Meta“投降”？一場被嚴重誤讀的算力恐慌

過去一週，全球人工智慧圈最震撼的消息，莫過於Meta被揭露計畫對外出售AI算力與模型存取權限。這家社群媒體巨頭打算推出雲端基礎設施業務，向外部客戶大規模提供AI算力與模型使用權。換句話說，那個過去兩年拿著支票本幾乎買光全球高階GPU市場的頭號賭徒，如今要轉行當賣水人。消息一出，關於算力過剩的焦慮迅速蔓延，北美分析師與金融機構輪番表態，輝達（NVIDIA）股價應聲重挫，費城半導體指數單日暴跌超過6%，連帶亞洲的三星電子、SK海力士等晶片巨頭集體跳水。市場不禁問：連全球最大的GPU採購方之一都開始甩賣算力，AI算力是不是真的過剩了？這波耗資上兆的AI泡沫是否即將破裂？

但如果撥開情緒的迷霧，冷靜審視Meta的實際處境、算力的供需結構以及AI商業化的真實進程，會發現市場很可能嚴重誤讀了這項計畫。Meta引發的算力恐慌乃至對AI失敗的論述，恐怕被過度高估了。要理解這個故事，得從Meta這些年來的AI戰略說起。它之所以引起如此大的震盪，正是因為它曾是這場競賽中最瘋狂的賭徒。過去一年半，Meta在AI領域的姿態可以用四個字概括：不計代價。僅2026年，Meta就把資本支出預期推高到1450億美元，與超微（AMD）簽下五年600億美元的晶片長約，向雲端算力公司CoreWeave拋出一份超過210億美元的六年大單。

截至第一季末，Meta已承諾的未來AI基礎設施投入高達1829億美元。不僅如此，Meta還是AI時代最能買的公司，從數據標註公司Scale AI、語音互動平台Play.AI，到可穿戴硬體公司Limitless，再到AI代理公司Manus，收購清單幾乎覆蓋AI產業鏈每一個環節。同樣布局AI，輝達埋頭買晶片公司鞏固硬體壁壘，微軟綁定OpenAI搶占模型制高點，谷歌靠自研從晶片到應用全面鋪開，唯獨Meta全面進攻，把「買買買」當成追趕AI浪潮的主要方式。然而，這種不計代價的打法也埋下了風險。一方面，採購規模遠超過自身消化能力。

與谷歌、微軟、亞馬遜不同，Meta缺乏一個強大的雲端業務來吸收這些AI算力，它的收入命脈依然是廣告。雲端廠商每採購一塊GPU可以同時服務三條變現路徑：對內支撐自研模型、對外透過雲端服務出租算力、再往上疊加AI應用訂閱費，每一塊GPU都在同時產生收入。Meta的變現路徑只有「讓廣告推薦更精準」，但廣告業務的算力需求有上限，當推薦演算法最佳化進入邊際效益遞減區間，再多GPU也堆不出更高點擊率，多出來的算力就變成純成本。Meta承諾的1829億美元基礎設施投入已接近它過去十年淨利潤的總和，一旦AI商業化進度不如預期，這些投入將直接侵蝕自由現金流。另一方面，收購整合難度極大，核心產品研發被擱置。

Llama系列被質疑「特調作弊」，下一代模型遲遲難產。收購和自研的根本區別在於，自研是內生力量，團隊有默契、技術路線有連續性、戰略方向有共識；買回來的東西有自己的文化、技術棧與路線圖，要將它們捏合成有機整體，難度遠超簽約那一刻。Meta在這一點上的記錄並不漂亮，Instagram與WhatsApp之所以成功，是因為保持獨立營運、沒有強行整合。但AI需要晶片層、模型層、應用層的深度協同，Meta試圖透過收購拼出完整AI版圖，但每一塊都來自不同賣家、畫著不同比例尺，彼此之間如何協同？誰來定義協同架構？這些問題至今沒有答案。收購路線的鋪張也導致自研資源傾斜。

新一代模型發佈節點一推再推，開源轉閉源傳聞滿天飛。別人埋頭迭代模型時，Meta忙著簽收購協議；別人打磨產品時，Meta忙著對齊新團隊KPI。微軟把Copilot塞進Office，谷歌把Gemini嵌入搜尋，Meta至今在AI代理產業中找不到屬於自己的生態位。一個沒有雲端業務消化算力的AI公司，一個模型研發落後對手的AI公司，一個收購半個產業鏈卻無法整合出核心產品的AI公司，這三重困境疊加，讓Meta不得不尋找新出路——出售閒置算力就是它在現實面前做出的選擇。Meta把閒置算力掛出去出租的消息傳開後，整個資本市場震動。

輝達股價重挫，費城半導體指數暴跌，亞洲晶片股跟隨跳水，恐慌像骨牌效應般推倒整個半導體板塊。連Meta都撐不住了，AI是不是要崩了？仔細想想，這個推導過程相當粗糙。一家公司在特定時間點的庫存調節行為，不能成為全行業供需關係的風向標。把Meta的困境放大為整個行業的警報，犯了以偏概全的邏輯謬誤。Meta的算力過剩首先是結構性過剩，是它自身商業化能力不足、AI應用消化不良導致的過剩，而非全行業算力需求見頂。Meta創辦人祖克柏關於代理進展不如預期的表態，主語是Meta而非整個行業。

OpenAI的o1系列在推理能力上持續突破，Anthropic的Claude在企業端滲透率快速爬升，中國的DeepSeek以十分之一成本逼近頂尖模型水準，業界技術演進並未出現方向性逆轉，真正掉隊的是Meta自己。將一家企業產品與研發脫節所導致的算力閒置解讀為全行業需求萎縮，在邏輯上缺乏支撐。從行業角度看，真正的需求指標——Token消耗量——非但沒有萎縮，反而以驚人速度攀升。中國發展高層論壇2026年年會透露，今年3月中國日均Token調用量突破140萬億，相比2024年初的1000億，兩年增長超過千倍。Token作為AI時代基礎計量單位，其消耗量直接反映底層應用的實際活躍程度。

算力相當於發電裝機容量，Token則是實際被消耗的電力，發電端出現局部富餘不代表全社會用電量下降。當前AI應用開發商、垂直行業解決方案公司與中小模型團隊的算力需求仍供不應求，Meta的算力資源一經掛出就被市場迅速消化，這一事實本身就說明需求端並未萎縮。實際上，當前的算力市場呈現顯著分層特徵，遠非全面過剩所能概括。CoreWeave、Lambda Labs等平台的數據顯示，H100租賃價格自2025年下半年至今上漲約40%，主流GPU按需容量長期售罄。與此同時，上一代A100及更早架構的算力確實出現一定程度閒置與價格鬆動。

這一格局與房地產市場高度相似：核心地段的高級住宅持續升值，遠郊存量房則面臨去化壓力。Meta計畫出租的恰恰是上一代H100算力，這一層級確實面臨供需關係再平衡，但頂級訓練算力依然緊缺，將上一代GPU需求放緩等同於AI算力全面過剩，本質上是以局部現象覆蓋全局。Meta的算力過剩歸根結底是一個資源配置節奏失當的故事：它在自身模型研發進度遠落後於採購計畫的情況下，以對產品上線時間表的過度樂觀預期為基礎大幅擴充算力儲備；當模型跳票、產品延遲成為常態，這些提前到位的算力便從戰略資產變成財務負擔。對於一家沒有雲端業務來攤薄基礎設施成本的公司而言，將閒置資源對外租賃幾乎是唯一可行的止損路徑。

如果Meta的困境不代表行業衰退，那它的戰略調整該如何定性？回頭看Meta這封信，更像是一場遲來的成人禮。什麼是成人禮？是一個人被迫放棄「我什麼都能做到」的幻想，接受「我有所不能」的現實，然後在更狹窄、更真實的邊界內重新找到自己位置的時刻。祖克柏的這場算力出售恰恰就是這樣一個時刻——它從AI軍備競賽的全面參與者退守為AI基礎設施的局部提供者。對Meta自身而言，出售算力是一次遲來的戰略糾偏，也是走向成熟的表現。

過去兩年，Meta在「用資本開支換時間」的假設下積累了遠超過自身消化能力的算力儲備，1250億至1450億美元的GPU堆在機房，模型研發跟不上、產品端缺乏消耗場景、雲基礎設施業務缺失，算力資產持續折舊卻無法產生匹配回報。如今將閒置資源對外租賃，標誌著Meta終於從軍備競賽的慣性中退出，開始以正常商業邏輯評估投入產出。祖克柏過去兩年一直相信只要買得夠多就能把時間買回來，這個假設破產固然意味著Meta輸掉了追趕窗口，但一家企業從錯誤假設中醒來、從燒錢模式切回算賬模式，本身就是走向成熟的表現。對算力市場而言，Meta引發的算力過剩恐慌則是一次典型的誤殺。

Meta的算力過剩是結構性的、屬於它自己的問題，與全行業不需要算力是兩碼事。一個關鍵實證是：Meta掛出的H100算力在二級市場被迅速消化，如果需求真的萎縮，這些供給應該無人問津才對。事實是接盤方馬上就來了，算力只是從一家用不上的公司轉移到另一家能用的公司手上，從低效使用者向高效使用者的轉移，本身就是市場機制最佳化資源配置的正常過程。市場把一家公司資源配置失誤的個體問題放大為全行業需求萎縮的系統性信號，在方法論上犯了以偏概全的錯誤。那麼Meta到底輸了沒有？它輸掉了一線AI玩家的入場券，輸掉了開源社群的信任，也輸掉了靠模型翻盤的可能性。

但理性來看，它也停止了用軍備競賽邏輯配置資本，不再為追趕頭部模型無止境燒錢，轉而把資源集中在真正能產生現金流的業務上。一個不再假裝什麼都能贏的Meta，比一個永遠在賭下一個風口的Meta，更有可能活得久。回歸整個行業，這次震盪至少澄清了一個基本事實：算力市場正在從無限稀缺的幻想回歸到分層定價的現實，Meta一家公司的戰略收縮不會改變AI算力的長期需求曲線。泡沫修正的過程難免伴隨陣痛，但修正本身就是行業走向成熟的必經階段。