Meta 计划将多出的 AI 算力对外出售的消息，在美股市场引发了剧烈抛售。过去两年支撑 AI 行情的核心叙事——无限增长的资本开支——开始出现裂痕。但仔细拆解事件背后的各方表态与数据，这并非简单的“算力过剩”，而是产业链进入结构分化阶段：谁能把机器跑满，谁就成了新的稀缺资产。
Meta 卖算力：从超级智能到卖电
Meta 从来不是云厂商。它买芯片、建数据中心，是为了自己的模型、广告系统和扎克伯格口中的“超级智能”。但公开报道显示，Meta 内部正在探索一个叫 Meta Compute 的方向，可能出售原始算力，也可能像亚马逊 Bedrock 一样把不同模型放在自家基础设施上卖给开发者。扎克伯格曾在股东会上提到，外部公司几乎每周都来问能否购买 API 服务或一部分 compute，且愿意支付高于 Meta 成本的价格。他补了一句：他们还没这么做，因为 Meta 觉得自己还用得上这些算力。
问题在于，如果算力用得上，出租是选择题；如果用不上，出租就是资产负债表的止疼药。Meta 的转向不能直接证明算力过剩，但足以让市场开始质疑：千亿美元级别的 AI 支出，不能一直靠远方的超级智能来支撑。
云厂商继续涨价，模型公司面临算力错配
资本开支并未坍塌。AWS 一季度收入增长 28% 至 376 亿美元，Google Cloud 一季度收入 200 亿美元增长更猛，微软 Azure 增速仍约 40%。亚马逊预计今年资本开支可达 2000 亿美元，Alphabet 将 2026 年指引抬至 1800-1900 亿美元，Meta 自己也把全年资本开支上调至 1250-1450 亿美元。这些数字不是需求崩塌——更像分流。
云厂商卖的是确定性：客户要的是一段时间内一定能拿到的 GPU、稳定的数据中心。AWS 在 6 月底将其 AI 云服务锁定 GPU 的价格又上调了约 20%（1 月已调过 15%），这是需求不疲软时的涨价动作。但模型公司不一定都能这么舒服。xAI 的部分算力流向了 Anthropic，因为机器只认谁能把它跑满。Google 甚至限制了 Meta 对 Gemini 的使用，因为 Meta 想买的算力超过了能提供的范围——一家公司一边考虑卖算力，一边又在某些任务上买不到头部模型能力。这不是传统过剩，而是错配。
企业客户的觉醒：Token 变成电表，开源模型成为砍价工具
Palantir CEO Alex Karp 在 CNBC 上公开批评 OpenAI、Anthropic 的 token 收费模式，称 CEO 们私下抱怨“为不创造任何价值的 token 买单，还得交出自己的数据”。UBS 调查显示，约 60% 的企业 IT 高管正在压 token 开支、加使用护栏。AI 从“玩具”进入“工具”阶段后，CFO 开始问：这些 token 替公司省了多少钱？多赚了多少钱？
OpenAI 与几所大学的 Codex 研究显示，agentic coding 任务消耗的 token 可比普通代码聊天高 1000 倍，同一任务不同运行之间 token 消耗可差 30 倍。Token 变成了电表。CFO 下一步会问：哪些任务必须用最强模型，哪些只用够用的模型？
这时，智谱 GLM-5.2、Kimi 2.7、DeepSeek 等开源模型就变成企业采购桌上的砍价工具。a16z 合伙人马克·安德森称，很多 AI 从业者已将 GLM-5.2 视为首批在多数任务中匹配甚至超越美国头部公开模型的中国模型。Coinbase 给出了更具体的案例：默认 AI 模型切换到 GLM 5.2、Kimi 2.7 等开源模型，配合模型路由、缓存和精简上下文，Token 使用量指数级增长，但 AI 支出削减了近一半。企业的采购逻辑变成：最难的任务继续用最贵模型，普通摘要、客服、信息抽取、模板代码用便宜模型和本地部署。
算力没有消失，只是开始分层
Meta 卖算力刺眼的地方在于：它让市场第一次看见，AI 基础设施也会遇到普通工厂的问题——工厂建好了，订单在哪里。但这不等于需求消失。更准确的描述是算力开始分层：顶层（最强模型、最佳云、最稳定 GPU 集群）仍然稀缺，AWS 能涨价就是证明；中间层开始尴尬——不差但不够稀缺，客户会比较、砍价；底层会被开源模型和成本优化一点点挤压。
19 世纪的铁路泡沫里，铁路本身不是假的；互联网泡沫里的光纤也没有错。今天买机器最快的人，不一定能赚钱。资本开支叙事已从“谁买得快”变成“谁能把机器跑满”。资产不关心未来，只关心今天有没有人来用。Meta 打开门让人们看见了仓库里的机器——有些会被头部模型吃掉，有些会被云客户租走，有些会在价格战中变便宜，还有些会等一个还没出现的应用。AI 的故事变了：它不再只属于买机器最快的人。