Meta卖算力了，C端巨头冲进To B，能行吗？

“几乎每周都会有外部公司联系我们，希望我们推出API服务，或者询问是否可以购买我们的算力，甚至愿意支付高于我们采购成本的价格。”今年5月，扎克伯格在股东电话会上撂下这句话时，很多人只当它是随口一提的客户意向展示。谁也没想到，7月1日，彭博社一篇报道直接把它坐实了：Meta正计划上线云基础设施业务，把AI算力和模型访问权打包卖给外部客户，项目的内部代号就叫Meta Compute。消息一出，Meta股价单日大涨8.8%，市值一口气多出约1270亿美元；而另一边，靠出租GPU起家的CoreWeave暴跌13.9%，Nebius跌了17.0%，闪迪、美光等存储芯片股也跟着跌超10%。市场用脚投票的姿态干脆利落，仿佛在说：Meta来了，别的小厂可以洗洗睡了。但事情真的就只是一句“算力过剩”能解释的吗？

我们可以试着把Meta Compute这件事画成一张图。图的中心是Meta这只突然伸进To B池塘里的脚，左边挂着“模型托管”和“原始算力出租”两条腿，右边站着三个联席负责人，头顶上飘着“352亿美元”的CoreWeave长期合同，背景板上还密密麻麻写满了欧盟数字市场法案、数据隔离、Llama闭源与否的纠结。这张图第一眼看上去是进攻，第二眼看上去更像是走钢丝。Meta到底想干什么，它手里有什么牌，又有什么牌根本打不出来，试着拆一拆。

先看第一层：Meta为什么突然要卖算力？市场下意识的解读是“算力太多了，得找人接盘”。但拆开一看，Meta对外出租的其实是上一代的H100和H200推理算力，自家最前沿的训练集群可一点没闲着，还在狂买最新的GB200，同时自研Rubin芯片准备顶上去。换句话说，闲置的是上一代推理产能，前沿训练算力依旧极度紧缺。这不是总量过剩，是结构性分化——就像你家车库堆满了旧显卡，但新游戏非要4090才能跑，你把旧卡挂二手平台回点血，不等于你不再烧钱买新卡。Meta打的正是这个时间差。

这一步棋背后藏着三个互为支撑的算盘。第一个是模型商业化闭环。Llama开源这么些年，被无数第三方云厂商免费商用，Meta愣是一分钱授权费收不到。现在通过Meta Compute提供模型托管服务，等于第一次给Llama生态安上收银台，开发者可以用，但如果在Meta的云上跑，Meta就能赚到推理调用的钱。第二个是摊薄固定成本，顺便向上游拿议价权。数据中心建在那儿，服务器、供电、运维都是烧钱窟窿，把上一代算力租出去，利用率一拉高，平均成本就往下掉；而有了稳定的外部算力订单，跟英伟达、存储厂商谈批量采购的时候，腰杆也硬了。第三个是给资本市场讲故事。AWS、Azure、谷歌云都能靠云业务平滑AI资本开支周期，Meta空有成熟的内部私有云和全球数据中心，却从来没对外做过公有云生意，估值就一直背着个“资本开支不可对冲”的折价。Meta Compute一宣布，高盛的分析师立刻出来算账：市场逻辑正在转向奖励那些能削减资本支出的企业，Meta被看作第一家展现出财务纪律的超大规模企业。说白了，Meta是在告诉华尔街：我也可以讲云的故事，别再用老眼光看我。

那么，Meta打算怎么卖？两种方案同步推进，对应两套竞争逻辑。第一种是模型托管，玩法类似AWS Bedrock，把Llama作为托管模型开放调用。在这个赛道里，对手是AWS、Azure OpenAI和Google Vertex AI。Meta的优势是Llama的开源生态和全球开发者心智，但劣势也扎眼——它几乎没做过企业级服务，客户工单系统、SLA保障、技术支持团队，这些To B基本功都得从零搭建。第二种是原始算力出租，直接对标CoreWeave、Lambda Labs这些中小型算力租赁商。这里最微妙的是，Meta自己就是CoreWeave最大的客户，双方之间挂着总额352亿美元的长期采购协议，一笔142亿美元执行到2031年，一笔210亿美元覆盖2027到2032年。现在Meta亲自下场，等于一边给CoreWeave下单，一边抢它的饭碗。这种既是甲方又是对手的双重身份，不用复杂的法律论证，光靠事实本身就能给反垄断审查递刀。

有了模式就得有人管。Meta Compute安排了三位联席负责人：基础设施主管Santosh Janardhan管技术，超级智能实验室负责人Daniel Gross管产品，总裁Dina Powell McCormick管战略。三人共管本身已经暴露出内部对这项业务的定位还在摇摆。尤其Dina Powell McCormick，此前长期负责政府关系和公共政策，缺少企业级技术销售或云服务运营的直接经验。欧美政企云订单确实需要政府关系打头阵，但真正签下合同、把服务交付到位，靠的是行业解决方案团队、客户成功团队和渠道合作伙伴体系，这些Meta几乎空白。

这就不得不说到Meta的组织老毛病。过去两年，Meta经历了一轮剧烈的AI化重组。2025年Llama 4发布后口碑没达预期，扎克伯格砸下143亿美元收购Scale AI 49%的股份，把创始人Alexandr Wang请来领导TBD Lab，半年内四次调整AI组织架构。但收购Scale AI补的是数据标注的短板，与To B销售、企业级客户服务之间没有直接关系。Meta真正的组织挑战是三件事：文化冲突、人才流失、销售体系缺失。Meta一贯讲求快速试错、季度考核、末位淘汰，这套C端打法碰上需要3到5年深耕、长交付周期、稳定续约的To B业务，就像短跑选手被拉去跑马拉松。过去Workplace的失败就是样本，它被要求短期内自证商业价值，而To B SaaS需要耐心验证产品-市场匹配，Meta果断选择了放弃。与此同时，风投报告显示Meta员工留存率仅64%，在头部科技公司中垫底，Anthropic是80%，Google DeepMind是78%，OpenAI是67%。FAIR、Llama核心研究员持续出走，刚组建的企业解决方案团队能稳住多久，还是个问号。至于销售体系，Meta历史上几乎没有大规模行业销售、渠道和大客户成功经理岗位，目前靠FDE工程师在第一阶段接触开发者社区，但往后走，工程师必须与销售、客户成功形成铁三角，不可能单打独斗。

除了内部拧巴，外面还有三道关卡。第一道是反垄断。Meta本身就是欧盟《数字市场法案》重点盯防的守门人企业，常年因数据垄断、自我优待吃罚单。如今一边握着全球社交流量数据，一边铺出AI算力基础设施，监管机构极容易认定Meta利用算力捆绑Llama模型、滥用市场支配地位排挤第三方云厂商。第二道是数据隔离。政企客户的核心诉求是业务数据物理隔离，而Meta的模型训练高度依赖社交用户数据，市场普遍怀疑它能否搭建出绝对隔离的算力集群和经得起审计的数据体系。没有权威的第三方安全认证，金融、医疗、政务等高合规行业的大门对Meta来说就是锁死的。第三道竞合陷阱前面已经点了：一边签着352亿美元的采购合同，一边跳到人家院子里抢生意，只要监管启动调查，Meta几乎没有辩解的余地。

回到那张图，中心的Meta脚底下踩着的其实是一道算术题。AI算力租赁和模型托管这行，行业平均毛利率在35%到45%之间，而Meta广告业务的净利率超过40%。也就是说，即便一切顺利，这也是一项增收难增利的生意。真正的账本不是单算盈亏，而是把模型生态、成本摊薄、估值修复这些隐性收益一起打包。从战略层面看，出租上一代算力回收现金流，给Llama开辟商业化变现通道，抬升数据中心利用率，补上估值折价的缺口，这几件事叠加在一起，值得投入。但把C端的基因硬掰进To B的轨道，组织跟不上，短板就会比优势先暴露。Meta能不能走出一个合适的节奏，比它到底能不能做成，更值得盯着看。