当Meta开始卖算力
7月1日，始卖算力彭博社披露重磅消息：Meta 内部正加速推进代号为 "Meta Compute"的始卖算力项目，旨在向外部客户出售其富余的始卖算力 AI 算力资源。
这一战略举措正沿着两条并行路径展开：
- 托管模型服务：将 Llama 和 Muse Spark 等自研模型开放给企业客户，始卖算力采用按 Token 用量计费的始卖算力模式，直接对标 AWS Bedrock。始卖算力
- 裸算力租赁：将 GPU 集群按小时出租，始卖算力商业模式直接对标 CoreWeave。始卖算力
消息公布后，始卖算力资本市场反应剧烈。始卖算力META 股价当日飙升约 9%（CNBC），始卖算力投资者普遍将其视为扎克伯格对“千亿级 AI 投入能否收回成本”质疑的始卖算力有力回应。与此同时，始卖算力依赖“卖 GPU 时间”生存的始卖算力新兴 AI 云服务商（Neocloud）遭遇重挫，CoreWeave 和 Nebius 股价均下跌约 15%（247 Wall St），始卖算力因为它们突然面对一个体量比自己大几十倍的强劲对手。
这并非突发奇想，而是早有预兆。扎克伯格在 5 月的股东电话会议上曾明确表示：
“这绝对是我们考虑的方案之一。几乎每周都有外部公司联系我们，希望推出 API 服务，或询问能否购买算力，甚至愿意支付高于我们采购成本的价格。”
他当时的完整表述为：“目前我们尚未这样做，是因为我们认为这些算力仍有内部用途。但如果未来出现算力过剩的情况，这将成为我们的一项可行选择。”
如今，这一表态正在转化为实际行动。
1450 亿美元的豪赌：为何会有富余？
要理解 Meta 为何选择卖算力，必须审视其庞大的基础设施投入。
2026 年 4 月，Meta 将全年资本支出（Capex）指引上调至 1250 亿–1450 亿美元（SEC 10-Q 文件确认），较 2025 年实际支出的 722 亿美元几乎翻倍。这一数字在财报电话会上曾引发投资者短暂恐慌，导致股价当日下跌 10%。
但扎克伯格并未退缩。其核心逻辑在于：
“整个行业面临的最大瓶颈仍是算力供应。因此，我们应尽可能多地储备算力资源，至于未来如何利用，届时再行决定。”
具体建设规模如何？关键数据如下：
这并非 Meta 独有的现象。微软、谷歌、亚马逊也在同步加大投入。2026 年，这四家科技巨头的合计资本支出逼近 7000 亿美元。
这些资金并未流向软件，而是转化为钢筋、电力、英伟达 GPU 以及拔地而起的数据中心集群。
物理规律下的“利用率缺口”
算力消耗并非均匀分布，这是一个典型的物理学问题：
- 训练阶段：大语言模型的训练任务可能在数月内 100% 占用数万张 GPU。
- 推理阶段：训练完成后，集群利用率骤降至 30%–50%，仅处理推理请求，而推理的算力需求远低于训练。
Meta 的训练节奏公开透明：Llama 4 训练结束，Llama 5 尚在研发。在这段“空窗期”，集群闲置，持续消耗电费却无法产生直接回报。
扎克伯格的策略被称为 “先囤积，后决策”（Hoard now, decide later）：按峰值训练需求构建基础设施，至于建成后的用途——留待未来解决。
这一策略的前提是：未来总有理由使用这些算力。而“对外出售”正是那个关键的备选理由。
从物理规律看，这并非管理不善导致的浪费，而是算力基建的固有周期。只要从事前沿 AI 研发，迟早会面临此问题。Meta 的区别在于，它是首个承认这一点并付诸行动的公司。
先行者验证：SpaceX/xAI 的算力生意
Meta 并非首个吃螃蟹的人。
2026 年 5 月，马斯克的 SpaceX/xAI 完成了两笔震惊市场的算力租赁合约，验证了“自建数据中心→卖算力”模式的可行性：
- Anthropic 租赁 Colossus 1
- 月租：12.5 亿美元
- 期限：至 2029 年
- 总价值：约 450 亿美元
标的：田纳西州孟菲斯 Colossus 1 数据中心全部可用算力（20 万+ 英伟达 GPU）
Google 租赁 Colossus 2
- 月租：9.2 亿美元
- 标的：Colossus 2 数据中心算力集群
两笔合约合计，SpaceX/xAI 每年仅靠“租 GPU”即可入账超过 260 亿美元。
Meta 正走在同一条路上，且体量远超 xAI——其已承诺投入 1829 亿美元建设基础设施。
谁最受伤：Neocloud 面临双重挤压
Meta 的入局，对 Neocloud 行业造成最直接冲击。
此类公司的商业模式简单粗暴：向上游（英伟达或 Meta 等超大规模买家）批量采购/租赁 GPU，再拆分为小时级算力出租给下游 AI 初创公司、研究机构及企业用户。
以 CoreWeave 为例，2025 年 3 月 IPO 后市值一度突破 500 亿美元，其核心资产为 GPU 集群及长期客户合约。然而，Meta 入局后，CoreWeave 的商业模式出现两大裂缝：
裂缝一：下游客户分流
如果 AI 初创公司能直接从 Meta 租赁算力——且 Meta 的 GPU 更新更快、规模更大、价格可能更低——客户为何还要通过 CoreWeave？
裂缝二：最大客户变对手
CoreWeave 与 Meta 原有深度合作。2026 年 4 月，CoreWeave 与 Meta 签署总额 350 亿美元的算力供应协议（至 2032 年，其中 210 亿为 2027–2032 年新增部分）。Nebius 亦签署类似协议，总额达 270 亿美元。
这些合约的方向是 CoreWeave/Nebius 向 Meta 供能——Meta 是买方。若 Meta 决定自建并对外销售，极有可能减少外部采购。这将导致合约续约率和新增量大幅缩水。市场定价的不仅是“Meta 成为竞争对手”，更是“Meta 不再是可靠的大客户”。
深层风险：融资抵押物估值缩水
Neocloud 的扩张高度依赖债务融资，抵押物即其手中的 GPU 集群。2026 年 3 月，CoreWeave 完成了一笔 85 亿美元的 GPU 担保定期贷款——号称业内首笔投资级 GPU 抵押债务（纳斯达克公告）。
若 Meta 等超大规模玩家大规模进入算力租赁市场，GPU 小时租金下跌，抵押物估值缩水，债务再融资难度将急剧增加。
这不是理论推演。消息爆出当天，CoreWeave 下跌 15%，市场正在重新定价。
更大格局：7000 亿美元基建赌局，谁先跑？
将视角拉远，Meta 卖算力不仅是公司行为，更是行业风向标。
2026 年，四大科技巨头合计资本支出逼近 7000 亿美元，绝大部分流向 AI 基础设施。
核心问题在于：这些设施建成后的利用率能达到多少？
看空者逻辑
- 价格下行：GPU 算力价格持续走低。B300 云实例按需最低约 7.4 美元/小时，Spot 实例最低 4.3 美元/小时（GPUFinder，2026 年 7 月）。宏观来看，LLM 推理成本三年内下降约 1000 倍（GPU Nexus）。
- 效率跃升：DeepSeek R1、Anthropic 最新模型均在使用更少算力完成更多任务。
- 历史重演：部分分析师将其比作 1990 年代末的光纤过度建设——供过于求导致价格崩盘，大量公司破产。
看多者逻辑
- 杰文斯悖论（Jevons Paradox）：算力越便宜，使用者越多。需求呈指数级而非线性增长。
- 推理爆发：2026 年，推理负载已占全部 AI 算力的约 三分之二，远高于一年前的三分之一。
- 渗透率类比：当前 AI 渗透率约相当于 1995 年的互联网——当时看似过度建设，回头看却远远不够。
双方均有道理。但有一个事实无可辩驳：
Meta 并未等到“确认过剩”才开始卖算力，而是为“可能过剩”预留了出口。
这才是真正值得关注的信号。若对算力需求有 100% 信心，无需提前布局销售计划，直接建设即可。Meta 选择了备选方案，其他人呢？
微软、谷歌、亚马逊的老本行本就是卖云，不存在“是否卖算力”的问题，它们一直在卖。真正的问题在于：它们也在疯狂扩建，且速度不逊于 Meta。
如果最大买家都在为自己预留退路——那这个市场的水，可能没那么深。
基础设施投资的第一道裂缝
过去两年，AI 基础设施投资的逻辑是：“需求无限，算力永远不够。”
现在，这一逻辑出现了第一道裂缝——并非因为需求消失，而是因为供给建设的速度可能已超越需求。
Meta 卖算力，标志着 AI 基建从“不计成本地建”进入“开始算账”的阶段。
接下来值得观察的关键事项：
