Meta 租用 Google TPU：算力霸权的「柏林墙」正在倒塌

下面是本期节目的 SSML 播客脚本（供参考，也可作为 Show Notes）：

<speak>
  <emphasis level="strong">大家好，欢迎收听老马的深度观察。我是老马。</emphasis>
  <break time="500ms"/>
  今天我们要深度拆解一个很有戏剧性的场面：<emphasis level="moderate">扎克伯格正把 Meta 的算力命脉，交到他老对手皮查伊的手里。</emphasis>
  <break time="800ms"/>

  消息正式确认了，Meta 已经跟 Google 签署了多年协议，正式租用 Google 的 TPU（也就是张量处理单元）。
  <break time="300ms"/>
  这不仅仅是一桩巨额租赁买卖。你要知道，在此之前，英伟达的芯片几乎是硅谷大厂训练顶级模型的唯一通行证。
  但现在，算力市场的“柏林墙”正在倒塌。
  <break time="800ms"/>

  <emphasis level="moderate">为什么扎克伯格会这么做？</emphasis>
  <break time="500ms"/>
  Meta 之前的路走得很惨烈，为了维持 Llama 模型在开源界的地位，他们囤了整整 35 万块英伟达 H100。
  但这种“全押英伟达”的单一依赖，风险太高了。成本不可控，投资回报率的主动权全在老黄手里。
  <break time="500ms"/>
  Meta 这次选择 TPU，其实是一次财务上的“精密审计”。TPU 在大规模并行计算中的能效比，对于需要长期稳定运行 Llama 的 Meta 来说，是一个极其吸引人的选项。
  这也意味着超大厂们开始把算力从“战略储备”变成一种“动态资产”。
  <break time="800ms"/>

  <emphasis level="moderate">这也引发了 Meta 内部的一场“组织权力重组”。</emphasis>
  <break time="500ms"/>
  过去，Meta 的采购部门只要去“抢英伟达显卡”就行了。但现在，技术架构师必须站到前台。
  因为租用 TPU 意味着必须把训练框架进行深度适配。谁负责从 CUDA 到 XLA（也就是 Google 的编译器）的平滑迁移？
  谁在内部负责评估不同芯片在推理成本上的差异？
  <break time="500ms"/>
  Meta 内部肯定正在进行一场硬件抽象层的重组，要让模型能像容器化软件一样，在英伟达、TPU，甚至他们自研的 MTIA 芯片之间无缝切换。
  <break time="800ms"/>

  <emphasis level="moderate">最后，让我们把镜头拉远一点，看看终局之战。</emphasis>
  <break time="300ms"/>
  这场“逃离英伟达”的运动不是孤立的。本周，一大批 AI 芯片初创公司获得了十几亿美元的融资，都在试图攻占英伟达还没完全垄断的细分市场。
  但冷峻的现实是，底层的矿产资源依然严峻。
  钇、钪等稀土金属的短缺提醒着所有人，就算芯片架构多元化了，底层的矿产配额还是悬在所有人头上的达摩克利斯之剑。
  <break time="800ms"/>

  <emphasis level="strong">总结一下：</emphasis>
  <break time="500ms"/>
  算力市场的“大一统时代”宣告结束了。一个群雄割据、基于 ROI（投资回报率）和异构架构的复杂时代正拉开序幕。
  <break time="800ms"/>

  好了，感谢收听本期的老马深度观察。
  <break time="500ms"/>
  如果你觉得有启发，欢迎订阅并转发。我们下期见。
</speak>