当AI军备竞赛进入算力消耗的白热化阶段，Meta选择了一条与同行截然不同的路径——将庞大的基础设施资产转化为盈利工具。Bloomberg披露的Meta Compute云业务计划，标志着这家社交巨头正将其AI投入从成本中心转向利润中心，同时剑指AWS、Google Cloud和Azure三足鼎立的云市场。

这一战略转向的底气来自Meta的巨额资产负债承诺。未来数年，Meta将投入1829亿美元建设AI基础设施，其中位于俄亥俄州的数据中心（规模堪比整个曼哈顿）预计年内上线运营。当其他云厂商仍在积极采购GPU时，Meta已开始考虑将冗余算力跨出内部使用边界，转化为商业服务。

新业务的领导团队透露了Meta的战术意图：基础设施主管Santosh Janardhan负责数据中心和网络硬件调度，超级智能实验室负责人Daniel Gross把控模型性能与效率，总裁Dina Powell McCormick则主导商业谈判与合规事务。三位高管的配置表明，Meta企图在工程能力与商业变现之间建立直接桥梁。

商业模式层面，Meta可能采取双轨策略：一是效仿CoreWeave等GPU转售商的裸计算能力租赁，直接以物理服务器形态向客户提供算力；二是像AWS一样通过托管平台开放模型访问权限，近期推出的闭源模型Muse Spark正是这一布局的注脚。据知情人士透露，Meta内部已开始讨论为客户提供定制化模型微调服务，以差异化打法切入本已拥挤的云市场。

这场算力变现的浪潮背后，是AI产业链价值重心的迁移。随着OpenAI、Anthropic等模型巨头不断抬高算力门槛，能持续采购H100、MI300X等高端芯片的玩家越来越少。Meta、微软、谷歌等拥有过剩算力的大厂，反而获得了新的议价权——他们不仅能为自有模型训练降低边际成本，还能通过出租剩余算力回收部分投入。核心在于，数据中心的所有权正在超越模型参数规模，成为新的竞争护城河。

对开发者而言，这一趋势的利弊同样明显。短期内，Meta Compute的入场可能打破AWS与Azure的高定价格局，带来更便宜的GPU租赁选择。例如，Meta若以接近成本价出租其冗余算力，将迫使传统云厂商调整策略。但长期来看，开发者一旦接入Meta的算力网络，将面临生态绑定风险——从ML框架的预配置到数据存储的默认选项，都可能被引导至Meta的定制化环境。这与目前谷歌的TPU、AWS的Trainium芯片策略相似：用基础设施锁定用户对特定模型的依赖。

从行业格局观察，Meta的云业务更像是应对AI投资回报率不确定性的对冲工具。当元宇宙的幻想开始退潮，AI成了扎克伯格手中最硬的牌。他此前已公开表示云业务“definitely on the table”，意味着Meta不仅要将过剩算力变现，更要通过控制基础设施来重塑AI价值分配规则。随着数据中心从成本项变为资产项，AI竞赛的下半场——算力所有权的博弈——已经悄然开始。