Meta决定建炼油厂了

开篇

订阅者朋友，出现了一条有意思的消息。彭博社报道称，Meta正在筹备一项云业务，打算把闲置的AI算力卖给外部客户。仅凭这则消息，盘前股价一度飙升至8%左右。

不过，我一看到这条新闻，脑海里就浮现出几个月前的一幕。就在不久前，Meta还是个算力不够用、要求员工“省着点用AI代币”的公司。说自己不够用的公司，突然又说多了要卖，这前后有点对不上。

先说结论。这不只是简单的业务多元化，而是一个信号：算力正在从“我自己用的资源”变成“卖给别人的商品”。而这场变化真正的胜负手，不在于卖算力这件事本身，而在于谁能靠它赚到更多钱。

宣布要卖多余的部分

Meta正在考虑的云业务大致分为两条路。

**第一种方式类似亚马逊云科技（AWS）的“Bedrock”。Bedrock是一个只需点几下鼠标就能调用多种AI模型的入口。**而Meta也打算把自家数据中心里运行的多个模型——其中包括自研模型“Muse Spark”——的访问权限卖给开发者，收取使用费。对于那些难以直接搞到高性能GPU的初创公司或企业开发者来说，能在Meta经过验证的基础设施上直接运行模型，是相当有吸引力的方案。就像在云端租用应用程序一样，如今AI模型也将迎来这样的“租用时代”。

第二种方式是直接出租算力资源本身。不是租模型，而是把“可以进行运算的位置”整体租出去。这正是CoreWeave等所谓新云¹**厂商一直在做的事。**由于卖的是没有搭载模型的“原始运算”，进入门槛低，但竞争也因此更激烈。Meta正在以内部组织“Meta Compute”为中心推进这项业务。据传，负责基础设施的Santosh Janardhan、超级智能研究组织的Daniel Gross，乃至总裁Dina Powell McCormick的名字都在其中。这是一支分量十足的阵容。一旦成真，Meta将从一家靠广告吃饭的公司，摇身一变成为正面冲进AWS、微软Azure、谷歌云所把持的市场的新面孔。这也是降低广告营收依赖度的一张牌。

市场立刻做出了反应。公告发布当天，股价盘前一度上涨8.6%，随后回吐了部分涨幅。事实上，扎克伯格早在今年5月的股东大会上就已经埋下了伏笔——如果判断数据中心建得超出所需，出售多余算力也是一个选项。他还补充说，几乎每周都有其他公司找上门来，说“能不能借用一下你们的基础设施”。

几个月前不是还说不够用吗

这里我们回到前面提到的那个悖论。

**今年年初，Meta还饱受算力饥荒之苦。谷歌因无法满足自身需求，限制了Meta对其Gemini模型的访问，导致公司内部AI工作积压。最终，公司甚至要求员工减少AI代币消耗。**而就在此刻，全球大型科技公司今年在AI基础设施上的投入已超过7000亿美元，比去年的4000亿美元几乎翻了一番。半导体分析师Dylan Patel预计，仅2026年就将新增20吉瓦、2027年将超过30吉瓦的数据中心投入使用。但即便如此，模型变大的速度依然比基础设施建设的速度更快，“总是不够用”一直是此前的说法。

**在这种情况下，“盈余”又是怎么冒出来的呢？两件事叠加在了一起。一是训练模型的效率提高了，同样的资源能做更多的事；二是Meta本来就考虑到未来需求，提前大手笔多建了不少。**也就是说，眼下可能确实有多余的部分。有意思的是，Meta自己同时也是与CoreWeave、谷歌、甲骨文签订过大规模算力采购协议的“大客户”。一边向别人租，一边打算卖给别人，这幅图景恰恰证明算力已经变成了像水一样可以随时买卖的资源。

有意思的是，就在提到多余算力的同一场市政厅会议上，扎克伯格承认过去四个月AI智能体的开发进度没有达到预期的速度。但与此同时，AI负责人Alexander Wang表示，下一代模型“Watermelon”正在用比现有模型多约10倍的算力进行训练，并且在主要基准测试中已经追上了GPT-5.5的水平。一边说算力过剩，另一边却打算为下一个模型多砸10倍算力，这就是眼下的情况。

**Meta也不是第一个这么做的。埃隆·马斯克旗下的SpaceX今年初收购xAI后，把位于孟菲斯的巨型数据中心租给了Anthropic，还和谷歌签了合约。**彭博行业研究估计，这一策略可以把xAI的营收在2028年推高到500亿美元，2030年推高到1000亿美元。出售多余算力已经成为一种成熟的商业模式。而在这些动作的底层，都有一个共同的压力：投资者们在追问，那数千亿美元砸下去的基础设施到底什么时候能变成收益。出售算力，正是能给出的最快答案。

真正的胜负在“精炼利润”上见分晓

**Dylan Patel说，“代币是新的石油。”**意思是，AI生成的代币，也就是运算的产出物，将来会成为经济体系中最重要的原材料。让我们再顺着这个比喻往下推一推。

如果说石油是原材料，那么直接舀出来卖，和精炼成汽油再卖，利润完全不是一个量级。算力也是一样的道理。像新云那样直接出租原油（运算资源）的方式，利润薄，竞争也激烈。而像Bedrock那样在此基础上叠加模型和软件、以“即拿即用”的形态出售，附加值就要高得多。Meta同时考虑这两种方式，等于是说：从原油到汽油，它都想卖一遍。

精炼的层级正在被划分得越来越细。Patel认为，推理市场正分化成两条路线。像编程助手或实时对话这类以速度为生命线的工作，会为了快速响应支付约4倍的溢价；而像大批量文档处理这类不急的工作，则会选择便宜但慢的一档。如今各种AI服务里的“快速模式”比基础模式更贵，正是这个原理。同样的运算，按什么形态精炼后出售，价格会完全不同。

不过，这里Patel的另一个洞察变得关键起来。他认为，把推理性能最大化的真正钥匙，不在于某一块芯片或某一套软件，而在于从硅片到模型一起进行的联合设计²**。他说，如果只打磨单一层面，改善幅度顶多是几倍；但如果三者一起优化，差距能拉到100倍。把这句话套进炼油厂的比喻里，就变成这样：**未来出售闲置算力的公司只会越来越多，但最终能活下来的，是能以最低成本、最高效率精炼原油的那一方。也就是说，这场竞争的胜负手正从“谁来卖算力”，转移到“谁能从同样的算力中榨取更多价值（value capture）³”。

出售方之所以如雨后春笋般涌现，背后还有英伟达的算盘在起作用。对握有GPU的英伟达来说，比起让少数几家超大规模云厂商垄断市场，倒不如让像CoreWeave这样的新兴云厂商和多家AI实验室都能均匀分到资源，这样对它更有利。因为买方越是分散，被某个特定大客户牵着鼻子走的风险就越小。所以，出售算力的玩家未来只会越来越多。Meta这次的决定，也是这股大潮流上的一个片段。

在这幅图景里，**韩国处在什么位置呢？恰好在上个月29日，韩国亮出了自己的底牌——政府发布的“三大超级项目”。**计划是：西南部半导体产业投入800万亿韩元，AI数据中心投入550万亿韩元（第一阶段8.4吉瓦，最终达到18.4吉瓦），并把国家实力押注在像机器人这类在物理世界中活动的“物理AI”上。

中国靠效率，日本靠指挥，韩国……800万亿中国=效率，日本=指挥，韩国=物理层oztalking.com

用炼油厂的比喻来看，事情就清楚多了。韩国不满足于只提供精炼设备的核心部件（HBM⁴**），而是把赌注押在了建造炼油厂所需的土地和钻探设备本身上。三星电子和SK海力士已经掌握了全球HBM供应的大部分份额，2026年的产能已经全部售罄，这本身就是明确的优势，而韩国打算在此基础上再加上数据中心这块“土地”和机器人这具“身体”。**相比正面硬拼基础模型，选择美国大型科技公司相对不那么关注、数据也相对较少的物理领域，是聪明得多的一步棋。

不过，**我心里一直有一块空白让我放不下——那就是精炼技术，也就是用来指挥这具“身体”的软件与模型编排层。前面已经看到，真正的利润来自精炼而非原油，可在这项砸下800万亿韩元建设施、建厂址的计划中，哪里都看不到“该如何组合和指挥这些智能”的答案。**这本该是软件层……身体和心脏由我们自己造，但真正驱动它的大脑却有可能落到外国手里，这种风险依然存在。

Oswarld视角

坦白说，我并不完全相信“多了才卖”这个说辞。

我在制定市场进入策略时，经常见到这样的模式：企业宣布某项决定时，表面上的理由和真正的算盘常常是两码事。Meta真的是因为算力多余才卖吗？还是说，它在提前准备好一个答案，来回应投资者“那笔巨额投资到底什么时候能变现”的追问？我认为后者的分量更重。

这样一看，今天股价上涨的原因也清晰了起来。第一，这是训练效率提升、出现闲置资源的信号；第二，只要把这份闲置转化为营收，投资回报率（ROIC）的上限就打开了；第三，如果云业务顺利推进，未来加大投资就有了名分和实弹。市场的反应，与其说是针对“Meta要卖多余算力”这个事实，不如说是针对“Meta如今握有了回收基础设施投资的一张牌”这个叙事。

所以，我在这条新闻里关注的不只是Meta一家。而是越来越多的公司开始把算力不当作“使用的资源”，而当作“出售的商品”来看待——这才是我在意的那股潮流。

从GTM（市场进入）的视角补充一句：原材料越是变得普遍，钱就总会往上一层去，也就是“精炼”和“流通”那一层。所以比起国内企业抢到了几张GPU，我更关注它们能用这些算力精炼出什么、卖得有多好。因为算力本身，会越来越难与别人的区分开来。我每周都在写一份把技术、经济与人文交叉起来阅读的新闻通讯。这类结构性变化，总会重新划定赢家和输家。这一次也不会例外。

结语

今天的话，浓缩成三句就是这样。

第一，算力正在从“我自己用的资源”变成“卖给别人的商品”。第二，真正的胜负手不在于卖不卖，而在于能否从同样的算力里榨取更多价值的精炼能力。第三，韩国把800万亿韩元押在了半导体、数据中心这具“身体”上，但能产生利润的“精炼（指挥）层”仍是空的。

如果代币是新的石油，那现在正处于油田开发的初期阶段。下一位主角，会是握有精炼技术的那一方。联合设计的话题，我们下周四继续聊。

如果您接触过云或GPU成本这类事务，想请教一下：如果Meta出售算力，您会考虑从AWS、Azure、谷歌云转投过去吗？价格、稳定性、质量，哪个因素会是决定性的？欢迎在评论区告诉我们。

---

💬 如果Meta出售算力，您是否有转投的意愿，哪个因素会是决定性的，欢迎在评论区分享 · 📨 如果身边有对AI基础设施感兴趣的同事，欢迎分享这篇文章。

---

参考资料与延伸阅读

核心来源

• Bloomberg，“Meta Is Building a Cloud Business to Sell Excess AI Compute”，2026年7月1日：今天这条新闻的原始出处，整理了两种业务模式与推进组织。
• Reuters，“Meta building cloud business to sell excess AI capacity, Bloomberg News reports”，2026年7月1日：便于同时确认扎克伯格5月股东大会上的发言与股价反应。
• Sequoia Capital，Dylan Patel（SemiAnalysis）访谈，2026年：“代币=石油”、联合设计带来100倍提升、算力紧缺逻辑的原始出处。今天这篇文章的框架骨架正是来自这里。

背景知识

• SemiAnalysis，“AI Value Capture: The Shift to Model Labs”，2026年：讨论在算力这条链条上谁能拿到价值的一篇文章。如果想进一步挖掘“精炼利润”这个概念，推荐阅读。
• ZDNet Korea，THE ELEC关于国内CSP GPU与数据中心租赁策略的报道，2026年：半导体800万亿韩元、AI数据中心550万亿韩元、物理AI的原始资料，是正文韩国部分的依据。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. 新云（NeoCloud）：专门出租用于AI运算的GPU资源的新兴云厂商，CoreWeave是其代表。与出售综合服务的传统云厂商不同，可以把它理解为只整体出租“运算位置”的公司。 ↩

2. 联合设计（Co-design）：不把芯片（硬件）、软件、AI模型分开设计，而是从一开始就让它们互相咬合、协同设计的方式。据了解，如果各自单独打磨，效率提升顶多是几倍，但如果一起优化，提升幅度会大得多。 ↩

3. 价值捕获（Value Capture）：指在某个产业创造的价值中，实际能转化为自己利润的那一份。就像卖同样的东西，卖原材料还是卖成品，最终能留下的钱不一样。 ↩

4. HBM（高带宽内存）：一种为极高速传输数据而设计的特殊内存。它能提升AI运算中作为瓶颈的“数据传输速度”，几乎是高性能AI芯片的必备组件。三星电子和SK海力士负责全球供应的大部分份额。 ↩