Meta卖算力带崩全球芯片市场！扎克伯格火速辟谣

电子发烧友网报道（文/黄山明）今年7月初，市场传出Meta正在筹备云计算业务，计划将内部闲置的AI算力对外出租或出售。这一消息让全球资本市场从过去算力永远供不应求的执念中清醒了过来，甚至一度引发市场对AI基建过度扩张、需求见顶的恐慌。

不过就在前几日，Meta创始人扎克伯格在接受采访中明确表示，发展云业务的机会始终存在，但这并不意味着Meta已经过度建设或者AI算力过剩。

AI算力过剩？

7月9日，Meta首席执行官扎克伯格在接受采访时明确表示，不知道业内有谁觉得自己的算力过剩，并强调Meta目前正在充分利用手头所有的计算资源。

而扎克伯格回应的正是此前不久，Meta被曝计划对外租售闲置算力，引发全球对算力过剩的恐慌，甚至一度带崩了全球芯片股。不过有意思的是，在硬件股大跌的同时，Meta自身在当日倒是大涨了8.8%。

市场恐慌的原因也很简单，主要源于对“AI泡沫”的担忧。过去两年，支撑AI产业链高估值的核心逻辑是算力永远稀缺，而Meta作为全球算力的消耗大户，如果连它都开始出售多余算力，意味着AI基建可能已经到头了。

因此扎克伯格近期出来公开表态，Meta需要尽可能多的算力，但在当前AI产品运行与开发所需算力资源极度紧缺的市场环境下，他也在考虑，如果将Meta的部分AI基础设施对外出租，是否能带来更高的价值。

扎克伯格认为，只要Meta想，建立云业务的潜力依然存在。报道显示，Meta目前正在评估多种云服务模式，包括类似AWS旗下Bedrock平台，即向开发者提供托管在Meta基础设施上的AI模型访问服务，由Meta负责运行支持这些模型的数据中心及AI芯片，并按使用量向客户收费。

此外，扎克伯格还对马斯克旗下SpaceX近期的做法非常感兴趣。SpaceX将其位于孟菲斯的大型数据中心算力出租给了Anthropic，并与谷歌达成了合作。据测算，这一举措有望帮助SpaceX到2028年创造超500亿美元收入，到2030年创造1000亿美元的收入。

从市场来看，部分H100/H200租赁价格在Meta出租算力传闻前后不跌反涨，显示实际需求仍然强劲。与此同时，Meta自身也没有因为要出租算力而收缩，反而上调了Capex指引并签署了大规模算力采购合同，扩张意愿非常强烈。

此外，目前过剩的主要是中低端训练算力和老一代GPU，而H100、H200以及下一代Blackwell芯片的全球产能依然紧张，英伟达交货周期仍以季度计算。全球四大云厂商2026年的资本开支指引仍在加速上调。

显然，Meta出借算力更多是一个商业策略与资产运营的信号，也就是将部分闲置的算力对外变现，提高资产回报率，同时探索云业务的新增长点。

不过有意思的是，尽管扎克伯格出来辟谣表明算力并未过剩，但国际清算银行（BIS）等机构确实在近期拉响了AI泡沫警报。BIS警告称，当前AI投资热潮规模庞大（超万亿美元），且高度依赖复杂的“循环融资”。如果AI的商业回报迟迟无法兑现，这种过度投资可能引发连锁反应，甚至重演2000年的互联网泡沫。

硬件产业链开始进入“精细化运营”时代

从硬件角度来看，过去两三年，GPU、HBM、光模块、交换机、服务器、存储、数据中心建设等细分，核心逻辑就是持续的紧缺以及不断加大投入的资本性支出。一旦叙事变为过剩，那么所有硬件产品的估值就会从成长性溢价变为周期折价。

事实上，Meta刚刚将2026年AI基建资本开支上调至1250亿-1450亿美元，同时长期锁定GPU/算力租赁的合同总额超过1800亿美元，并计划在今年9月量产自研AI芯片“Iris”，2027年整体算力规模还要翻倍至14GW。显然，这意味着高端智能算力依然是极度稀缺的核心资产。

Meta还与AMD战略合作计划部署6GW AMD GPU，第一阶段1GW在2026年下半年开始交付，整个合作规模五年内可能超1000亿美元。

此外，一些新兴的算力租赁商，例如CoreWeave、Nebius等，本质的商业模式就是通过拿到长期订单，再去建设AI基建集群项目，最后出租算力。如果Meta作为大客户自己开始做云，或者直接对外卖算力，那不但是大客户可能减少采购，还会面临新玩家进场来争抢利润。

要知道Meta还与Nebius/CoreWeave签订了五年期、总额最高可达270亿美元和数百亿美元级别的算力采购与容量锁定。

这对于许多算力租赁商而言，将面临价格战和需求的分流。因此扎克伯格必须出面，将此次Meta的算力出租行为表述为阶段性的资产优化，而非彻底转向算力出租商，以缓解供应商和合作伙伴的恐慌。

而这些长期的合同，本质上就是Meta自身在未来几年有算力卡可用的保障。如果真出现行业级算力过剩，这种重绑定显然就不合理了。

其实，当前包括数据中心、GPU集群、光互联、电力与散热，都希望能够尽可能的提高利用率，但大模型训练确实脉冲式的，也就是说训练某一代模型时，负荷拉满，但完成后到下一代训练前会出现利用率空挡，有报道称这会导致阶段利用率降低至30%-50%。

为了平滑这种潮汐效应，硬件所有者或进行一些更加精细化的运营。例如新一代GPU，例如GB200/B300/Rubin等，优先留给下一代模型训练和核心推理。而上一代的GPU产品，将逐步转向推理、企业微调、视频/多模态等任务，并考虑对外出租或提供API。再老一代则逐步退出、二手或退役。

而行业的计费与交付逻辑也在重塑，从为硬件租用时长付费转向为实际消耗多少Token付费。Token成为衡量基础设施效率的重要参照，它不仅反映了模型服务的价格，更体现了背后芯片、电力、网络、调度和运维等多环节的综合成本与运营水平。

同时，随着AI应用进入真实业务流程，推理算力需求开始爆发式增长，并逐渐超越训练成为市场主流。与集中式、脉冲式的训练需求不同，推理需求更高频、更实时、更分散且难以预测。这要求硬件产业链不仅要提供强大的算力，还要具备极高的稳定性、低延迟和高并发响应能力。

因此，这就要求不仅芯片本身性能要强，还需要高速互联网络（如NPO光互连）、高带宽存储（HBM）以及优秀的散热和供电系统配合。低效、孤立的老旧硬件面临淘汰，而能够支持高并发、低延迟的高端硬件及配套设施，将持续享受高景气度。

总结

Meta的出租算力显然是硬件重资产投入后的自然运营动作，这并不意味着算力就过剩了。从硬件逻辑看，AI硬件的景气度仍要看市场资本性支出的力度，以及价格与交付周期。但随着企业开始对硬件进行精细化运营，也将意味着AI硬件产业链正在经历一场深刻的价值重估。只有那些能够提供稳定交付、高效调度、清晰核算成本，并随着业务增长持续扩展的系统级服务商，才能在接下来的结构性行情中真正将算力转化为可持续释放的业务价值。

Meta卖算力带崩全球芯片市场！扎克伯格火速辟谣图1

声明：本文由电子发烧友原创，转载请注明以上来源。如需入群交流，请添加微信elecfans999，投稿爆料采访需求，请发邮箱wuzipeng@elecfans.com。

更多热点文章阅读

点击关注星标我们

将我们设为星标，不错过每一次更新！

Meta卖算力带崩全球芯片市场！扎克伯格火速辟谣图2 喜欢就奖励一个“在看”吧！