AI芯片泡沫，真要破了吗？

隔夜，meta的一记看似不经意的重拳，直接击溃了大热的AI半导体板块。 今天的亚洲市场，步其后尘。 韩国综合指数收跌近8%，三星电子跌近10%，SK海力士跌超14%；日经225指数跌超2%，日股铠侠股价大跌超过14%；港A市场的存储概念板块，同样遭到拖累下挫。 围绕算力过剩的担忧，再一次笼罩市场。 01 到底怎么一回事？ 过去几年，美股科技巨头在AI领域的资本投入只能用“疯狂”来形容。 数千亿美元被砸向了数据中心、算力芯片以及高昂的大模型研发。然而，任何产业的发展都逃不开经济学的第一性原理：边际效益递减。 当大模型的参数从千亿飙升至万亿，模型性能的提升却开始进入平台期，而维持这些“流水线”运转的电费、折旧费和运维成本却在呈指数级上升。 巨头们猛然发现，C端用户的付费意愿和B端企业的降本增效成果，暂时还无法填补如此巨大的资金黑洞。 Meta的架构调整，本质上是管理层向华尔街投降、斩断低效业务、向ROI（投资回报率）妥协的标志。 当一个行业从“做大蛋糕”的增量期进入“苦练内功”的存量期时，组织架构的剧烈变动往往不是好事。 Meta的“割席”意味着： 研发精细化：不再盲目追求大而全的模型体系，而是转向精准的、能直接带来广告转化或商业化变现的垂直流水线。 成本刀刃向内：挤掉AI团队中的“泡沫”，将宝贵的算力资源集中配置给最具确定性的核心产品。 这种调整不是个例。 在美股科技大厂中，这种因为AI投入产生的阵痛与分化正在愈演愈烈，这种变化也深刻影响着资本界。 一开始，资本的追逐逻辑：高额CapEx ➔ 疯狂采购GPU ➔ 算力板块拔估值 现在，资本的追逐逻辑变成了：商业化变现 ➔ 缩减/优化流水线 ➔ 算力需求分化 作为全球AI算力的总垄断者，英伟达在过去几年赚取了行业最暴利的利润率，而作为算力+应用的典型代表，微软也曾经被市场疯狂拔估值。 然而，当Meta等核心客户开始反思并重组其AI流水线时，市场对GPU、HBM的超额需求理论上会进入一个“去库存”或“需求理性化”的阶段。 昨晚的AI半导体板块被击穿，其实正是这种物理规律的体现。 而在此之前，云计算厂商已经被广泛质疑资本开支太高，导致估值持续受压。 02 需求拐点来了？ 那问题来了，meta的重拳，是不是真的意味着火热的AI芯片需求来到拐点了呢？ 客观地讲，单单meta一家这么说，还不足以证明整个行业的未来趋势。如果随后微软、谷歌、亚马逊等等算力大采购商都这么说，那确实要警惕了。 我们不需要去预判他们到底会不会说，毕竟无法穿透到企业的内部，也不清楚管理层现在对于算力的态度，留意最新消息就是。 不过，也需要认识到，meta的情况较为特殊，它这样做主要因为这么几点： 第一，Meta几乎98%收入来自广告，没有AWS/Azure/GCP那样稳定的云收入，但meta却和云计算厂商一样，每年上千亿砸GPU、数据中心，这就导致投资者持续质疑投入回报。 出租算力+模型API，把纯成本中心（数据中心）变成创收资产，摊薄硬件折旧，创造增量现金流，修复财报故事，支撑股价。 之前Llama开源免费，只赚生态、不直接变现；现在模型调用收费+算力租赁两条收入线，开辟第二增长曲线，减少广告周期波动对业绩的冲击。 第二，抢占AI生态话语权，绑定全球开发者，包括： 低价算力+免费/低价Llama模型，吸引中小AI公司、开发者基于Meta模型开发应用； 海量外部用户使用、微调Llama，反向给Meta提供海量真实数据、安全漏洞反馈，迭代自家基础模型； 防止开发者全部流向OpenAI、Anthropic封闭生态，巩固开源大模型龙头地位。 第三，算力市场双向玩家，对冲风险。 过去Meta只是算力“纯买家”，依赖外部厂商供货；现在自有算力可对外售卖，掌握算力定价与分配话语权。 就算未来内部需求波动，出租业务也能兜底硬件成本，敢于更大规模投建AI基建。 实际上，meta对外出租的，只是数据中心闲置GPU集群（以H100等上一代卡为主），客户直接租硬件做微调、推理、小规模训练，对标CoreWeave这类AI专用云，按时长计费。 优先级上，meta永远是内部。 所有算力、模型资源先供给Meta自身业务（广告推荐、Threads/Instagram、Meta AI、元宇宙、前沿大模型训练），只有内部不用的闲置时段/老旧硬件才对外出租；最新一代顶级训练GPU完全自留，绝不外租。 还有一点更关键的，meta2026全年资本开支指引1250–1450亿美元，新增海量高端GPU用于下一代超大规模模型训练。 如果是整体算力过剩，meta不需要继续千亿级加码基建。 在最近的股东大会上，扎克伯格说过：每周都有企业找上门，愿意高于Meta自身成本租用算力，市场整体AI算力依然紧缺，不存在行业饱和。 虽然AI算力板块，特别是美股、韩股、台股等遭受了大跌，但要判断行业需求拐点来了，还需要更多的证据。 暂时可以认为，这是一次因为AI芯片板块交易拥挤度太高，而导致的“惊弓之鸟”。 03 一个残酷真相 回到算力行业，meta也确实为资本市场揭开了一个残酷真相。 前两年，Meta囤了海量H100用于初代Llama训练，现在前沿训练切换更新硬件，H100不再是核心训练主力，内部推理场景消化不完，于是出现大量闲置时段。 这一点，直接捅穿了算力的重资产、重折旧生意本质。 两年前，英伟达的H100还是抢手货，价格高还拿不到货，结果两年不到，就有点被抛弃的感觉。 原因很简单，GB200来了，未来还有Rubin芯片。新产品的性能，绝对会吊打旧产品。 有性能更好的产品，大厂自然会去优先采用，毕竟AI竞赛像赛车，你的车子比别人差，能跑过别人的概率就很低。 然而，资本开支钱花出去了，折旧是刚性的，这么快就闲置，折旧费用都没摊销完，如果对外出租行情不好，那对于企业利润和现金流的吞噬，将是非常致命的。 要知道，华尔街对meta这类大厂的估值模型，以DCF为主，现金流一旦出问题，估值压力会非常大，加上华尔街量化交易的流行，既然估值有压力，资金出现机械式抛售就在所难免了。 最近也有一些悲观的市场人士发表观点，说meta这样烧钱建算力，下半年的现金流有可能转负。 不但meta，其他烧钱买算力的大厂，基本都有这个困扰，微软、亚马逊、谷歌、甲骨文，还有主打算力租赁的coreweave这类。 如果说大厂底子厚，还经打，那纯算力出租公司，真的要为之捏一把汗。 当然了，每一次大的变化，都是有得有失。 如果算力成本真的下降，得益的又会是谁呢？ 答案非常简单，AI的中下游。 首先是大模型公司，他们不需要烧太多钱去做训练，做推理，这将有助于降低资金压力，同时加快模型更新速度。 其次，是AI应用公司，他们能够以更低成本的算力，去做各类应用开发，加快AI应用的商业化进程。 04 结语 AI行业经过多年的发展，投资逻辑也在一直变化。 站在当下，“只要买入AI概念股躺着就能赢”的时代，基本不存在了。全球资本市场对于AI的叙事逻辑，早已从“宏大叙事”，转向“极其务实的利润变现”。 这也是为何存储芯片最近半年牛气哄哄，而购买算力的一方却一路低迷的核心原因。 经过meta这么一闹腾，起码有两个灵魂拷问，摆在了投资者面前： 第一个，过度拥挤的交易，即使逻辑看上去依然无懈可击，但波动率确实高，还值不值得重注？需不需要赚尽最后一个铜板？ 第二个，那些被算力成本、资本开支压得喘不过气的行业，是否会迎来反转？（全文完） 本文来自微信公众号 “格隆汇APP”（ID：hkguruclub），作者：深鹏，36氪经授权发布。