当Meta开始卖算力

7月1日，彭博社扔出一条消息：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。

具体怎么卖？两条路并行：

一条是托管模型访问——把Llama和Muse Spark等模型开放给企业客户，按Token用量收费，直接对标AWS Bedrock；另一条是纯算力销售——把GPU集群按小时租出去，对标CoreWea ve。

消息一出，市场立刻用脚投票：Meta当日股价大涨约9%，投资者显然将其视为扎克伯格对"千亿AI投入能否收回"质疑的正面回应。

反观另一头，CoreWea ve和Nebius双双下跌约15%——这两家靠"卖GPU时间"吃饭的Neocloud，突然多了一个体量是自己几十倍的庞然大物。

这不是一时兴起。扎克伯格在5月的股东电话会议上已经铺垫得很清楚：

"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。"

现在，这句话正在变成实实在在的行动。

1450亿美元的赌注

想弄明白Meta为什么要卖算力，首先得搞清楚它到底建了多少。

2026年4月，Meta将全年资本支出指引上调至1250亿–1450亿美元，较2025年实际资本支出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。他的逻辑很直白：

"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？几个关键数字：

这当然不是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资本支出逼近7000亿美元。

这些钱买的不是软件，是钢筋、电力、英伟达GPU，以及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

算力这东西，有一个先天性的问题：它不是均匀消耗的——它更像潮汐，有高峰和低潮。

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，不产生任何回报。

扎克伯格的策略可以概括为"先囤积，后决策"。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。

这套策略有一个前提：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，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租用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数据中心全部可用算力（20万+英伟达GPU）

第二笔：Google租用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——它已经承诺投入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：向上游大批量采购或租赁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。

CoreWea ve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，CoreWea ve的商业模式出现了两道清晰可见的裂缝：

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CoreWea ve？
裂缝二：最大客户变对手。CoreWea ve和Meta本身就有深度合作。2026年4月，CoreWea ve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CoreWea ve/Nebius向Meta供应算力——Meta是买方。

如果Meta决定自建算力并对外销售，它很可能会减少向CoreWea ve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，CoreWea ve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。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——债务再融资就会变得困难重重。

这不是理论推演。消息爆出当天，CoreWea ve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资本支出逼近7000亿美元。这些钱绝大部分流向同一个方向：AI基础设施。

那么问题来了：这些东西建完之后，利用率能到多少？

看空者的逻辑很清晰：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。更宏观地看，LLM推理成本三年内下降了约1000倍。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。

看多者则持有另一种观点：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：