7月1日，据外媒报道，社交媒体巨头Meta正在制定代号为"Meta Compute"的云基础设施业务计划，拟向外部客户出售过剩AI算力，并考虑让开发者访问托管在Meta基础设施上的AI模型。消息一出，全球AI硬件产业链应声重挫——费城半导体指数暴跌超6%，科天半导体、泰瑞达跌超11%，应用材料、拉姆研究、英特尔跌超9%，台积电、AMD跌超6%，存储巨头闪迪、美光科技跌超10%。算力租赁新贵CoreWeave跌13.92%，Nebius跌17.01%。
就在消息曝光后的次日（7月2日），Meta CEO马克·扎克伯格在公司内部员工大会上的讲话，似乎为"卖算力"提供了更直接的注脚。
据媒体听到的一段录音显示，扎克伯格表示，尽管Meta正投入海量资源发展AI，但在过去四个月里，AI智能体（AI Agent）的开发并没有"像我们预期的那样加速"。他坦言，公司近期的重组（包括大规模裁员）执行得不够"干净利落"，高管们在调整的时间节点上出现了误判。
"我认为，至少在过去四个月里，智能体技术的发展轨迹并没有按照我们的预期加速，"扎克伯格说。但他仍告诉员工，Meta依然走在"通往超级智能的道路上"，预计未来三到六个月内，公司将从AI投资中获得更显著的回报。
这一表态被市场解读为对"Meta为何卖算力"的悲观佐证——不是算力不够，而是AI产品落地速度跟不上算力建设速度。周四，Meta股价回吐前一日大部分涨幅，截至收盘，下跌4.9%。
要理解Meta卖算力的逻辑，先看它建了多少。2026年4月，Meta将全年资本支出指引上调至1250亿至1450亿美元，较2025年实际支出722亿美元几乎翻倍。截至目前，Meta已承诺投入1829亿美元建设AI基础设施，长期愿景是数百吉瓦（相当于几十座核电站）的算力规模。
扎克伯格此前的策略是"先囤积，后决策"（Hoard now, decide later）——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。他在5月股东大会上明确表示："几乎每周都有外部公司来找我们，希望购买我们的算力，甚至愿意支付高于我们采购成本的溢价。"
但算力有个物理学问题：大模型训练任务可能在几个月内100%吃满几万张GPU，但训练完成后，集群利用率会骤降到30%至50%，只剩下推理请求在跑。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，不产生回报。
据彭博社披露，Meta的"Meta Compute"项目包含两条并行路径：
一是托管模型访问，把Llama和Muse Spark等模型开放给企业客户，按Token用量收费，对标AWS Bedrock；二是裸算力直接销售，把GPU集群按小时租出去，对标CoreWeave等Neocloud。
对Meta而言，外租算力最直接的好处是把远期AI投入变成近期收入。瑞银判断，出售云算力或模型访问权，理论上会带来比等待Meta Business Agents和Meta AI聊天机器人规模化更快的近期收入，并缓解2027年EPS持平或收缩的担忧。
摩根士丹利的敏感性测算显示，每出租250MW算力、租期一年、价格为40美元/Watt，可能给Meta 2028年EPS带来约2.97美元增量，约等于8%的上行空间。
Meta卖算力的消息，点燃了市场对"AI资本开支是否供过于求"的担忧。
高盛1-Delta交易台负责人Rich Privorotsky警告称，市场的核心前提一直是算力稀缺，一旦供应增加且租赁价格走低，短缺叙事将被直接颠覆，而最先感受到压力的将是硬件领域。
看空者的逻辑还包括：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），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。
但看多者认为，这并非全行业的算力过剩，而是Meta特有的经营策略。Jevons悖论指出，算力越便宜，用的人越多。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——回头看，建得还不够。
瑞银、摩根士丹利、伯恩斯坦等华尔街投行火速对这一事件进行了拆解，核心结论是：这不等于算力过剩，也不是行业拐点。
摩根士丹利模型显示，Meta预计在2026年、2027年分别新增约2GW、3.5GW自有运营IT容量。作为对比，Amazon和Google在2027年的新增IT容量量级分别可到5GW、9GW。即使Meta拿出一部分自有容量对外出租，也很难单独改变未来三年云厂建设的大盘子。
伯恩斯坦使用更宽的总数据中心足迹口径：Meta目前全球容量估计约20GW，未来几年还会再上线约14GW。但它不是"全部可出租AI算力"，也不等于同一代GPU、同一类负载、同一价格曲线。
更反直觉的是，周末有消息称Google因自身容量限制而限制Meta的计算使用。若这一说法成立，Meta一边还在争取外部算力，一边又准备未来对外卖一部分算力，这更像是"不同代际、不同用途、不同时间窗口"的再分配，而不是简单的"用不完"。
在Meta卖算力引发恐慌的同时，算力"卖铲人"英伟达也推出了新型AI基础设施合作模式。
7月1日，英伟达宣布将通过收入分成和信用支持机制，与AI云服务商共同建设大规模、多租户AI工厂。首批合作伙伴并非传统云厂商，而是澳大利亚新兴云厂商Sharon AI（计划部署最多4万块GB300 GPU）和Firmus（将在印度尼西亚巴淡岛建设DSxAI工厂园区，部署最多17万块英伟达GPU）。
CIC灼识董事总经理柴代旋分析，英伟达并非以传统云厂商身份直接竞争，而是通过创新合作模式深度参与算力服务市场。如果初创云厂商的GPU租不出去，英伟达负责兜底；租出去的情况下，英伟达参与收入分成。这是与合作伙伴共享收益、共担风险，更深入地绑定在算力服务的价值链中。
此次冲击最直接落在CoreWeave、Nebius等Neocloud（新兴AI云）身上。
伯恩斯坦指出，Meta当前有352亿美元CoreWeave合同，占CoreWeave订单储备超过三分之一；Nebius也跟Meta签了270亿美元类似协议。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。
更深层的问题是融资抵押物估值。CoreWeave的扩张高度依赖债务融资，抵押物就是手里的GPU集群。如果Meta这样的超大规模玩家大规模进入算力租赁市场，GPU小时租金就会下跌，抵押物估值缩水，债务再融资就会变难。
尽管市场恐慌，但算力租赁市场的实际供需并未出现逆转。
天风证券提出，Meta做AI云并不代表GPU全面过剩，而更可能是在把不同代际的AI算力放到不同经济用途上——最新的GB200/GB300/Rubin等资源优先服务下一代模型训练；上一代H100/H200则更多转向推理和外部算力销售。
算力产业业内人士近期反映，随着AI推理应用爆发，算力租赁市场火热，从去年下半年以来基本处于"卖方市场"，在手订单充沛。据Semi Analysis 4月报告，H100 GPU一年期租约合同价格已从2025年10月的低点每小时每GPU 1.7美元上涨至2026年3月的2.35美元，涨幅接近40%，且所有种类GPU按需租赁容量已全部售罄。
市场当前的交易逻辑是：出租算力＝算力过剩＝资本开支下修。但这条逻辑链是否成立，仍需待7月至8月的财报季验证。
摩根大通交易台认为，短线跌幅中，持仓拥挤、去杠杆和获利了结放大了跌幅，真正判断是否基本面转向，要看即将到来的财报季表述。后续扭转信号主要看：Meta是否澄清；海外AI应用ARR是否加速；云厂资本开支是否继续上修；二季度业绩是否超预期。
伯恩斯坦将Meta评级维持Outperform（目标价850美元），同时对CoreWeave维持Underperform（目标价67美元）。这个组合很能说明市场分歧：Meta的可选项变多，CoreWeave的竞争压力变大。
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。但把"有余量可出租"等同于"行业算力过剩"，或许还为时过早。正如华尔街见闻所言：这不是AI基本面的崩塌，而是巨头在算力约束与财务回报之间寻找平衡的务实之举。
来源：电子工程专辑
