Meta原本就有就地部署的基础设施，但同时也利用AWS的运算、储存、资料库或安全服务等资源，来弥补就地部署的不足。然而，当Meta在2012年买下Instagram时，是把Instagram的后端架构从AWS迁移到Meta的就地部署设施上，透露出Meta仍旧希望以就地部署为主的后端策略。

　　不过，本周Meta宣布将加深与AWS的合作，除了仍旧将AWS视为补充Meta就地部署架构的云端服务之外，未来将于AWS上执行与第三方的合作，而且只要所并购的业者原本就使用AWS服务，之后将维持采用AWS。

　　此外，未来Meta的AI部门将使用AWS的运算服务来加速AI的研发，也会与AWS共同改善AWS上执行PyTorch的效能，包括协助开发者加快建置、训练、部署及操作AI或机器学习模型的速度。

　　PyTorch是由Meta的AI实验室在2016年推出的开源机器学习库，为一深度学习框架，主要应用在电脑视觉与自然语言处理上，随着AI浪潮的兴起，AWS也规画了PyTorch on AWS，结合Amazon EC2、Elastic Fabric Adapter及AWS上的储存及网路资源，让开发者可透过Amazon SageMaker机器学习服务大规模地建置、训练及部署PyTorch模型。

　　现在Meta则打算与AWS合作，让全球的组织能够更方便地透过AWS，把深度学习模型从研究专案快速变成产品。

　　负责商业开发的AWS副总裁Kathrin Renz表示，此一合作案代表AWS将继续协助Meta研发与创新，也将大规模地与第三方及开源社群合作，而客户将可仰赖Meta及AWS在PyTorch上的合作，更容易于AWS上建置、训练及部署深度学习模型。