Meta Compute：AI算力军备竞赛从“囤卡“到“卖卡“的范式转折

摘要：2026年7月1日，彭博社独家披露Meta正在推进代号"Meta Compute"的云基础设施业务，计划向外部客户开放AI算力租赁与自研模型API服务。消息发布后Meta股价单日大涨8.8%，但全球半导体板块暴跌超6%，算力租赁商CoreWeave单日重挫13.92%。这不是简单的"算力过剩"信号——这是AI军备竞赛进入下半场的标志性转折：从"囤卡竞赛"到"算力资产化运营"，从"规模比拼"到"效率变现"。一、事件全景：五周从"考虑"到"落地"1.1 时间线回溯时间事件2026年5月扎克伯格在股东大会上首次放风：“进军云计算绝对在我们的考虑范围内”2026年6月Meta将2026年CapEx指引从1150-1350亿上调至1250-1450亿美元2026年7月1日彭博社独家披露Meta Compute项目，Meta股价单日+8.8%2026年7月2日日韩股市AI板块熔断级暴跌，三星-9.06%，SK海力士-14.57%2026年底（预计）Meta Compute正式上线运营从"考虑中"到进入落地筹备，前后仅用了五周。这背后是Meta在2026年上半年密集签署的超过1000亿美元算力采购合同带来的变现压力。1.2 Meta的算力帝国（截至2026年Q1）━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Meta AI基础设施全景 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ┌─────────────────────────────────────────────────────┐ │ Meta 算力资产总览 │ │ ┌─────────────────────────────────────────────────┐ │ │ │ 2026年CapEx: $1250-1450亿 (同比+87%) │ │ │ │ 累计承诺投资: $1829亿 │ │ │ │ 对外签约采购: $1000亿+ │ │ │ │ ┌────── AMD: $600亿/6GW Instinct GPU │ │ │ │ ├────── CoreWeave: $210亿 │ │ │ │ └────── Nebius: $270亿 │ │ │ └─────────────────────────────────────────────────┘ │ │ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ 自研芯片 │ │ 采购GPU │ │ 数据中心 │ │ │ │ MTIA │ │ H100/H200│ │ 俄亥俄超级 │ │ │ │ 推理优 │ │ GB200 │ │ 智算中心 │ │ │ │ 化架构 │ │ Rubin │ │ "曼哈顿体量"│ │ │ └──────────┘ └──────────┘ └──────────┘ │ └─────────────────────────────────────────────────────┘ ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━二、Meta Compute 商业模式深度拆解2.1 双轨变现模型Meta Compute 并非单一的算力租赁业务，而是"裸算力租赁 + MaaS模型服务"的双轨变现模型：路线一：裸GPU算力租赁对外出租 H100/H200 等上一代 GPU 集群对标 CoreWeave、Nebius 等第三方算力租赁商按小时/按周定价，面向中小 AI 初创公司路线二：MaaS（模型即服务）对外开放 Llama、Muse Spark 自研大模型企业按 Token 调用量付费对标 AWS Bedrock━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Meta Compute 双轨变现架构图 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Meta 算力资产池 ┌──────────────┐ │ GPU集群池 │ │ (百万级卡) │ └──────┬───────┘ │ ┌────────────┴────────────┐ │ │ ┌────────▼────────┐ ┌─────────▼─────────┐ │ 高端训练算力 │ │ 存量推理/闲置算力 │ │ GB200/Rubin │ │ H100/H200 │ │ 100%自留 │ │ 对外出租 │ └─────────────────┘ └─────────┬─────────┘ │ ┌──────────────────┼──────────────────┐ │ │ │ ┌─────────▼──────┐ ┌───────▼───────┐ ┌──────▼──────┐ │ 裸算力租赁 │ │ MaaS模型服务 │ │ Llama开源 │ │ (Raw Compute) │ │ (Model API) │ │ 生态入口 │ │ GPU按小时出租 │ │ Token按量付费 │ │ 开发者引流 │ │ 对标CoreWeave │ │ 对标AWS Bedrock│ │ 社区锁定 │ └────────────────┘ └───────────────┘ └─────────────┘ ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━2.2 三层价值捕获逻辑第一层：硬件生命周期拉长，摊薄千亿折旧Meta 2026年CapEx 1250-1450亿美元，折旧压力巨大。过去硬件迭代后旧卡只能折价处置或闲置浪费。现在通过对外出租，将闲置产能转化为收入——美银测算每GW年租金可达100-150亿美元。Go语言实现：算力资产折旧与变现模拟packagemainimport("fmt""math""time")// GPUAsset 算力资产模型typeGPUAssetstruct{NamestringUnitCostfloat64// 单卡采购成本（美元）TotalUnitsint// 总卡数PowerKWfloat64// 单卡功耗（kW）Electricityfloat64// 电价（美元/kWh）LifecycleMonthsint// 生命周期（月）DepreciationRatefloat64// 月折旧率}// ComputeCluster 算力集群typeComputeClusterstruct{Assets[]GPUAsset UtilRatefloat64// 内部利用率RentRatefloat64// 对外出租比例RentPricefloat64// 出租价格（美元/卡/小时）}// AnnualCostAnalysis 年度成本收益分析func(c*ComputeCluster)AnnualCostAnalysis()map[string]float64{result:=make(map[string]float64)vartotalProcurement,totalPower,totalDepreciationfloat64for_,asset:=rangec.Assets{// 采购成本procurement:=asset.UnitCost*float64(asset.TotalUnits)totalProcurement+=procurement// 年电费（按24小时运行，365天）annualPower:=asset.PowerKW*24*365*asset.Electricity*float64(asset.TotalUnits)totalPower+=annualPower// 年折旧（直线折旧）monthlyDep:=procurement/float64(asset.LifecycleMonths)totalDepreciation+=monthlyDep*12}// 内部使用价值（按利用率折算）internalValue:=totalDepreciation*c.UtilRate// 对外出租收入（假设出租部分满租）rentableUnits:=0for_,asset:=rangec.Assets{rentableUnits+=int(float64(asset.TotalUnits)*c.RentRate)}rentalIncome:=float64(rentableUnits)*c.RentPrice*24*365result["totalProcurement"]=totalProcurement result["totalPower"]=totalPower result["totalDepreciation"]=totalDepreciation result["internalValue"]=internalValue result["rentalIncome"]=rentalIncome result["netCost"]=totalDepreciation+totalPower-rentalIncome result["rentalCoverage"]=rentalIncome/totalDepreciation*100returnresult}funcmain(){// Meta 2026年算力资产模拟cluster:=ComputeCluster{Assets:[]GPUAsset{{Name:"H100 GPU Cluster",UnitCost:30000,TotalUnits:500000,PowerKW:0.7,Electricity:0.08,LifecycleMonths:48,},{Name:"GB200 GPU Cluster",UnitCost:50000,TotalUnits:300000,PowerKW:1.2,Electricity:0.08,LifecycleMonths:60,},},UtilRate:0.65,// 内部利用率65%RentRate:0.25,// 25%闲置算力出租RentPrice:2.0,// $2/卡/小时}analysis:=cluster.AnnualCostAnalysis()fmt.Println("========== Meta Compute 年度成本收益分析 ==========")fmt.Printf("总采购成本: $%.2f亿\n",analysis["totalProcurement"]/1e8)fmt.Printf("年电费支出: $%.2f亿\n",analysis["totalPower"]/1e8)fmt.Printf("年折旧成本: $%.2f亿\n",analysis["totalDepreciation"]/1e8)fmt.Printf("内部使用价值: $%.2f亿\n",analysis["internalValue"]/1e8)fmt.Printf("对外出租收入: $%.2f亿\n",analysis["rentalIncome"]/1e8)fmt.Printf("净成本（折旧+电费-租金）: $%.2f亿\n",analysis["netCost"]/1e8