Meta卖算力引发的市场震荡：从“抢机器”到“算细账”
AI行情近日暴力回调，导火索是Meta表示可能将多余的AI算力对外出售。这一消息如果是三年前，不过是云计算的常规操作——亚马逊、微软、谷歌都这么干，CoreWeave、Nebius等新云厂商也靠出租英伟达芯片起家。但Meta一直被视为“自用派”，它买芯片、建数据中心是为了自己的模型、广告系统和超级智能，不是靠租机器赚钱。现在它说“暂时用不完的机器也可以卖给别人”，直接触动了市场对AI资本开支过剩的担忧。
当天股市暴跌，Palantir CEO Alex Karp在CNBC上怒喷近二十分钟。他炮轰OpenAI和Anthropic的token收费模式，称企业CEO私下抱怨“为不创造价值的token买单，还得交出自己的数据”，甚至称越来越贵的模型账单是“压在企业身上的财富税”。过去两年市场只关心“谁敢花、谁花得快”，现在问题变了：机器买回来以后，谁能一直跑满？
Meta内部已有“Meta Compute”方向的雏形，可能卖原始算力，也可能像亚马逊Bedrock那样提供模型托管给开发者。扎克伯格曾透露，外部公司几乎每周来问能否买API服务或一部分compute，且愿意支付高于Meta成本的价格——但他补了一句：还没这么做，因为Meta自己还用得上。如果用得上，出租是选择题；如果用不上，出租就是资产负债表的止疼药。这就把市场推到两难判断：是建设节奏里的窗口期，还是告诉投资者千亿美元AI支出需要更近的收入线？
需求没有消失，只是开始挑人
很多人看到Meta卖算力就喊“AI Capex要塌了”，但公开数据不支持这个结论。AWS一季度收入涨28%到376亿美元，Google Cloud涨得更猛到200亿美元，Azure还在40%增速跑。亚马逊今年资本开支可能到2000亿美元，Alphabet把2026年指引抬到1800亿-1900亿，Meta自己也抬到1250亿-1450亿。这些数字不像需求崩塌，更像分流。
云厂商卖的是“路”——只要路上有人跑，谁造的车它都能收钱。AWS甚至6月底把提前锁GPU的服务又提价约20%（1月已提15%），这是稀缺时卖方的动作。但模型公司不一定都舒服。Anthropic因为能写代码、改系统、跑长任务而被市场看好，不是便宜，是用户愿意把昂贵任务交给它。强模型的麻烦是机器不够，弱模型的麻烦是机器没人心疼。
xAI将部分算力流向Anthropic的动作很说明问题：机器不认创始人，只认谁能把它跑满。Google限制Meta使用Gemini的消息，更揭示这不是传统过剩——Meta一边考虑卖算力，一边在某些任务上买不到足够的头部模型能力，这是错配。因为账单开始刺眼。云厂商可以涨价卖确定性，但企业客户拿到算力后，CFO会问：这些token替公司省了多少钱？
企业觉醒：AI从玩具变成工具，花钱更难了
Karp把前沿实验室推到桌面：企业不该把数据、流程和业务判断都交出去，再按消耗量付越来越大的账单。Palantir想卖的不是通用API，而是把数据、审批、权限和AI放进同一套业务系统。UBS调研显示，约60%受访企业在压token开支、加使用护栏，尤其是过了试用期、开始把AI放进日常流程的公司。AI从玩具变成工具后，花钱反而更难——老板怕错过给预算，CFO问替谁省了工时。
AI agent把问题放大。OpenAI和几所大学的Codex研究显示：2026年上半年活跃用户增长超5倍；OpenAI内部法律岗位月输出token比2025年11月高13倍，研究岗位高50多倍。另一研究：agentic coding任务消耗的token可比普通代码聊天高1000倍，不同运行之间差异可达30倍。这才是算力紧缺的底层：软件变成一群反复读文件、跑命令、改代码、失败重来的小型工人，每步都在吃token。
当token变成电表，谁拥有发电厂谁有权力，但谁浪费电谁先被审问。CFO会问：哪些任务必须用最强模型，哪些只需要够用模型？这时候，GLM-5.2、Kimi、DeepSeek、Qwen等开源模型不再是技术新闻，而是企业采购的砍价工具。a16z的马克·安德森承认，很多AI从业者已将智谱GLM-5.2视为首批在多数任务中匹配、甚至超过美国头部公开模型的中国模型。Coinbase给出了硬案例：Brian Armstrong说，公司将默认模型切到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使用量指数增长，AI支出却砍掉近一半。企业第一次可以把模型能力拆开采购：最贵模型做最难任务，普通任务交给便宜模型。
算力没有消失，只是开始分层
因此，“算力过剩”这个词太粗。更准确的是“算力分层”。最上层仍然紧——最强模型、最好云、最稳定GPU集群还是抢着用，AWS能涨价是因为确定性有价。中间层开始尴尬：不差但不够稀缺，客户会比较、砍价、问为什么不用更便宜的模型。最底层被开源和成本优化挤压：企业会做路由、缓存、压上下文、分档位模型。
需求长大了。小孩子花钱不看账单，成年人会看。AI进入企业后，从试点阶段怕错过，到规模化阶段算账。算账后产业链不再整齐：有人继续涨价（确定性），有人改卖结果（Palantir），有人被迫降价（开源替代），有人把机器租出去（Meta）。这些同时发生，让行业看起来矛盾：一边算力紧缺，一边出租；一边token消耗暴涨，一边压低支出；一边头部模型变强，一边开源变便宜。它们不冲突，说明AI从总量故事进入结构故事。
铁路与光纤的启示：资产不在乎未来，只在乎今天有没有人用
19世纪铁路泡沫里，铁轨铺下去货物真会走，城市真会长，但很多修铁路的人亏钱——他们输在修早了，修到了没有客货流的地方，或借了太贵的钱。互联网泡沫的光纤也没错，但错在把未来几十年的需求一次性塞进几年资本开支。AI数据中心也会留下很多有用资产，但资产不关心你信不信未来，只关心每天有没有人来用。
Meta卖算力不是AI的终点，也不是半导体的终点。它更像是资本开支叙事走到中段时，第一次有人打开门让人看见仓库里有多少机器。有些会被头部模型吃掉，有些被云客户租走，有些在价格战里变便宜，还有些静静地等一个还没出现的应用。过去两年市场相信所有机器都会等到命运，现在开始问：谁先等到？谁等不到？谁等到了也赚不到足够的钱？这个问题一出，AI的故事不再只属于那些买机器最快的人。