AI行情在本周再次遭遇暴力回调，导火索来自Meta。这家此前坚定自建算力为超级智能铺路的公司，如今传出可能将多出的AI算力对外出售。消息一出，市场第一反应是：难道千亿美元级别的AI资本开支要减速了？但深入拆解后会发现，故事远非“过剩”这么简单。
Meta考虑出售算力的传闻与Palantir CEO Alex Karp在CNBC上的激烈炮轰几乎同时发生。Karp直指OpenAI和Anthropic的Token收费模式正在变成企业身上的“财富税”——CEO们私下抱怨，他们为不创造实际价值的Token付费，还要交出数据。这一言论揭示了AI支出链条正在被撕裂：云厂商继续涨价（AWS今年第二次调高GPU预留服务价格，涨幅约20%），但企业CFO已经开始追问每一笔Token的投入产出比。
需求没有消失，只是开始挑人
即便Meta释放出出售算力的信号，头部云厂商的收入和资本开支指引依然强劲。AWS一季度收入376亿美元（同比+28%），Google Cloud一季度收入200亿美元，微软Azure仍保持约40%增速。亚马逊、Alphabet、Meta各自将全年资本开支指引抬至2000亿、1800~1900亿、1250~1450亿美元。这些数字并不支持需求崩塌的结论，而更像一场分流——云厂商卖的是“路”，只要模型和企业客户在跑，无论跑的是哪个模型，云厂商都能收钱。
但模型公司的处境截然不同。Anthropic因为用户将昂贵生产任务（写代码、跑长工作流）交给它，算力变成瓶颈；xAI的部分算力甚至流向了Anthropic——机器只认谁能把它跑满。而Google限制Meta对Gemini的使用，表明Meta自己在高端算力上依然受制于人。这不是简单的过剩，而是错配：高确定性、高稀缺的算力仍然抢手，AWS两次涨价就是明证；而中间层和低层算力开始面临“利用率”的终极拷问。
UBS最近对大量企业IT高管的调研显示，约60%的企业正在压减Token开支、增加使用护栏，尤其是在将AI从试点转为正式生产后。UBS指出，当AI从“玩具”变成“工具”，花钱反而更谨慎了。CFO不会问用了多少Token，他们只问这些Token省了多少成本、多赚了多少钱。
算力没有消失，只是开始分层
OpenAI与大学合作的Codex研究提供了惊人的数据：2026年上半年活跃用户增长超5倍，内部法律岗位月均输出Token中位数较2025年11月高出13倍，研究岗位高出50倍。更关键的是，Agentic coding任务的Token消耗可以比普通代码对话高1000倍，且不同运行间消耗差距可达30倍。Token正在变成“电表”——软件变成一群不知疲倦但疯狂“吃Token”的微型工人。电表转得快可以是工厂繁忙，也可以意味着效率低下。“电表”逻辑加上CFO的审视，迫使企业寻找更便宜的模型。
智谱GLM-5.2、Kimi 2.7、DeepSeek、Qwen等中国开源模型因此成为企业采购桌上的砍价工具。a16z联合创始人马克·安德森公开表示，许多AI从业者已将GLM-5.2视为能在多数任务中匹配甚至超过美国头部公开模型的产品。Coinbase CEO Brian Armstrong提供了硬证据：公司将默认模型切换至GLM 5.2和Kimi 2.7，再配合模型路由、缓存和精简上下文，Token使用量仍指数增长，但AI支出却削减了近一半。这是第一次企业可以将模型能力拆开采购：最贵的任务留给最强模型，普通任务交给够用且便宜的模型。
Meta卖算力的消息因此不再孤立——它和Palantir骂Token、Coinbase切开源模型说的是同一件事：AI的支出链条正被拆解。上游卖确定性（云厂商可以涨价），中游卖结果（模型公司被按投入产出比考核），下游压单价（开源模型充当价格锚）。算力不再是一个总量故事，而是结构故事。最上面一层仍然紧俏（最强模型、最好云服务）；中间一层开始尴尬（不够稀缺、买家比价）；最下面一层被开源模型和成本优化挤压。资产本身不关心你信不信未来，只关心今天有没有订单。过去两年所有人都抢机器，现在市场开始问：谁先等到应用？谁等到了也赚不到钱？AI资本开支的叙事，正式从“谁买得最快”转向“谁跑得最满”。