七月的第一个星期，股票市场的AI板块经历了一场剧烈的震荡。而事情的起因，要从Meta这家大厂说起。据多家媒体及产业链消息确认，重金囤积数十万张H100芯片、一直在GPU市场上买买买的Meta，正在制定云基础设施业务计划，要向外部客户出售过剩的AI算力，并同步推出付费的AI模型API。

消息一出，投资市场上立刻掀起了一股恐慌情绪，算力租赁相关企业应声下跌，甚至前阵子暴涨的光模块、PCB等算力硬件版块也集体下滑。这种震荡背后的逻辑是：如果连财大气粗、对AI狂热的扎克伯格都开始卖算力了，那是不是已经出现过剩情况了？

Meta AI战略的变化，还暴露出扎克伯格在AI应用赛道与智能体开发中遇到了问题。曾经，无论是扎克伯格自己，还是大量外界投资者，都认为AI+社交能产生更大的商业价值。但现在，Meta「认怂」了，或许说明，AI不是任何时候都能变成灵丹妙药。

AI战略举棋不定，Meta光烧钱了？

如果要总结Meta过去几年在AI领域的动作，有两个比较明显的特点：一个是疯狂烧钱，持续砸重金；另一个是战略方向一直在变，扎克伯格没有制定出一条坚定的路线。

先说砸钱这块，在过去两年，Meta一直是算力市场上最阔绰的买家。根据官方财务数据透露出的信息，Meta 2026年的资本支出预计会达到惊人的1250亿美元至1450亿美元，差不多是2025年（约722亿美元）的两倍。这些资金绝大部分都用在了AI数据中心、大型GPU集群以及其他的底层基础设施，说白了就是花钱堆算力。扎克伯格的想法可能是：既然算力是支撑AI的必需品，那么多买点稀缺算力，怎么都不会亏。

除了囤算力，Meta还在持续收购其他AI企业。2025年一整年，Meta收购了Manus、Rivos、Play.AI、WaveForms、Limitless AI等一大票AI初创公司，涉及智能体、数据标注、芯片、语音、穿戴等多个领域。收购这些公司，直接就消耗了Meta账上的几百亿美元。

Meta搞这么大规模的并购，一方面是为了构建一套完整的AI生态，另一方面是为了吸纳更多的AI人才，尤其是这些AI初创公司创始人。

然后是AI战略，Meta出现过几次的反复。Meta旗下的主要大模型是Llama系列，从2023年推出以来一直坚持开源策略。2024年发布的Llama 3有着相当不错的表现，在很多基准测试中都超过了当年的Gemini和Claude。然而，好景不长，随着OpenAI、谷歌和Anthropic后续在大模型领域的爆发，Llama很快就落后了。

到了Llama 4，甚至有内部员工爆料这款模型在训练时作弊。具体来说，就是在后训练阶段中把多个benchmark测试集混入训练数据，这样就能短期内提升成绩。而Meta高层这么干，直接原因是扎克伯格下了死命令，要求限时交付，而且测试成绩要在开源模型中做到最好。但最后即便用上了特殊手段，Llama 4表现仍然一般，不少开发者和用户测试后，发现它的代码能力不行，和当时的GPT-4o差很远。

（图源：Meta）

进入2026年，Meta转变方向，一改过去的开源策略，推出了付费模型Muse Spark 1.1。这款模型的API定价为每百万输入Token 1.25美元，每百万输出Token 4.25美元，价格很激进，只有OpenAI和Anthropic的四分之一。

过去几年，Meta AI团队的人事震荡非常激烈，大量人员流失。今年五月，扎克伯格更是亲自动手，对Meta进行了一次超大规模的整合重组，裁掉了8000名员工，又把7000名员工强制转岗到AI岗位。这一变化并没有让情况好转，持续高压下，不断有高管离职。到了七月初的内部大会，扎克伯格罕见地公开认错，承认公司Agent开发不及预期、人事管理方面存在问题。

总的来看，扎克伯格对AI的快速发展表现得非常焦虑，采取的策略极端而激烈，疯狂烧钱买买买，在模型技术路线上又频繁变动，开源还是闭源、单模态还是多模态，都没有坚定的方向。更关键的是，Meta一直折腾，但没能走出一条可行的商业变现道路，资本支出一直增加，却没能看到相应的回报。

Meta没走通的路，BAT走通了

Meta在AI应用侧的受阻很让扎克伯格头疼，Meta要在2025年底斥巨资收购Manus（最终没成功），很大程度上就是因为Meta自己的智能体跑不通了。

在大模型能力逐渐同质化的今天，AI Agent被公认为大模型走向场景落地的最后一公里。但Agent的开发并非单纯堆砌模型参数那么简单，它要求模型有很强的规划和工具调用能力，还要有足够的产品化工程经验。

Meta虽然手握海量算力和基础大模型，但在开源竞争中，Llama不仅没有在性能上甩开GPT和Claude，反而被国内的DeepSeek、千问等开源厂商在部分指标上反超。当基础模型优势不再领先的情况下，Meta内部的智能体研发进步就会受影响，给用户尤其是企业用户的感觉就是做不了复杂的任务、干不了活。

实际上，作为互联网社交巨头，Meta仍然有很多别人不具备的优势资源。它手握10亿级别的活跃用户，在WhatsApp等平台上，数亿级用户在使用Meta AI，用户在聊天框里就能唤醒AI。只是，Meta AI+社交的策略，并没能带来太多营收上的增量。理论上，AI功能增加了一定的用户黏性，而说到底收入主要还是来自广告。而且，支撑社交App里的AI功能是要花钱的，用户免费用AI回复、用AI画图，但Meta要为之买单。

（图源：WhatsApp）

Meta搞算力出租，按照市场机构的估算，每年都回血大概200亿美元，这份真金白银的收入对已经烧钱了好一阵子的Meta来说，很难不心动。

作为对比，国内互联网大厂的AI路线，普遍比Meta走得更加务实。坚持大模型开源策略的阿里，旗下的千问在开发者群体中备受好评。但阿里的目的非常明确，通过开源模型繁荣生态，然后把算力消耗和模型调用引流至阿里云。用千问大模型的人中，很多又会去用阿里的云服务器、买阿里的云电脑。今年五月的阿里云峰会上，阿里释放的信号就很明显：一切都为Agent服务，所有接口、平台、模型等，都给Agent做适配。面向C端用户的千问App，也接入了大量阿里生态服务，从买电影票到打车、点外卖，都能让智能体来完成。

字节跳动则不过度追求极致参数的大模型，在C端应用上展现了很强的用户覆盖能力，像豆包成了国民级的AI应用。在B端，字节则利用自己在短视频生态中积累的优势，应用到视频生成领域，通过Seedance 2.0等视频生成技术成功拿到了大量企业订单，甚至成为工业影视行业中的生产力工具。百度则把重点方向放在了生产力智能体上，将文心一言打造了成了智能体平台，聚焦于客服、营销、编程等具体场景，以吸引大量B端用户。

此外，同样掌握着社交帝国的腾讯，采取的AI战略和Meta截然不同，它们之间的对比尤其值得关注。不同于Meta的激进，腾讯在AI路线上显得非常克制。在过去两年中，腾讯极少在公开场合宣传自家大模型的参数、性能，也没有像Meta那样在市场上疯狂收购AI公司。腾讯的核心大模型混元，从诞生开始就有很强的实用主义色彩。

腾讯的AI打法中，它并不试图用AI去颠覆现有的产品逻辑，而是将AI能力融入微信、QQ、腾讯会议等自己成熟的生态体系中。比如，在微信中提供更智能的搜索摘要，在腾讯会议中实现高精度的AI会议纪要，在微信小程序生态内为B端商户提供智能客服和营销文案生成。

按照腾讯的想法，未来用户未必需要一款专门的AI App，微信这种工具就能成为关键的入口。微信还在灰度测试的AI助手「小微」，就是这种思路下的产物。它集成在微信里，能够语音或文字操作微信原生功能，还能调用小程序来完成任务，甚至还能一键生成小程序。

（图源：微博）

小微推出后，获得了不错的评价，但腾讯仍然很谨慎，并没有全量上线。其中有个关键的因素，就是如果10亿级别的用户都在微信里用AI服务，那将消耗海量的算力、对服务器会形成巨大的压力。

「算力过剩」，仍是一个伪命题

Meta打算出租算力后，投资市场立刻用暴跌表达出对算力过剩的恐慌。但这种担忧，并不能代表现实。在雷科技（ID：leitech）看来，算力过剩，是一个伪命题。

首先，算力并没有过剩，只是出现了分层。Meta向外出售算力，直接原因是算力有冗余、暂时用不完。更深层次的原因，则是Meta对自家的AI业务发展太乐观了，扎克伯格以为AI会起飞，所以提前囤积了大量算力。但实际情况则是，Meta大模型掉队了，Agent落地也搞好，手里的一大堆AI基础设施自然没了用武之地。

但对很多AI业务做得好的企业，算力仍然是稀缺性的资源。最近几年，谷歌、微软、亚马逊等互联网巨头，都在自研AI芯片，很大程度上也是为了在算力这块掌握多一点主动权。

即便是Meta自己，出售的也主要是上一代架构的GPU和冗余算力。Meta新一代的Muse前沿模型以及其他关键项目，还是需要最顶尖的GPU集群，这些设备不但没有过剩，还仍然是一卡难求，像英伟达的高端卡还是长期缺货。

（图源：英伟达）

其次，算力市场将从粗放式管理转向精细化经营。过去几年，无论是互联网大厂，还是普通企业，都在AI浪潮下表现出很深的AI焦虑。为了不在AI时代掉队，很多企业都在一股脑地买算力、投资AI。具体表现就是，不管现在用得用不上，不管有没有对应的场景需求，先买了再说。Meta在AI领域的疯狂烧钱，和当年All in元宇宙的做法如出一辙。

但现在，情况有变化了。投向AI产业的资金不是无限的，未来无论是企业还是投资者，都更加看重算力能否带来商业化的回报。说得更直白点，就是买算力能不能赚钱。对于有稳定AI业务、形成商业闭环的企业，算力就是有稀缺性的资源。而对长期亏损、找不到AI变现路径的企业，手上的冗余算力还是甩卖出去更划算。

可以预见的是，未来算力或许也会变成和水电一样的可以调配、转让的流动性资源。企业和市场会建立起更复杂的算力调度系统，企业内部高优先级任务先用，闲时或者富余时就通过API等方式开放到市场上出售给其他人。

写在最后

其实，扎克伯格的认错和出售算力的决策，对Meta并不是坏事。这至少说明，他终于给持续数年的烧钱狂奔踩了脚刹车。而且，Meta仍然凭借着社交网络平台的优势，每年还能有大量的广告收入，加上出售算力带来的营收，Meta还有很高的容错率，允许扎克伯格继续在AI领域探索。

另外，扎克伯格重整Meta组织架构、上线闭源付费模型、出售算力，很大程度上说明他对公司的经营回归到了更务实的路线上。Meta的转变，也在说明，AI行业狂飙突进的粗放时代结束了，AI技术终究要适配现实的商业逻辑。在未来AI领域的大洗牌中，谁能在算力消耗与商业变现之间找到平衡，谁就更有打赢淘汰赛的可能性。