硅谷近日因meta的一项重大商业决策掀起波澜。据彭博社披露，这家科技巨头正悄然推进名为“meta Compute”的项目，计划将AI算力资源与模型服务推向市场。消息一经公布，资本市场瞬间分化：meta股价单日飙升10%，市值暴增1269亿美元，而英伟达、AMD等芯片企业及光模块、存储概念股却集体下挫，市场情绪呈现冰火两重天。
meta的商业布局并非简单售卖硬件，而是采取“双轨策略”：一方面以小时为单位出租H100、H200等上一代GPU集群，提供裸算力租赁服务；另一方面将Llama系列大模型及最新Muse Spark模型封装为API接口，按调用token数量收费。这种模式直接冲击两大市场——算力租赁领域对标CoreWeave等专业服务商，模型服务领域则与OpenAI、亚马逊Bedrock形成竞争。更令对手不安的是，meta的算力资源源于自用冗余，成本早已分摊至现有业务，报价空间远低于行业平均水平，犹如“用自家空调顺带给邻居供暖”的商业逻辑，让传统供应商陷入被动。
驱动扎克伯格做出这一决策的深层原因逐渐浮出水面。内部会议上，他坦承AI智能体研发进度滞后，导致原本储备的算力出现闲置。但财务压力才是更关键的推手：2026年meta的AI资本支出预计达1250亿至1450亿美元，仅靠广告业务难以消化如此庞大的投入。通过出租冗余算力，既能摊薄硬件成本，又可开辟新收入源。值得注意的是，meta在清仓老款芯片的同时，正加速采购GB200、GB300等新一代产品，形成“新卡自用、旧卡创收”的差异化策略。
这场商业变革的野心远不止于此。回顾meta此前开源Llama模型的举措，其生态布局已显端倪：通过降低模型使用门槛吸引全球开发者，再以算力服务构建闭环生态。这种“模型+算力”的捆绑模式，恰似苹果以硬件引流、靠软件盈利的经典战略，试图在AI领域复制生态霸权。当企业同时依赖meta的模型与算力时，迁移成本将呈指数级上升，形成强大的用户粘性。
meta的入局正在重塑AI行业竞争规则。过去两年，科技巨头们陷入“算力军备竞赛”，盲目扩张导致部分企业出现资源错配。如今市场转向效率优先，能否将算力转化为实际收益成为关键指标。传统云服务商依赖硬件差价的盈利模式遭遇挑战，而拥有自研模型的参与者则获得新筹码——企业选择云服务时，模型性能与成本可能比服务器价格更具决定性。尽管行业整体算力需求仍在增长，高端芯片依旧供不应求，但meta的案例警示：缺乏应用场景支撑的算力储备，终将沦为沉没成本。
这场变革中，资本市场的反应耐人寻味。meta股价狂欢与芯片股暴跌形成鲜明对比，折射出市场对AI行业前景的复杂判断。当风口上的企业开始追求落地盈利，而非单纯烧钱扩张时，或许意味着行业正从野蛮生长迈向理性发展阶段。扎克伯格的这步棋，既为meta开辟了第二增长曲线，也为整个AI产业提供了新的竞争范式——在技术狂奔的时代，能够平衡理想与现实的玩家，才可能成为最终赢家。
