当Meta开始卖算力

7月1日，彭博社爆出一条消息：Meta 内部正在推进一个代号为 "Meta Compute" 的项目，计划向外部客户出售富余的AI算力。

两条路径同时推进：

• 托管模型访问——把 Llama 和 Muse Spark 等模型开放给企业客户，按 Token 用量收费，对标 AWS Bedrock；
• 裸算力直接销售——把 GPU 集群按小时租出去，对标 CoreWeave。

消息一出，市场立刻用脚投票：META 当日涨约 9%（CNBC），投资者将其解读为扎克伯格对"千亿 AI 投入能否收回"质疑的正面回应。

而另一头，CoreWeave 和 Nebius 均跌约 15%（247 Wall St）——这两家靠"卖 GPU 时间"为生的 Neocloud（新兴 AI 云），突然多了一个体量是自己几十倍的对手。

这不是偶然。扎克伯格在 5 月的股东电话会议上已经说过：

"这绝对是我们可选的方案之一。几乎每周都有外部公司联系我们，希望我们推出 API 服务，或询问能否购买我们的算力，甚至愿意支付高于我们采购成本的价格。"

他当时的完整表述是："我们目前还没有这样做，这是因为我们认为这些算力还具备其自身的用途。但是，如果未来我们认为算力建设出现了过剩的情况，那么这将会是我们可以采取的一项选择。"

这句话现在正在变成行动。

1450 亿美元的赌注

要理解 Meta 为什么要卖算力，先得知道它建了多少。

2026 年 4 月，Meta 将全年资本支出指引上调至 1250 亿–1450 亿美元（SEC 10-Q 文件确认），较 2025 年实际 capex 722 亿美元几乎翻倍。这个数字在财报电话会上让投资者短暂慌了一下——消息当天股价跌了 10%。

但扎克伯格没有退。他的逻辑是：

"整个行业面临的最大瓶颈仍然是算力供应，所以我们应该尽可能多地先储备算力资源，未来再决定如何利用。"

具体建了多少？几个数字：

这不是 Meta 一家的问题。微软、谷歌、亚马逊也在同步疯狂砸钱。2026 年，四家科技巨头的合计 capex 逼近 7000 亿美元。

这些钱买的不是软件，是钢筋、电力、英伟达 GPU，和一片一片拔地而起的数据中心。

为什么会有富余：训练-推理的利用率缺口

算力这个东西，有个物理学问题：它不是均匀消耗的。

一个大语言模型的训练任务，可能在几个月内 100% 吃满几万张 GPU。但训练完成之后，这批集群的利用率会骤降到 30%–50%——只剩下推理请求在跑，而推理的算力需求远低于训练。

Meta 的训练节奏是公开已知的：Llama 4 训练完了，Llama 5 还在路上。中间的空窗期，集群就在那里，耗着电费，不产生回报。

扎克伯格的策略叫 "先囤积，后决策"（Hoard now, decide later）。先按峰值训练需求把基础设施建起来，至于建成后怎么用——到时候再说。

这套策略的前提是：未来总有用得上这些算力的理由。 而"卖出去"就是那个理由之一。

从物理规律来看，这不是 Meta 管理不善导致的浪费——这是算力基建的固有周期。只要你在做前沿 AI 研发，你迟早会面对这个问题。

Meta 的区别在于：它最早承认了这一点，并且开始行动。

先行者现身：SpaceX/xAI 的算力生意

Meta 不是第一个这么干的。

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：

第一笔：Anthropic 租 Colossus 1

• 月租：12.5 亿美元
• 合约期限：至 2029 年
• 总合约价值：约 450 亿美元
• 标的：田纳西州孟菲斯 Colossus 1 数据中心的全部可用算力（20 万+ 英伟达 GPU）

第二笔：Google 租 Colossus 2

• 月租：9.2 亿美元
• 标的：Colossus 2 数据中心的算力集群

两笔合约加起来，SpaceX/xAI 每年仅靠"租 GPU"就能入账超过 260 亿美元。

更重要的是：它验证了"自建数据中心→卖算力"这条路的可行性。

Meta 正在走的，就是同一条路。而且 Meta 的体量远大于 xAI——它已承诺投入 1829 亿美元建基础设施。

谁最受伤：Neocloud 的双重挤压

Meta 入局，最直接的压力落在 Neocloud 身上。

这类公司的商业模式很简单：向上游（英伟达或 Meta 这样的超大规模买家）批量采购/租赁 GPU，然后拆分成小时级算力出租给下游的 AI 创业公司、研究机构、企业用户。

CoreWeave 是其中最知名的——2025 年 3 月 IPO，上市后市值一度突破 500 亿美元。它的核心资产是一堆 GPU 和一批长期客户合约。

但 Meta 入局之后，CoreWeave 的商业模式出现了两道裂缝：

裂缝一：下游客户被分流。 如果 AI 创业公司可以直接从 Meta 租到算力——而且 Meta 的 GPU 更新、规模更大、价格可能更低——为什么还要找 CoreWeave？
裂缝二：最大客户变对手。 CoreWeave 和 Meta 本身就有深度合作。2026 年 4 月，CoreWeave 与 Meta 签署了总额 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 也跟 Meta 签了 270 亿美元的类似协议。这些合约的方向是 CoreWeave/Nebius 向 Meta 供算力——Meta 是买方。

如果 Meta 决定自建算力并对外销售，它很可能减少向 CoreWeave 和 Nebius 的外部采购。这些合约的未来续约率和新增量就会打折扣。市场定价的不只是"Meta 变成竞争对手"，还有"Meta 不再是可靠的大客户"。

还有一个更深层的风险：融资抵押物的估值。

Neocloud 的扩张高度依赖债务融资，而抵押物就是它们手里的 GPU 集群。2026 年 3 月，CoreWeave 关闭了一笔 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）。如果 Meta 这样的超大规模玩家大规模进入算力租赁市场，GPU 的小时租金就会下跌——抵押物的估值就会缩水——债务再融资就会变难。

这不是理论推演。消息爆出当天，CoreWeave 跌了 15%。市场在重新定价。

更大格局：7000 亿美元基建赌局，谁先跑？

把视角拉远。Meta 卖算力，不只是 Meta 一家公司的事。

2026 年，四家科技巨头的合计 capex 逼近 7000 亿美元。 这些钱绝大部分流向同一个方向：AI 基础设施。

问题来了：这些东西建完之后，利用率能到多少？

看空者的逻辑：

• GPU 算力价格持续下行。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）。更宏观地看，LLM 推理成本三年内下降了约 1000 倍（GPU Nexus）。
• 推理效率在跃升。DeepSeek R1、Anthropic 最新模型都在用更少的算力做更多的事。
• 有分析人士将此比作 1990 年代末的光纤过度建设——当时电信公司疯狂铺设光纤，结果供过于求，价格崩盘，一大批公司破产。

看多者的逻辑：

• Jevons 悖论：算力越便宜，用的人越多。不是线性增长，是指数增长。
• 推理需求正在爆发。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。
• 现在的 AI 渗透率，大概相当于 1995 年的互联网——你觉得那时候建得太多了，但回头看，建得还不够。

两方都有道理。但有一个事实是无法辩论的：

Meta 没有等到"确认过剩"才开始卖算力。它为"可能过剩"预留了出口。

这才是真正值得注意的信号。如果你对自己的算力需求 100% 有信心，你不需要提前布局卖算力的计划。你建就是了。

Meta 做了备选方案。其他人呢？

微软、谷歌、亚马逊——它们的老本行就是卖云，不存在"要不要卖算力"的问题，它们一直在卖。真正的问题在于：它们也在疯狂扩建，而且扩建的速度，并不比 Meta 慢。

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："需求是无限的，算力永远不够。"现在，这个逻辑出现了第一道裂缝——不是因为需求消失了，而是因为供给建设的速度，可能已经跑到了需求前面。

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。

接下来值得观察的几件事：