Meta卖算力：AI资本开支叙事转向
AI行情因Meta一则消息暴力回调——Meta表示可能将多出的AI算力对外出售。放在三年前，这不过是云计算常规操作，但Meta一直以自用模型、广告系统和Superintelligence为叙事核心，从未将自己定位为云厂商。如今它开始考虑出租算力，信号含义重大：要么是建设节奏中的暂时性资源腾挪，要么是千亿美元级AI支出需要更近的收入线来支撑资产负债表。市场当天的暴跌和Palantir CEO Alex Karp在CNBC上长达二十分钟的抨击，共同将这场讨论推向高潮。
算力需求并未消失，只是在分流
公开数据并不支持“AI资本开支崩塌”的结论。AWS一季度收入增长28%至376亿美元，Google Cloud收入达200亿美元，微软Azure增速约40%。亚马逊暗示今年资本开支可能达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。AWS甚至在6月底将GPU提前锁定服务的价格再次上调约20%，1月已调过15%。这不是需求疲软时会出现的行为——稀缺时卖方涨价。但模型公司处境分化，Anthropic因企业愿意为昂贵任务付费而持续紧缺，弱模型则面临利用率不足。xAI向Anthropic输送算力，Google限制Meta对Gemini的使用，说明算力不是整体过剩，而是错配。
企业AI支出觉醒：从恐惧错过到计算ROI
UBS调查显示约60%的企业正在压Token开支、加使用护栏，尤其是已进入日常流程的公司。Karp直言CEO们私下抱怨“为不创造价值的Token买单，还得交数据”。而OpenAI与大学合作的Codex研究显示，2026年上半年活跃用户增长超5倍，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。Agentic coding任务消耗Token比普通代码聊天高1000倍，同一任务不同运行间波动可达30倍。Token变成电表，CFO开始询问每一度电的产出。企业不再盲目追逐最强模型，而是拆分采购：最难的任务用最贵模型，普通任务用便宜模型或本地部署。
开源模型与模型路由：企业降本利器
a16z合伙人马克·安德森指出，许多AI从业者认为智谱GLM-5.2能在多数任务中匹配甚至超过美国头部公开模型。Coinbase的案例更具说服力：CEO Brian Armstrong表示，公司默认模型切换到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使用量指数增长，AI支出却砍掉了近一半。开源模型未必赢下全部战场，但它让采购部门相信不是每度电都要按豪宅电价支付。企业第一次可以将模型能力拆开采购，这一趋势正在重塑产业链的定价权。
算力分层：确定性、结果与成本的三重分化
最好的理解不是“算力过剩”，而是算力开始分层。最上层：最强模型、最好云、最稳定GPU集群依然稀缺，AWS能涨价正因为确定性有价格。中间层：资源不差但不够稀缺，客户会比较、砍价、问“为什么不用更便宜的模型”。底层：被开源模型和成本优化持续挤压，企业不会为普通任务永远调用最贵模型。AI已从总量故事进入结构故事——有人继续涨价（卖确定性），有人改卖结果（客户不想为消耗付费），有人被迫降价（替代品出现），有人出租机器（避免闲置）。Meta卖算力的信号正是这个结构转折的标志：机器不会自动变成好生意，它需要每天有活干、有客户付钱、有模型跑满、有应用转化收入。资本开支叙事的下一章，将属于那些能管理利用率、分层定价和成本优化的人。
