算力不再稀缺，而是开始计价

2026年7月2日，Meta正式对外确认推进“MetaCompute”计划——这不是一次技术升级，而是一次身份重置：从全球最大算力买家之一，转身成为算力服务商。它不再只消耗算力，也开始出售算力。这一动作没有发布会、没有PPT演讲，仅以内部信与运营调整落地，却在行业底层掀起了静默但深远的涟漪。

不是过剩，而是重构

市场常把Meta卖算力解读为“算力过剩”的信号。但真实逻辑并非供给泛滥，而是需求结构的系统性迁移。训练算力的集中爆发期正在收尾，推理算力成为主力消耗场景，占比已超70%。这意味着：企业不再需要动辄万卡集群来“训一个大模型”，而更需要低延迟、高稳定性、可弹性调度的分布式推理网络。 与此同时，模型架构本身也在降维：MoE稀疏激活大幅压缩单次计算量；“大模型训练+小模型部署”成为标配；AI手机与AI PC推动30%日常交互回流终端。云端算力的边际价值，正被悄然重估。

从烧钱到算账：商业逻辑彻底翻篇

2026年被称为“AI投资回报率审计年”。企业采购算力的决策依据，已从“有没有”转向“值不值”。C端杀手级应用迟迟未现，导致大量非核心AI项目被叫停。通用大模型军备竞赛退潮，取而代之的是垂直领域微调模型——它们对算力规模要求更低，但对数据质量、工程效率与业务耦合度要求更高。 资本也同步转向：华尔街不再容忍“AI故事”，要求财报中明确呈现AI投入与营收增长的映射关系。中小AI公司融资遇冷，部分因前期囤卡加杠杆而陷入还贷压力，被迫释放二手算力，进一步加剧短期供给波动。

物理瓶颈比芯片更硬

算力扩张的最大制约，早已不是GPU产能，而是电力。北美多地40%以上在建数据中心因电网扩容滞后搁浅；欧洲多地电力排队周期拉长至7–10年，德国强制PUE≤1.2，直接淘汰大量规划方案。所谓“算力通胀”，本质是能源基础设施的滞后通胀。 在此背景下，英伟达曾依赖的“投资云厂商→拉动GPU采购→闭环营收”模式难以为继。约15%–20%的高性能GPU处于“开箱未通电”状态，被投公司因盈利困难，转而折价抛售库存芯片，新卡采购意愿断崖式下滑。

国产替代：不是替代，而是另起一行

中国正加速构建自主算力体系。海光、寒武纪等厂商硬件能力持续突破，阿里、腾讯等大厂全面转向自建底座。这并非简单复制英伟达路径，而是在电力约束、生态适配与安全可控三重目标下，重构算力基建逻辑。 但突围伴随成本阵痛：HBM国产化初期良率波动推高单片成本20%–30%；软件栈迁移与人才重构费用占总投入超35%。因此，“东数西算”等大型工程正从铺摊子转向精耕存量——优化调度、提升PUE、复用老旧机房，成为更现实的选择。

未来溢价，不在卡多，而在能效与闭环

Meta卖算力不是终点，而是分水岭。它标志着行业共识的切换：算力正从“战略资源”走向“运营资产”，从“规模叙事”转向“效能叙事”。 真正具备长期竞争力的，不再是堆砌万卡的云厂商，而是那些能跨过电力瓶颈、将PUE压至1.1以下、并在金融、制造、医疗等垂直场景中跑通“模型—流程—收入”正向循环的企业。光模块公司业绩预增但股价下跌，正是市场用脚投票的开始。 算力狂热退潮后，留下的不是废墟，而是更扎实的地基。