当全球还在消化英伟达H100与B200的功耗戏剧时，Meta的扎克伯格直接将AI基础设施竞赛推向了全新量级。他首次公开确认，Meta正在建设名为“Prometheus”的单一AI集群，其功率目标超过1千兆瓦——这相当于一座小型核电站的电力输出，或者100万块H100 GPU同时满载运行。更关键的是，他坦承：“我们谈论的是数千亿美元的资本投入。”

这一表态将AI算力军备竞赛的坐标轴从“数据中心数量”彻底转向“集群级别”。此前，业界普遍认为万卡集群（10,000+ GPU）已是极限，而千兆瓦级集群意味着单集群可容纳数十万甚至上百万张加速卡。相比之下，微软、谷歌目前公开的最大集群规模仍在百兆瓦级别。Meta的野心在于通过单一超级集群实现训练与推理的极致一体化——减少跨数据中心通信延迟，直接提升模型训练效率与实时推理吞吐量。

但对于云算力生态而言，这则消息释放的信号极其复杂。一方面，Meta、微软、谷歌等巨头自建千兆瓦集群，意味着它们将彻底摆脱对外部云服务的依赖，转而以内部算力池驱动下一代AI研发。另一方面，高昂的电力与土地成本（千兆瓦集群需要配套自建变电站、冷却系统乃至小水电或核电协议）将推高整体AI基础设施的成本基准线。那些依赖AWS、Azure等公共云租用算力的创业团队，将面临两个残酷后果：一是优质算力（如H100/B200）被巨头优先囤积，租用价格上涨；二是云服务商为满足大客户需求，可能压缩中小客户的可用资源配额。

值得注意的还有时间窗口。扎克伯格并未给出集群建成时间表，但按当前硬件交付周期与现场建设进度，Prometheus集群很可能在2026年前后进入初步投产。届时，以Meta Llama系列为代表的开源模型将获得完全不输闭源模型的训练基础——这或从根本上打破OpenAI与谷歌的“算力护城河”。同时，千兆瓦集群的运维经验（尤其是电网稳定性、散热与容错）将反哺整个行业，催生新的电力-计算协同技术和更高效的冷却方案。

对从业者而言，三条建议值得收藏：第一，若你的团队仍以按需租用GPU为主，尽快与云服务商签订长期预留合同（至少1-2年），锁定价格与产能；第二，关注芯片能效比而非单纯峰值算力，千兆瓦级集群对能效的敏感度将传导至整个供应链；第三，战略上必须评估是否加入“自建算力”行列——当巨头将单集群做到千兆瓦，小型集群的边际单位成本可能不降反升。算力军备竞赛的终局，不是比谁卡多，而是比谁能在每一瓦特里压榨出更多智能。