看到「全球高端AI算力供不应求，连H100租赁价格都翻倍了」的新闻，再读到Meta居然要把大量算力对外出售——你的第一反应大概率是：这说不通啊。
这个直觉完全合理。毕竟，今年4月Meta刚宣布今年资本开支最高可能达到1450亿美元，全砸向了数据中心和高端GPU。扎克伯格自己也反复强调，整个行业最大的瓶颈就是算力供应。一个「缺算力」缺到快疯了的公司，手里怎么还会有「富余」可以卖？
但这个看似矛盾的答案，恰恰揭示了一个被忽视的结构性问题。
只从供需总量上看，确实存在巨大缺口——中国信通院2026年一季度的数据显示，国内AI算力总需求同比暴涨417%，而高端GPU供给增速仅为128%，整体缺口维持35%区间。
但问题的关键在于：这个「稀缺」是结构性的，不是全局性的。
真正供不应求的，是搭载HBM3e显存、先进CoWoS封装的旗舰级训练芯片，比如H200和B300。它们的交付周期已经拉长到6-15个月，B200的租赁价格一年内近乎翻倍。
而Meta手里闲置的，恰恰不是这些被疯抢的顶级货。
Meta的超前布局，本质上是在为未来算力瓶颈做储备。
扎克伯格多次表示，他认为AI长期来看最大的瓶颈仍然是算力，因此要「尽可能储备更多算力资源，再决定未来如何使用」。2026年规划的资本开支高达1450亿美元，已经提前锁定了未来多年主流GPU的大规模供应。
但问题在于，Meta的AI业务（Llama系列训练、社交平台AI功能）的算力消耗节奏，根本跟不上基建扩张的速度。Llama大模型的迭代周期约为6-12个月，训练阶段算力占用率处于高位，但模型发布完成、下一代研发启动前的过渡期，存在明显的阶段性算力使用低谷。
这就形成了一个时间差——算力买进来了，但还来不及用。
更重要的是，Meta没有成熟的云服务业务体系。它不像亚马逊AWS、微软Azure那样，能够通过对外服务动态调配内部需求与外部客户需求，让闲置算力随时变现。这就意味着，当内部业务进入低谷期，这些提前备好的算力就只能空转。
据市场分析，前沿实验室囤积的高端GPU集群中，有大量资源处于「储备闲置」状态，未被实际调用；全行业AI基础设施的整体有效算力利用率，仅为10%-30%。
那么，Meta为什么偏偏选在现在出手？
除了「清库存」这个最直观的原因——是的，扎克伯格确实说过，几乎每周都有外部公司联系他们，甚至愿意以高于采购成本的价格购买算力——更深层的原因在于：这是一次主动的商业变现。
Meta内部启动了名为「Meta Compute」的项目，专门负责管理和变现这部分闲置算力。业务模式有两种：一是像CoreWeave那样直接出售「裸算力」；二是像AWS Bedrock那样，开放自家AI模型（如Muse Spark）的调用权限，按Token收费。
有意思的是，市场对这个消息的反应也暴露了一个「算力稀缺叙事」的裂缝——Meta股价大涨超10%，但新兴算力服务商CoreWeave暴跌13%，Nebius集团更是大跌15%。
高盛交易台主管Rich Privorotsky指出，如果巨头们都在放出闲置算力，而算力租赁价格指数又出现下滑，那么此前支撑全产业链高估值的「算力持续短缺」逻辑，正在面临根本性的质疑。
所以，回到最初的问题：Meta为什么能在「紧缺」的算力市场里，拿出闲置资源对外卖？
答案其实很简单：Meta囤的不是现在缺的，而是未来缺的。它把手里的算力分成了「当前需要用」和「未来可能用得到」，后者的闲置恰好是对「算力长期瓶颈」判断的一种超前押注。
不管Meta手里还有多少闲置，之前那个「只要囤了就是赢」的逻辑，已经不再是铁律了。当巨头开始动用自己的库存，新玩家的生存空间就会被迅速压缩——而真正的赢家，恐怕不是那些卖算力的，而是那些知道怎么让算力变得值钱的。
追加内容
本文作者可以追加内容哦 !
