摘要： Meta 於 2026 年 2 月中旬宣布與 NVIDIA 建立長期 AI 基礎設施夥伴關係，核心是數百萬顆 Blackwell GPU。這不是一次買斷，而是把多年供給、部署與資本支出預先寫進合約。文章指出，Meta 的模型路線圖獲得更大算力空間，其他買家則可能面臨成本上升與等待期延長。
2026 年 2 月中旬、2 月 16 日當週，Meta 在官方新聞室發布消息：公司與 NVIDIA 締結長期 AI 基礎設施夥伴關係，而整份協議的核心，是數百萬顆 NVIDIA Blackwell GPU。
把「長期」與「數百萬顆」並排放著看，你看到的正是 AI 軍備競賽此刻通行的計量單位。
用百萬顆計價的算力承諾
回頭看 GPU 叢集的規模故事，膨脹的腳步從未停過：最初是千顆等級的示範，接著出現萬顆等級的叢集，如今則是以百萬顆起算、為期多年的採購協議。這類協議真正的意涵並非一次買斷，而是把往後數年的產能、部署與資本支出，預先寫進合約裡綁定。
站在 Meta 的立場，模型路線圖能觸及的算力天花板因此被推高了一大截；站在 NVIDIA 的立場，這代表最高等級的長約客戶，以及最清晰的需求能見度。雙方願意把承諾抬升到「百萬顆」這個量級，動作本身就是說給市場聽的訊號。規模走到這一步，工程基準也跟著位移：訓練的瓶頸不再是你能集結多大的叢集，而是你能否在橫跨百萬顆加速器的範圍內做好排程、容錯與恢復——一道絕大多數組織根本不必面對的可靠性工程難題。
押在模型策略之外的基礎設施
Meta 的模型策略此刻站在轉折點上：CNBC 於 2025 年 12 月報導，代號 Avocado 的下一個前沿模型有可能改走專有授權，不再沿用 Llama 的開源路線。然而這個選擇最後落在哪一邊，算力建置花的都是同一種貨幣——要把前沿模型訓練出來，入場成本只有向上這一條路。
換個角度講，基礎設施投資屬於「無論模型策略怎麼定都省不掉」的支出，而 Meta 這份協議所做的，就是把這份必然性直接推向規模化。開放與否，談的是分發策略；算力，談的是能力策略。分發那一端，Meta 可以兩頭下注避險；算力這一端卻無險可避——策略的每一條分支，都得先把前沿模型訓練出來。
其餘市場承受的排擠效應
當第一梯隊買家以百萬顆為單位、一簽就是多年，市場上其他參與者會明顯感到被壓縮：
- 供應產能先被大單吃掉，其餘買家面對的是更高的取得成本與更長的等待
- 「算力鎖定」蛻變為競爭護城河，新進者要複製同等條件愈來愈不容易
- 絕大多數公司最終仍得向雲端供應商租用算力，這讓供應商在供應鏈中的位置愈發關鍵
NVIDIA 才在一月的 CES 2026 主題演講上宣告實體 AI 時代來臨、並預告下一代的 Rubin 平台，但此刻真正扛著部署重任的主力，依然是 Blackwell。Meta 這份協議給市場的提醒相當直白：平台故事可以先講，2026 年實際裝進機房的數量，仍舊由 Blackwell 說了算。