Meta(META.US)欲将AI资本开支炼成“算力资产负债表”! 从AI军备竞赛到进军云计算 Meta想吃满AI推理时代红利

智通财经APP获悉，资本资产Facebook与Instagram母公司Meta Platforms Inc. (META.US) 正制定一项前所未有的开支云计算基础设施战略。该计划旨在将Meta大规模部署的炼成理时利AI算力基础设施及独家大模型资源对外开放，通过向外部客户出售访问权限，算力与亚马逊AWS、负债微软Azure及谷歌云等巨头形成差异化竞争，军备竞赛军云计算全面进军云计算市场。到进代红

核心战略：将巨额AI资本开支转化为“AI算力资产负债表”

据知情人士透露，想吃Meta正加速锁定昂贵的资本资产AI数据中心建设及GPU/数据中心CPU等底层算力资源，以支撑其AI雄心。开支与此同时，炼成理时利公司正在组建一项新业务，算力通过出售富余AI算力资源创造额外营收。负债

Meta进军云计算的军备竞赛军云计算核心逻辑在于：在全球AI算力需求井喷的背景下，将此前备受质疑的到进代红巨额AI资本开支，转化为具备外部营收弹性的“AI算力资产负债表”。

• 供需矛盾反向验证：近期谷歌限制Meta使用Gemini模型的报道，侧面印证了云端AI算力需求的极度紧张。即便谷歌云一季度营收达200亿美元，算力约束仍限制了其更高增长并推高了积压订单。
• 下行保护与回收路径：Meta的策略并非简单跨界，而是力争在AI超级智能开发、广告推荐、视频生成及模型训练/推理等领域囤积GPU/ASIC/TPU资源、网络设施、HBM/DRAM/NAND存储及电力容量。一旦产能阶段性过剩，Meta将把这些容量封装为模型API或原始算力租赁，对标AWS Bedrock或CoreWeave，从而为过度基建提供下行保护，并为投资者提供资本开支回收路径。

宏观背景：押注AI从“训练”转向“推理”的长期稀缺

Meta此举深层逻辑是押注AI工作负载从训练中心向推理中心转移后的长期算力稀缺。多项权威预测支持这一观点：

1. 资本支出激增：麦肯锡预计，到2030年全球数据中心为满足算力需求需约6.7万亿美元投资，其中AI推理端相关资本开支约5.2万亿美元。
2. 电力需求翻倍：国际能源署预计，全球数据中心用电到2030年将翻倍至约945太瓦时，AI驱动加速服务器用电年增速约30%。
3. 电力缺口扩大：高盛预计美国数据中心电力需求将从2025年的31吉瓦升至2027年的66吉瓦。

因此，Meta聚焦的核心资产是AI时代最稀缺的“可用推理产能”，包括GPU/ASIC/TPU集群、低延迟网络、模型托管、Token计费及超大规模数据中心的高效调度能力。

市场反应与估值逻辑切换

华尔街对Meta的估值锚点可能正从“广告平台+元宇宙支出折价”切换至“广告现金牛+AI模型入口+算力基础设施期权”。

• 成败关键：不在于能否买到芯片，而在于能否补齐企业销售能力、AI开发者生态、云端算力租赁服务的可靠性、云平台软件栈及单位Token经济性。
• 股价波动：消息传出后，Meta股价盘初一度上涨近10%后回吐部分涨幅；而CoreWeave股价盘初暴跌超10%，显示市场对传统算力租赁商与科技巨头自建云之间竞争格局的重新定价。

业务架构：Meta Compute与“算力回收飞轮”

Meta主导的潜在计划包括两大板块，统称为Meta Compute（由基础设施负责人Santosh Janardhan、超级智能实验室AI部门领导者Daniel Gross及总裁Dina Powell McCormick领导）：

1. 模型API服务：类似于亚马逊Bedrock，出售托管在Meta基础设施上的多种AI模型（包括自研Muse Spark模型）的访问权限，向开发者收取费用。
2. 原始算力租赁：类似于CoreWeave，出售“原始”云计算原生算力容量访问权限。

尽管Meta发言人拒绝置评且战略仍在制定中，但首席执行官马克·扎克伯格已明确表态：

• 开放意愿：“这绝对在考虑范围内。”扎克伯格在5月股东电话会上表示，几乎每周都有外部公司寻求搭建API体系或购买算力，并愿意支付高于成本的溢价。
• 内部优先：“我们尚未这样做，是因为我们自身有用途。但如果建设过度，这就是我们的选项，这也让我们对投资更有信心。”

行业共振：Agent Runtime爆发与半导体缺口轮动

Meta筹建AI云业务的背后，是Agent Runtime（智能体运行时）爆发与半导体供应链瓶颈的共振。

1. Agent Runtime 推动推理需求指数级增长

传统模型托管是“输入—推理—输出”的无状态服务，而智能体AI是循环式工作流（规划、调用、观察、重试）。
* 成功率衰减：单次调用成功率95%，连续调用15次后任务成功率降至约46.3%。
* 价值转移：企业购买的不再是便宜的Token，而是可编排、可观测、可控成本及可审计结果的运行期系统。
* 全栈投资：Nebius等厂商从200MW迈向GW级算力锁定，反映云基础设施正从“卖GPU小时”转向“卖结果确定性”，反向牵引GPU集群、电力、网络及存储的全栈投资。

2. 半导体交易主线：从“见顶”到“短缺轮动”

尽管费城半导体指数波动剧烈，引发“AI泡沫破裂”的悲观叙事，但野村证券最新研报反驳了“半导体见顶论”。

• 系统性错配：AI云基础设施需求正从单点GPU短缺扩散为系统性零部件错配。
• 瓶颈外溢：瓶颈正从GPU产能、台积电CoWoS先进封装，向晶圆级基板、AI PCB、覆铜板(CCL)、电子布、MLCC、玻璃基板/ABF基板、IC载板、高端电容、电源管理芯片及高速光互连元件外溢。
• 数据支撑：野村预计2026年和2027年AI服务器营收分别增长78%和76%；2027年新增算力部署预计达32GW。麦肯锡测算显示，仅AI相关数据中心容量需求到2030年即达156GW。

结论

Meta进军云计算标志着AI算力商业模式的升级。AI云计算不再仅是传统云厂商的IaaS扩容叙事，而是进入“算力资产证券化 + 推理经济学 + 半导体涨价链”的复合周期。

在这一进程中，最受益的资产并非单一GPU叙事，而是同时具备供给瓶颈、定价权和现金流可见性的环节。Meta通过构建“算力回收飞轮”，试图在AI军备竞赛中，将内部成本中心转化为外部营收引擎，从而在激烈的云竞争中确立新的护城河。

(责任编辑：探索)