia 在 1 月透露其新型 Vera Rubin 超級晶片的完整規格時表示，這將是一個選擇。英偉達也強調，它提供連接各種晶片的技術，這是一位分析師所說的「從湯到堅果」運算能力方法的一部分。
技術市場研究公司 Creative Strategies 執行長兼首席分析師 Ben Bajarin 表示，此舉標誌著 Nvidia 認識到越來越多的人工智慧軟體現在需要在 CPU 上運行，就像傳統雲端應用程式一樣。他表示：“業界目前如此看好資料中心 CPU 的原因是代理 AI，它對通用 CPU 架構提出了新的要求。”
晶片時事通訊 Semianalysis 最近的一篇報導強調了這一點。分析師指出，為了支援人工智慧訓練和推理，CPU 使用量正在加速成長，並以微軟 OpenAI 資料中心為例，“現在需要數萬個 CPU 來處理和管理 GPU 生成的 PB 級數據，如果沒有人工智慧，就不需要這種用例。”
然而，巴賈林指出，CPU 仍然只是最先進的硬體人工智慧系統的一個組成部分。 Meta 從 Nvidia 購買的 GPU 數量仍然超過 CPU。
「如果你是過度擴張者之一，你就不會跑 全部 從推理計算到 CPU，」Bajarin 說。「您只需要運行的任何軟體在 CPU 上足夠快，即可與 GPU 架構進行交互，而 GPU 架構才是計算背後的真正驅動力。否則，CPU 就會成為瓶頸。 」
Meta 拒絕就其與 Nvidia 擴大協議發表評論。在最近的財報電話會議上，這家社群媒體巨頭表示，計劃將今年的人工智慧基礎設施支出大幅增加至 1,150 億至 1,350 億美元，高於去年的 722 億美元。
