文 | 半导体产业纵横
在过去的一年，市场将大量目光投向了谷歌，其凭借自研 TPU 芯片和 Gemini 大模型构建的垂直整合生态，被视为 AI 时代最成功的范本之一。然而，进入 2026 年，一个更值得关注的样本正在浮现——Meta。
如果说谷歌的成功是十年磨一剑的厚积薄发，那么 Meta 在短短一年内展现出的全面、激进且高度务实的战略，则更直接地预示了 AI 竞赛下一阶段的产业格局。
2026 年初，Meta 公布了一系列大规模投资计划，清晰地展示了其在人工智能领域的布局。通过与英伟达、AMD 和谷歌签署大规模芯片采购协议、建设吉瓦级数据中心、坚持 Llama 大模型的开源路线，并在 AI 智能眼镜市场取得初步成功，Meta 正在构建一个复杂的 AI 业务版图。
这次，我们就来深入 Meta 的 AI“帝国“，试着解读这一不同于谷歌的巨头模式，同时看看，中国供应商在其中的机会。
吉瓦级数据中心是基础
进入 2026 年，Meta 在 AI 基础设施上的投入堪称“疯狂”。公司预计年度资本支出将飙升至 1150 亿至 1350 亿美元之间，较 2025 年增长近 73%。巨额资本的背后，是 Meta 一项清晰且激进的战略：在 AI 的每一个关键层面都建立起强大的、甚至是冗余的护城河，以支撑其最终实现“个人超级智能”的宏大愿景。
Meta 的 AI 战略，建立在庞大的物理基础设施之上。它正在全球范围内建设专为 AI 设计的超大规模数据中心，其规划功率不再以兆瓦衡量，而是进入了吉瓦时代。目前，Meta 至少有三个吉瓦级的 AI 数据中心园区正在建设或规划中，其中包括位于俄亥俄州新奥尔巴尼的 1 吉瓦项目、位于路易斯安那州的 5 吉瓦项目，以及在印第安纳州投资超 100 亿美元建设的 1 吉瓦园区。
一个吉瓦级的数据中心，意味着数以百万计的 GPU、数百万个光模块、数万个机柜以及海量的服务器、交换机、线缆和电源设备，这对整个基础设施供应链是一次全面的拉动。根据麦肯锡的分析，AI 数据中心支出的 60% 用于芯片和计算硬件。而美国四大超大规模云厂商（亚马逊、Meta、谷歌、微软）2026 年在 AI 数据中心基础设施上的总支出预计将达到 7000 亿美元，这为整个供应链带来了前所未有的需求。
Meta 的巨额资本开支，首先引爆的是光通信市场。为了连接数百万颗 GPU，数据中心内部需要海量的 800G 甚至更高速率的光模块进行数据传输。作为全球光模块市场的领导者，中国的中际旭创和新易盛都是 Meta 的核心供应商。此外，Meta 与康宁签署的高达 60 亿美元的光纤电缆供应协议，更是一个明确的信号：AI 基础设施的瓶颈，正在从算力本身向更基础的连接环节转移。
在数据中心基础设施层面，中国供应商在光模块、服务器代工、PCB 板等领域已占据全球领先地位，成为 Meta 等海外巨头扩建数据中心时无法绕过的选择。
一位国内数据中心供配电领域的专家向记者表示，近年来客户需求已从传统小型机房的单点部署，全面转向吉瓦级园区的集约化建设，与之配套的供配电核心设备选型也发生了关键迭代。专家指出，市场对交付周期的要求变得十分严苛，部分项目甚至要求整体交付时间压缩到 3 个月以内、设备供货周期控制在 45 天以内。
多元化芯片供应
在芯片层面，Meta 构建了"外购为主，自研为辅"的多元化算力组合。这一策略的背后，是对成本、效率和供应安全的极致追求。Meta 目前的算力来源包括四个部分：英伟达 GPU、AMD 定制 GPU、谷歌 TPU 和自研 MTIA 芯片，每一条线都对应着不同的供应链逻辑。
与英伟达的多年、多代战略合作确保了其能够获得顶尖的 GPU，用于训练前沿的大模型，但高昂的成本和供应集中的风险始终存在。因此，Meta 转向 AMD 和谷歌，本质上是在扶持英伟达的竞争对手，通过引入多元化的供应商来增强自身的议价能力，并降低供应链风险。与 AMD 达成的多年期、高达 6 吉瓦的定制 GPU 采购协议，为 Meta 庞大的 AI 推理需求找到了一个高性价比的解决方案。而与谷歌最新达成的一项数十亿美元 TPU 租用协议，则进一步强化了其多元化供应策略。
自研芯片 MTIA 的最新挫折，则更加凸显了外部供应链的重要性。据报道，由于设计挑战，Meta 已放弃其最先进的自研 AI 训练芯片。这一挫折，恰好解释了为何 Meta 在短期内密集与英伟达、AMD、谷歌签署三笔大单——自研路线受阻，必须通过强化外部采购来确保算力供应的稳定。
这也让与 Meta 合作开发 MTIA 的博通，以及为所有这些芯片提供制造服务的台积电，在供应链中的地位更加稳固。值得注意的是，AI 芯片的性能不仅取决于设计，还高度依赖于先进封装技术。台积电的 CoWoS 封装技术是当前高性能 GPU 制造的关键瓶颈，其产能直接决定了英伟达等厂商的出货量，也成为 Meta 等客户必须面对的供应链现实。
开源模型与 AI 眼镜
在模型层面，Meta 选择了与 OpenAI 和谷歌不同的开源道路。其 Llama 系列模型自 2023 年发布以来，一直是开源社区最受欢迎的模型之一。通过开放模型权重，Meta 吸引了全球开发者和研究人员参与模型的改进和应用开发，加速了技术迭代，并形成了一个庞大的"Llama 生态"。其商业模式是通过免费提供 AI 模型，来驱动其核心社交、广告业务的增长，并为其未来的 AI 硬件提供支持，最终在整个生态中实现商业闭环。
Meta 的 AI 布局并非仅限于云端，它正将 AI 能力延伸至消费者终端。其中最成功的产品是与雷朋母公司 EssilorLuxottica 合作推出的 AI 智能眼镜。这款产品在 2025 年销量超过 700 万副，远超市场预期，标志着 AI 可穿戴设备首次获得了大众市场的初步认可。根据 EssilorLuxottica 在 2026 年 2 月公布的财报，该产品线的销售额同比增长了三倍。
AI 眼镜的成功，为 Meta 的半导体战略增添了新的维度。它不再仅仅是数据中心芯片的采购方，也成为了消费级 AI 芯片的重要客户。根据美银证券的报告，全球 AI 眼镜供应链中超过 80% 的企业位于中国。芯片和光学模组是其最核心的两个组件，占总成本的 70% 以上。
在整机组装环节，歌尔股份是 Meta 的核心代工厂；在核心芯片层面，恒玄科技独家供应其音频芯片，佰维存储提供了部分存储解决方案；在更上游的光学领域，水晶光电、舜宇光学等企业提供了关键的光学模组。没有中国供应链的深度参与，Meta 的 AI 眼镜不可能以如此高的效率和相对可控的成本推向市场。外媒曾评论称，Meta 别无选择，只能与中国工厂合作，因为它们是关键组件最稳定可靠的供应商。这种依赖背后，是中国在过去二十年消费电子浪潮中积累的庞大制造生态和快速响应的供应链管理能力。
一位国内存储芯片领域的专家向记者指出，AI 可穿戴设备的系统复杂度远高于传统消费电子，对存储芯片在容量、读写速度和功耗控制上都提出了更苛刻的要求，这正在推动存储芯片向更高性能的方向迭代。虽然目前海外大客户的高端存储产品仍以台系厂商为主，但大陆厂商凭借多年的技术深耕和市场开拓，已有多个海外大客户供应链导入的成功案例，在 Meta 眼镜等 AI 可穿戴设备上具备实质性的切入机会。
Meta 与谷歌，两种思路
与 Meta 的多元化采购模式形成对比的是，谷歌在 AI 芯片领域的策略更倾向于"垂直整合"。早在 2015 年，谷歌就发布了其自研的 TPU。其核心在于通过自研核心硬件，实现从底层芯片到上层应用的深度协同优化，将供应链关键环节掌握在自己手中。这种模式门槛极高，需要长期的技术积累和持续投入，但一旦成功，其在成本、效率和供应链安全上的优势也更明显。
Meta 和谷歌，代表了科技巨头在构建算力基础设施上的两种不同思路。谷歌的"垂直整合"追求的是高质量的内部效率和成本控制，通过软硬件一体化，构建一个封闭但高效的系统，其最终目的是强化其云服务（GCP）的竞争力。而 Meta 的"多元化采购"则更像是一种务实的、以我为主的外部资源整合。它不追求对供应链的完全掌控，而是通过扶持多个供应商来确保自身的议价能力和供应安全，其最终目的是服务于自身的社交、广告和元宇宙业务，而非对外提供云服务。
最新的发展则让这场竞合关系变得更加微妙——Meta 租用谷歌 TPU 的协议，意味着在 AI 的算力层面，为了打破单一供应商的垄断，昔日的竞争对手也可以选择合作。这表明，无论是 Meta 还是谷歌，其最终目标都是构建一个强大的 AI 生态。Meta 的策略，客观上为英伟达的竞争者（如 AMD 和谷歌）提供了巨大的市场空间，加速了 AI 芯片市场的多元化竞争。同时，其在 AI 眼镜上的成功，也推动了消费级 AI 硬件这一新市场的增长，为相关供应链上的公司创造了新的机遇。
结语
Meta 以其大规模的资本支出和覆盖"云-管-端"的全面战略，显示了其在 AI 领域建立领导地位的决心。从吉瓦级的数据中心到囊括了英伟达、AMD、谷歌乃至自研芯片的多元化算力组合，从开源的 Llama 大模型生态到 AI 智能眼镜，Meta 的每一步都旨在构建一个从基础设施到用户体验的完整闭环。
这一战略不仅为英伟达的竞争者提供了市场空间，也推动了消费级 AI 硬件这一新市场的增长，影响了全球半导体的竞争格局。对于深度参与其中的中国企业而言，无论是作为数据中心基础设施的供应商，还是 AI 消费电子终端的核心组件供应商，这都是一个提升自身技术实力、拓展全球市场的机遇。然而，如何在享受短期红利的同时，向价值链上游移动，建立自主的核心技术壁垒，将是它们需要面对的长期课题。
