Meta 计划出售富余算力，引发存储芯片板块重挫
6月下旬以来，美股存储芯片板块持续回调。根据第一财经援引的信息，闪迪、美光科技、希捷科技、西部数据等龙头企业过去数周股价跌幅均超过20%。市场将这轮抛售的导火索，指向彭博社关于Meta计划建立云基础设施业务、向外部出售富余AI算力的报道。
这一消息触发了市场对“算力过剩”和“资本开支见顶”的担忧，半导体板块遭遇普遍抛售。存储芯片作为AI基础设施核心组件，也成为资金集中流出的板块之一。报道认为，这轮下跌不只是短期情绪波动，也让市场重新审视存储芯片行业原有的增长逻辑。
市场分歧聚焦：Meta 卖算力意味着什么
围绕Meta出售算力，市场出现了两种解读。一种观点认为，巨头开始对外出售闲置算力，说明内部需求消化不及预期，AI基础设施投资可能接近顶部，半导体需求也会随之走弱。彭博社称，Meta计划推出名为Meta Compute的云业务，将富余的AI算力出售给外部企业，这被部分资金视为需求真实性承压的信号。
但另一种观点并不认同“算力过剩”这一判断。扎克伯格在7月10日公开否认算力过剩，称自己不知道业内有谁觉得自己的算力过剩，并表示发展云业务具有商业潜力。按报道说法，Meta并未下修资本开支计划，其股价在消息公布后反而上涨9%。从这个角度看，出售算力更像是在重资产投入后提升GPU集群利用率、寻求现金流回笼，而不是停止扩张。
训练算力与推理算力，需求并未同步变化
钛媒体援引市场监测数据显示，英伟达B200等训练型算力租赁价格近期出现阶段性回落，但政企和传统行业的AI推理算力租赁价格仍保持稳定。报道据此认为，当前市场担忧的核心是通用训练算力供给释放，而不是所有AI场景的需求同时消失。
这种分化会传导到不同存储产品线。用于大模型训练的高带宽存储器（HBM）此前受益于算力投入扩张，一度供不应求；在训练算力租赁价格回落后，HBM边际需求增速可能承压。相比之下，支撑推理端应用的通用DRAM和企业级SSD，因政企和传统行业持续落地，需求基础仍相对稳固。
报道还提到，支撑存储芯片需求的一个核心变量，是各家AI大模型之间的技术差距是否继续缩小。如果头部模型与追赶者的差距快速收敛，围绕训练能力展开的高强度算力与存储投入逻辑将受到挑战，存储芯片高增长预期也会随之被重新定价。
长协模式重塑存储行业原有周期
存储芯片行业长期存在明显周期性，通常沿着“景气—扩产—价格暴跌—收缩—回暖”的路径运行。过去，存储更像标准化商品，价格波动大，合同多以季度或年度为单位。一旦需求低于预期，价格往往迅速下探。
报道指出，这一模式正在发生变化。为了保障供应，云厂商和AI数据中心越来越多地与原厂签订3至5年期长期供应协议，条款通常包含价格区间、最低采购量和客户保证金。
美光已披露首份5年期战略客户协议。华尔街见闻报道称，三星电子正与谷歌和微软就长期供应协议谈判，商讨逾100亿美元预付款安排。国内方面，路透社称腾讯与长鑫存储签下了超200亿元人民币、为期3至5年的长期供货大单。
高额预付款和更长的需求可见度，被认为有助于抑制价格大幅波动，并支撑原厂利润率。高盛等机构据此判断，存储芯片正从标准化商品转向更高定制化，传统周期规律面临调整。
采购方现金流与议价空间面临新约束
长协模式落地后，采购方的资金安排和供应链管理逻辑也随之改变。过去，采购方可以在价格低谷通过现货市场补库存，享受周期下行带来的成本优势；在长协框架下，则需要提前锁定大额保证金或预付款。
同时，最低采购量约束意味着，即便终端需求波动，采购方也要按约定承接既定产能，否则可能面临违约金扣减。报道指出，在价格上行周期，长协有利于锁定低成本；但在价格下行周期，长协采购方可能要以高于现货市场的价格拿货，从而承受账面亏损。对中小型云服务商或AI初创企业而言，这类高门槛也可能加大获取优质存储资源的难度，推动资源继续向头部集中。
AI 产业链进入盈利验证期
这轮存储芯片回调并未被视为孤立事件。报道提到，6月美股科技七巨头单月市值合计蒸发约3万亿美元，微软单月累计下跌21.64%。华尔街开始更加直接地审视数千亿资本开支的投资回报率。
以微软为例，其AI基础设施投入需要由Azure云服务收入增长来验证。如果AI算力租赁价格持续回落，云服务商毛利率会受到挤压，后续资本开支的节奏也可能受影响。算力芯片厂商同样承压，训练算力需求阶段性放缓，可能带来高端芯片订单交付周期延长或订单规模缩减，库存风险也随之上升。
在资金配置上，板块轮动仍很剧烈。东方汇理指出，资金正从云服务商转向AI硬件和存储；摩根士丹利则观察到资金从芯片股轮动至AI云服务商。报道认为，这反映出市场仍在“高投入的云服务商和硬件”与“更具确定性的应用层和价值股”之间反复寻找新的定价锚。
需求仍在，但估值锚点已经改变
尽管短期面临算力过剩担忧和估值回调，报道援引澎湃新闻称，全球存储芯片单月销售额达到746亿美元，创下历史新高。美光2026财年资本开支计划逾250亿美元，较上年近乎翻倍。这些数据说明，AI基础设施建设并未结束，只是市场对增长斜率的预期更趋谨慎。
从算力芯片到云服务，再到存储和应用，AI产业链的估值体系正在从“信仰驱动”切向“业绩驱动”。训练算力阶段性过剩、推理算力需求保持韧性，也意味着市场对产业链不同环节的估值标准开始细分。具备推理场景落地能力和成本控制优势的企业，可能获得更多关注；而在长协成为常态后，如何在供应安全与成本弹性之间重新平衡，也会继续影响采购策略和资本定价。