As Meta prepares to sell its computing power, is the "horror story" of the AI bull market about to begin?
- Core Thesis: Meta's plan to sell its surplus AI computing power has sparked concerns about peak capital expenditure growth among tech giants and a shift from AI infrastructure scarcity to oversupply. However, this actually reflects an imbalance in computing power utilization and a market shift in value from "hoarding computing power" to "efficiently using computing power."
- Key Points:
- Meta, unable to immediately utilize its pre-built computing capacity for its own models and products, is now selling it externally or offering cloud services to recover costs. The market reacted positively to this (stock price rose 8%), but it put pressure on third-party cloud service providers like CoreWeave and hardware stocks.
- A crack has appeared in the "computing power shortage" logic that underpins the bull market. Meta's surplus capacity is not a signal of industry-wide oversupply, but rather exposes a "mismatch between long-cycle supply and short-cycle demand." Meta has the compute but lacks the ability to efficiently convert it into models and products.
- Over the next 3-5 years, global demand for AI computing power will remain immense (Google, Amazon, Microsoft are each planning tens of GW). Meta's 5GW of capacity is just a drop in the bucket. The core issue isn't a shortage of GPUs, but a shortage of top-tier models and products that can effectively utilize them.
- The market's real worry is the "horror story": AI investment returns remain uncertain, while the certainty of tech giants' capital expenditure is starting to waver. The capital market is beginning to reward companies that control depreciation costs and is shifting its focus to who can use computing power more efficiently to achieve a closed revenue loop.
- This event marks the AI industry's transition from a phase of indiscriminately piling up hardware to a phase where resources concentrate among a few leading players who can close the "computing power → model → product → revenue" loop. The winner-takes-all elimination race has truly begun.
AI 牛市最怕的是什么？
不是某一家公司的模型暂时掉队，也不是某一代芯片的性能不及预期，而是市场开始怀疑，过去两年被视为最确定变量的科技巨头资本开支，是否还能永远增长下去。
7 月 1 日，据彭博社报道，Meta 正在筹备一项新的云计算业务，计划向外部客户出售潜在的剩余 AI 算力，同时考虑提供类似 AWS Bedrock 的托管模型服务。
消息传出后，Meta 股价盘中一度上涨超过 10%，最终收涨 8%，CoreWeave 和 Nebius 则收跌 13% 和 17%；另一边，亚盘时段抛售向 AI 硬件扩散，韩国 KOSPI 盘中一度下跌约 7%，三星电子和 SK 海力士双双跌超 8%。
一夜之间，Meta 从算力市场最激进的超级买家之一，变成了潜在的卖家。
这场突如其来的行业震荡，也让过去两年支撑整轮 AI 牛市的一条底层信仰，第一次出现了明显裂缝：这是否意味着，AI 基础设施已经从短缺走向过剩，巨头们持续两年的算力军备竞赛，即将迎来拐点？
还是说，Meta 暴露了另一个更残酷的现实：市场真正短缺的，到底是 GPU，还是能够把 GPU 转化为模型、产品和收入的能力？
一、大家算力不够用，就你 Meta 用不完？
过去两年，这波 AI 行情最底层的逻辑，本质上就是两个字：「短缺」
更准确地说，它是一轮由需求爆发、供给短缺，再叠加巨头疯狂扩张资本开支，共同推动起来的结构性牛市。
譬如最早短缺的是高端 GPU 和先进封装产能，随后瓶颈一路向外扩散，HBM、高速光模块与网络设备开始供不应求，接着蔓延到数据中心场地、电力容量、燃气轮机、电气设备和高密度散热，再到今天，供需紧张已经传导至普通 DRAM、NAND、企业级 SSD，甚至一度被市场视为「旧时代资产」的机械硬盘。
可以说，这两年整条 AI 产业链的炒作，就像是一张不断变长的缺货清单，呈现出清晰的「木桶效应」与板块轮动。那也意味着，只要模型训练和推理需求继续增长，而新的算力产能、电力和数据中心无法及时释放，卡在中间的每一个稀缺环节，都有机会获得更强的议价权，而上游厂商亦可以涨价、锁长单，有动力继续扩产。
也正因如此，如果继续向上追溯，会发现这轮行情真正的牛市发动机，并不只是英伟达、海力士或电力设备公司本身，而恰恰是微软、Meta、Amazon、Google 等科技巨头不断增长的 AI 需求预期与资本开支：
站在上游的巨头愿意花多少钱，决定了它们会买多少 GPU、存储和网络设备，建设多少数据中心，又会锁定多少第三方云算力和长期电力资源，进而直接影响整个 AI 供应链的景气度上限。
按照 Bridgewater 测算，Alphabet、Amazon、Microsoft 和 Meta 四家公司 2026 年用于扩大 AI 基础设施的投资预计约为 6500 亿美元，较 2025 年的约 4100 亿美元增长近六成，而路透社 5 月援引 Goldman Sachs 和 Morgan Stanley 的估算更显示 2026 年涵盖数据中心、电力、设备和软件的全球 AI 相关资本开支，可能达到约 8000 亿美元。
某种意义上，这是一场 AI 世界的「外卖大战」Plus 版本。
其中，Meta 非但没有收缩，反而是踩下了油门。
它此前已将 2026 年资本开支指引由 1150 亿至 1350 亿美元，上调至 1250 亿至 1450 亿美元。截至今年一季度末，Meta 还拥有约 2377 亿美元不可取消的合同承诺（不过是未来多年需要履行的合同义务），其中相当一部分与服务器、数据中心、网络基础设施及第三方云算力有关。
所以严格来说，Meta 现在考虑外售部分算力，并不意味着它突然判断整个行业已经不再缺算力，更不等于它准备退出 AI 军备竞赛。恰恰相反，正因为数据中心的建设周期往往长达数年，Meta 必须提前按照更激进的需求情景准备容量，但基础设施提前建好之后，内部模型、产品和流量需求未必能够在同一时间完美跟上，由此便可能出现阶段性的供需错配。
说得直白一点，Meta 是在为未来几年大规模建设算力，但在自研模型暂时技不如人、内部产品尚未完全跑通的当下，部分已经到位的容量未必能够立刻被充分消化。与其让这些昂贵的 GPU 闲置在机房里持续折旧，不如先把它们推向外部市场，尽可能提高利用率并回收一部分成本。
理论上，Meta 也不是第一个把自建算力卖出去的 AI 公司。今年 5 月，xAI 就已经与 Anthropic 达成合作，以每月 12.5 亿美元的价格，向其开放拥有超过 22 万块英伟达 GPU 的 Colossus 1 超级计算集群。
这背后的经济逻辑并不复杂，资源最终会流向最能发挥其价值的企业，当自己暂时无法充分利用手中的算力，只要另一家企业愿意支付足够高的价格，那最理性的选择并不是让 GPU 在机房里吃灰，而是把它出租变现。
只不过 Meta 的代表意义，要远远超过 xAI。
因为 Meta 并不缺少用户入口。Facebook、Instagram、WhatsApp、Messenger 和 Threads，共同组成了全球最大的消费互联网产品矩阵之一，理论上，它应该是最容易把 AI 模型嵌入现有产品、形成用户飞轮并消化算力的企业之一。
可至少从现阶段来看，Meta 还没有像 Google 那样，把模型、产品、云服务和用户入口顺畅地串联起来，这就出现了一种颇为吊诡的矛盾镜像——Meta 一边大规模建设自己的 AI 基础设施，另一边却仍然需要采购 Gemini 等外部模型和算力服务，就在几天前还有报道称，Meta 对 Gemini 模型和计算资源的需求太大，以至于 Google 无法完全满足，部分内部 AI 项目甚至因此受到影响。
乍看之下，这似乎有些矛盾，但说到底，这是一种长周期供给与短周期需求之间的错配，主要是其当前的大模型应用和即时推理需求，因为自研模型暂时无法完全替代外部方案，仍然需要依赖 Google 等供应商。
因此，Meta 同时出现「采购外部算力」和「出售部分自有算力」并不矛盾，真正的问题是它拥有的算力，能否在正确的时间、以正确的形式，匹配到真正有竞争力的模型和产品，也即之前 Meta 对自己的实力预计过于乐观，建了太多算力，导致现在自家模型/产品用不完，只能出售。
二、到底缺算力，还是缺能把算力用好的模型产品？
Meta 准备卖算力之后，市场给出的反应非常有意思。
Meta 股价盘中一度上涨超过 10%，最终收涨 8%；另一边，CoreWeave 和 Nebius 分别大跌 13% 和 17%；到了第二天亚洲交易时段，抛售继续向 AI 硬件扩散，韩国 KOSPI 盘中一度下跌约 7%，三星电子和 SK 海力士双双跌超 8%。
「云跌、硬件跌、软件涨」，成了这一刻最直观的市场表情。
而这种反应，乍看上去逻辑十分通顺：
- 对 Meta 来说绝对算短期利好：自研模型和内部产品暂时消化不了全部算力，那将部分资源外租，或提供类似 AWS Bedrock 的模型托管服务，就使得原本纯粹产生折旧的基础设施，能通过云服务收回一部分成本，相当于给上千亿美元的资本开支加了一层安全垫，大不了最后学苹果，手握流量，直接和外部最顶尖的模型产品达成合作，反正小扎也不是第一次上演「断尾求生」的戏码；
- 但对 CoreWeave、Nebius 而言，无异于晴天霹雳：Meta 原本是大客户，就在 4 月 CoreWeave 刚将与 Meta 的长期算力协议追加约 210 亿美元，合同期限延伸至 2032 年；Nebius 与 Meta 的相关协议总规模最高也达 270 亿美元，结果一转眼，原本坐在桌对面签合同的超级大金主，竟然把椅子搬到同一边，开始下场和它们抢二房东的生意了，自然不妙；
而硬件产业链的风声鹤唳，则来自于市场更深层的合理脑补：连 Meta 这样的巨头都开始往外卖算力了，那岂不意味着算力快供过于求了？巨头是不是马上就要下调资本开支了？
然而，我们必须厘清一个核心事实：Meta 的内部算力余量，远远不等于整个科技行业的算力见顶，甚至完全是个巨大的误解。
如果把视线放宽到未来 3 到 5 年的超长周期，会发现各大超大规模云厂商的扩产规划，依然在以一种近乎疯狂的复利曲线向前推进，为了更直观地看清这场军备竞赛的终局，MSX 麦通也对未来几年全球核心玩家的算力容量做一个定量对比。
先看 Meta 自己。截至 2025 年底，外部机构估算 Meta 拥有的 AI 算力大致相当于 200 万—250 万张 H100（对应约 2GW），按照 2026 年的资本开支指引，全年将新增 2-3 GW 算力，也就是到 2026 年底，Meta 的算力家底大概能摸到 5GW 左右。
5GW 听起来不小，但把它放到整个行业的胃口面前，就立刻显得微不足道了，市场真正的需求锚点几乎是以完全不同的量级在规划：
- 谷歌：5 月 The Information 爆出惊天猛料，Anthropic 承诺未来 5 年向谷歌云豪掷 2000 亿美元采购 TPU 算力，仅这部分对应的算力就在 5GW 级别，如果保守推测 Anthropic 占谷歌云需求的 25%，那仅谷歌云一家在 2028 年的算力总量就要奔着 20GW 去，谷歌整体则可看到 25GW；
- 亚马逊：同样由 Anthropic 的 5GW 和 OpenAI 的 2GW 大单打底，叠加其 2027 年算力容量较 2025 年（6.5GW）翻倍的内部规划，推算整体需求也在 20GW 量级；
- 微软：与 OpenAI 绑定的 2500 亿美元 Azure 合同，按相同口径估算，同样对应约 20GW 的需求敞口，更别提 OpenAI 自身还有 Stargate、与英伟达的 10GW 以及与博通的 10GW 等独立部署计划（虽然还远未兑现），这些都还没有完全计入云厂商的算力池中；
把这几组数据放在一起，结论清晰得甚至有些残酷——即便 Meta 把 2026 年底全部在手的 5GW 算力统统对外开放，和未来三年动辄 10GW、20GW 以上的新增算力规划相比，也不过是九牛一毛。
这个结论小札自己肯定也清楚，整个行业的算力建设火车头，早已是谷歌、Anthropic 和 OpenAI 这些超大型模型需求方，Meta 的模型是否留在牌桌上，根本不影响这列火车前进的方向。
既然行业不缺需求，那 Meta 为什么还会剩出算力？这揭露出了一个极其扎心的问题：怎么坐拥全球数十亿顶级流量用户，自己的 5GW 算力都用不掉？市场真正短缺的，究竟是算力，还是能够把算力用好的模型和产品？
从这个角度，我们甚至可以认为，Meta 出租算力这件事，不仅未必是算力过剩的领先指标，反而可能把当前算力市场那种极度饥渴的供需状态，暴露得淋漓尽致：
看看 xAI 向 Anthropic 出租算力的价码就知道，12.5 亿美元/月，对应 500MW 容量。换算下来，就是 300 亿美元/GW/年，说明即便有玩家因为种种原因暂时「下牌桌」，他空出来的那点闲置算力，会瞬间被那些模型能力更强、变现路径更短的头部玩家一口吞掉。
所以 MSX 麦通认为，Meta 这次的动作，究竟是不是算力供给开始松动的第一声警报，现在还不能过早下结论，真正需要观察的反而是这些算力放出来之后，会不会立刻被抢走，以及成交价格是否仍然足够高，如果一切如预料，那反而证明 AI 算力仍然极度紧缺。
到这里，「云跌、硬件跌、软件涨」背后的深层逻辑才开始真正浮现，也即市场并不是在交易「算力过剩」，反而是在交易算力价值在产业链内部的重构和迁移。
三、市场真正该怕的「鬼故事」，是什么？
这里有一个容易被误读的事情，那就是 Meta 卖算力，绝不代表小札要彻底放弃 AI 军备竞赛。
相反，Meta 越依赖 Google、Anthropic 等外部模型，自己的产品生态和广告高额利润空间就越容易受制于人，AWS 与 Anthropic 的博弈已经说明了问题——一旦模型公司真正掌握了用户和核心需求，即使是拥有庞大基础设施的云厂商，也可能被迫在利润分配上割肉留人。
小札不可能看不清这一点，否则他今年也不会一边梳理新管理团队，一边强硬推出闭源的 MuseSpark 模型来构筑壁垒，同时还再度上修资本开支，继续大手笔采购布局。
那既然 Meta 没有认输，为什么市场会产生如此剧烈的板块异动？因为这掀开了产业底层定价逻辑迁移的序幕，也是市场真正该感到害怕的「鬼故事」。
正如前文所述，过去两年，整个 AI 牛市的估算逻辑是：AI 的投资回报（ROI）是不确定的，但是 AI 的资本开支（CapEx）是绝对确定的，那只要巨头们还在疯狂买芯片、盖机房，上游的英伟达、光模块和半导体产业链就能躺着享受确定性溢价。
「只要 AI 巨头们扩大 CapEx，一切都会好起来的。」
而现在，这个鬼故事正在发生两层可怕的质变。
第一重质变，是 AI 的投资回报依然不确定，但巨头的 CapEx 也开始有点不确定了。从 Meta 本次暴涨开始，资本市场开始公开奖励这些出售富余算力、懂得控制折旧成本的巨头，其背后的潜台词不言而喻，大家开始开始清算「谁在无效烧钱」。
一旦这种「算回报」的审美成为主流，巨头们主动认输或阶段性放缓军备竞赛的名单就会变长，上游硬件高增速的确定性泡沫将直接破裂。
第二重质变，是这种风险还没有完全反映到半导体硬件厂商的估值溢价里。回报率的焦虑已经成功压制了 Mag7 等云厂商的估值，但负责制造铲子的芯片和硬件板块，此前依然维持着极为乐观的永续增长预期。
那只要市场开始转向确信「不需要无限制搞算力全员恶性竞赛」，算力资源的供需天平就会在局部发生剧烈的结构性松动。
一言以蔽之，Meta 的问题不是算力没有价值，而是自己的模型和产品，暂时还没有把这些价值全部吃下来，那当算力的稀缺性溢价开始被重新审视，市场自然会减少对「拥有多少 GPU」的盲目追逐，转而寻找那些能够真正把算力变成产品和收入的公司。
毕竟对软件和应用企业而言，算力供应增加、推理成本下降，反而可能降低开发和部署 AI 的门槛，因此资金并不一定会离开 AI，它只是在从「谁囤了最多算力」，逐渐转向「谁最会使用算力」。
从这个角度看，Meta 事件暂时不是 AI 牛市结束的证据，但它确实给市场提了一个醒，此前资本市场只关心算力够不够，接下来还要关心算力最终流向哪里，以及谁能从中赚到最多的钱。
这也意味着，当资源开始向少数前沿模型公司集中，AI 产业的赢家通吃，可能才刚刚开始。
写在最后
从 Claude 的杀出重围，到国内 GLM 等原生大模型的惊艳追赶，资本市场从来不吝啬对顶尖大模型产品提供极高的溢价。
因此，巨头们将闲置算力推向外部市场，变相拉低了整个行业的推理与开发门槛，对软件和应用企业而言，反而可能是一场久旱逢甘霖的红利。
所以，Meta 事件绝不是 AI 牛市结束的丧钟，但它确实给所有人提了一个醒：AI 产业野蛮堆砌硬件的阶段已经见顶，资源正以无可逆转的势头，向极少数能够实现「算力-模型-产品-收入」高效闭环的头部玩家加速集中。
这场大模型时代的赢家通吃淘汰赛，才刚刚真正开始。
