2026 年 2 月中（2 月 16 日當週），Meta 在官方新聞室宣布與 NVIDIA 建立長期 AI 基礎設施夥伴關係，核心內容涉及數百萬顆 NVIDIA Blackwell GPU。
「長期」加「數百萬顆」，兩個詞放在一起，就是 AI 軍備競賽目前的計量單位。
以百萬為單位的算力承諾
GPU 叢集的規模敘事一路膨脹：從早期千顆級的示範，到萬顆級的叢集，再到如今以百萬顆計的多年採購協議。這類協議的本質不是一次性買斷，而是把未來數年的產能、部署與資本支出提前鎖定。
對 Meta，這代表模型路線圖的算力天花板被大幅拉高；對 NVIDIA，這是最高等級的長約客戶與需求能見度。雙方把承諾拉到「百萬顆」量級，本身就是給市場看的訊號。這種規模也改變了工程基準：訓練不再受限於你能組出多大的叢集，而是受限於橫跨百萬顆加速器的排程、容錯與恢復——這是只有少數組織需要面對的可靠性工程關卡。
模型策略之外的基礎設施押注
Meta 的模型策略正處於轉折點：CNBC 在 2025 年 12 月報導，其下一個前沿模型（代號 Avocado）可能走向專有授權，而非延續 Llama 的開源路線。但無論模型最終開源與否，算力建置都是同一種貨幣——訓練前沿模型的入場成本只漲不跌。
換句話說，基礎設施投資是「不管模型策略怎麼選都得做」的項目。Meta 這筆協議，是把這個必然性直接規模化。開源與否是分發策略，算力是能力策略——Meta 可以在分發上避險，卻無法在算力上避險，因為策略的每一條分支都需要訓練前沿模型。
對產業的排擠效應
當一級買家以百萬顆為單位簽長約，市場其餘部分會感受到擠壓：
- 供應產能被大單優先佔用，其他買家的取得成本與等待時間上升
- 「算力鎖定」成為競爭護城河，新進者更難複製同等條件
- 多數公司終究透過雲端租用算力，雲端供應商在供應鏈裡的角色更關鍵
NVIDIA 的 CES 2026 主題演講才在一月宣告實體 AI 時代、預告下一代的 Rubin 平台，但當下真正部署的主力仍是 Blackwell。Meta 這筆協議提醒市場：平台故事在前，2026 年的實際裝機量還是由 Blackwell 扛。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。