关于 Meta 是否囤积了大量 AI 算力、实际利用率不高的猜测，终于等到了核心人物的正面回应。Meta 首席执行官马克·扎克伯格在一场内部沟通中首次主动谈及公司算力策略，否认“算力过剩”一说，并明确释放了一个关键信号：Meta 正在从纯粹的算力自用者，转变为潜在的算力供应商。

扎克伯格的表态核心有两点。第一，内部算力需求依然旺盛，已满负荷运转。他指出，无论是现有社交业务的推荐系统、广告优化，还是正在加速的生成式 AI 训练与推理，算力始终是稀缺资源，“没人会嫌算力太多”。第二，外部市场给出的算力租金价格“极其诱人”，将部分冗余或新建的 AI 基础设施对外出租，在财务上远优于闲置或仅用于自身研发。

基于这一判断，Meta 已启动代号为“Meta Compute”的云计算计划。该计划包含两条并行路线：一是向开发者开放 Llama 等旗舰模型的云端访问权限，二是直接出租裸算力——即提供包括 GPU、网络、电力在内的原始计算资源，客户可自建环境运行任意模型或训练任务。这本质上是对标 AWS 早期 EC2 的模式，但目标客户更偏向 AI 原生企业和研究机构。

定价参照与商业模型

扎克伯格特别提到了 SpaceX 的实践案例：该公司以每月高达 12.5 亿美元的价格，将一座大型数据中心租给 AI 公司 Anthropic 使用。这一数字虽未得到双方证实，却侧面反映了当前算力市场的疯狂溢价。Meta 显然看到了类似机会——当美元资本疯狂涌入 AI 竞赛，最稀缺的不是模型算法，而是能立刻落地的算力集群。与其被动持有，不如主动变现。

巨额资本支出为这一计划提供了物质基础。Meta 2026 年资本支出指引已上调至 1250 亿至 1450 亿美元，其中大部分用于 AI 相关基础设施建设。与此同时，Meta 正加速自研 AI 芯片的落地：计划 2026 年 9 月实现量产，2027 年将部署算力目标提升至 14 吉瓦——相当于数十座中小型数据中心的聚合。自研芯片若能成功，将大幅降低对 NVIDIA 等供应商的依赖，为云业务提供更具性价比的算力供给。

行业转折点：基础设施从“军备竞赛”到“平台化”

Meta 从自用到出租的转变，很可能是 AI 基础设施进入成熟期的标志。此前，Google、微软、亚马逊早已通过云服务将自家算力商业化，但 Meta 是唯一一家大规模开源模型且同步提供算力出租的巨头。这种“模型+算力”的双轮驱动，理论上能降低创业者门槛：不再需要自己在云端抢 GPU，只需调用 Meta 的 Llama 模型或租用其裸算力即可。

然而风险同样存在。Meta 云业务起步晚于三大云厂商，且没有成熟的 SaaS 生态。如何定价、如何与现有客户签订长期合同、如何保证算力供应稳定性，都是未知数。更为关键的是，扎克伯格并未透露 Meta Compute 的正式上线时间，仅表示“正在制定计划”。这暗示公司内部仍在权衡：大量出售算力是否会削弱自身 AI 研发的优先级。

对产业生态的潜在冲击

对于中小 AI 团队和创业公司来说，Meta 的入局可能是个好消息——更多算力供应意味着租金下降、选择增多。但对于 AWS、Azure 和 Google Cloud 而言，Meta 背靠开源模型和社交数据的差异化优势不容小觑。算力租赁正在从单一的资源买卖演变为“模型生态+底层算力”的捆绑竞争。

可以预见，未来两年 AI 基础设施的竞争格局，将从“谁有更多卡”转向“谁能更好地把卡租出去、捆绑更多服务”。Meta 选择在这一节点入场，既是应对自身资本开支压力的务实之举，也是对整个产业从军备竞赛向平台经济转型的一次押注。对于做底层算力或云服务的团队而言，盯紧 Meta Compute 的后续动态，或许比关注 GPU 价格走势更有价值。