外购与自研的双轨策略

外购与自研并不是二选一，而是算力基础设施中针对不同负载的分工策略。真正需要回答的问题不是“是否自研芯片”，而是哪些任务值得脱离通用GPU，哪些任务仍应依赖成熟的外部供应。

外购的核心价值在于通用性和速度。英伟达GPU能够同时支撑训练与推理，并适配多种模型架构；配套的CUDA生态也降低了开发、迁移和运维成本。对于业务变化快、算力需求尚未稳定的企业，直接采购可以避免承担芯片研发、流片、良率和产能爬坡风险。尤其在训练阶段，任务复杂、模型迭代频繁，通用芯片的灵活性往往比单点成本更重要。

自研的价值则出现在负载足够稳定、规模足够庞大的场景。Meta的MTIA并非要全面替代英伟达芯片，而是针对广告推荐、内容排序和部分轻量生成等推理任务进行优化，将通用芯片中用不到的能力转化为更高的能效。美银估算，若部分外购芯片被自研MTIA替代，Meta每年可能节省数亿美元推理成本；但这一判断取决于部署比例和任务匹配度，不能简单理解为自研必然更便宜。

因此，双轨策略的关键是按负载分层：训练和复杂推理优先保留外购GPU，规模化、重复性高且模型结构相对稳定的推理任务，再评估自研芯片的经济性。决策时至少要同时核算单位推理成本、软件迁移成本、供应保障和产能爬坡周期，而不能只比较芯片采购价格。

这也解释了为何Meta在推进MTIA的同时仍是英伟达的重要客户。外购提供弹性，自研提供成本控制和供应链议价能力；二者结合，才能在算力需求持续增长时兼顾业务速度与长期效率。平台主管理者真正要避免的，是把自研当成技术荣誉，或把外购当成永久依赖，而应让芯片路线服从负载特征和商业回报。