狂烧千亿美元！AI落后的Meta，被中国科技大厂上了一课

七月的狂烧科技第一周，股市AI板块经历剧烈震荡。千亿导火索来自Meta：这家重金囤积数十万张H100芯片、美元在GPU市场狂扫的落后大厂，正计划向外部客户出售过剩AI算力，大厂并同步推出付费AI模型API。中国

消息引发市场恐慌，上课算力租赁股应声下跌，狂烧科技此前暴涨的千亿光模块、PCB等硬件板块也集体回调。美元市场逻辑很直接：连财大气粗、落后对AI极度狂热的大厂扎克伯格都开始“卖算力”，是中国否意味着行业已现过剩？

Meta AI战略的转向，更暴露了扎克伯格在AI应用及智能体（Agent）开发上的上课困境。曾几何时，狂烧科技市场坚信“AI+社交”能释放巨大商业价值。如今Meta的“退守”，或许在警示：AI并非万能灵药。

AI战略摇摆，Meta仅靠烧钱？

回顾Meta近年AI布局，两大特征显著：一是疯狂烧钱，持续重注；二是战略反复，缺乏坚定路线。

1. 算力军备竞赛：资本支出翻倍

过去两年，Meta是算力市场最阔绰的买家。据官方财务指引，Meta 2026年资本支出预计达 1250亿-1450亿美元，约为2025年（约722亿美元）的两倍。资金主要投向AI数据中心、大型GPU集群及底层基础设施。扎克伯格的逻辑简单粗暴：算力是AI必需品，多囤稀缺资源总不会错。

2. 激进并购：构建生态与吸纳人才

2025年，Meta密集收购Manus、Rivos、Play.AI、WaveForms、Limitless AI等初创公司，覆盖智能体、数据标注、芯片、语音及穿戴设备等领域。此举不仅消耗数百亿美元，更旨在构建完整AI生态，并吸纳初创公司创始人等核心人才。

3. 模型掉队与内部争议

Meta主打开源大模型Llama系列。2024年发布的Llama 3表现优异，一度超越Gemini和Claude。但随着OpenAI、谷歌及Anthropic的爆发，Llama迅速落后。

更严重的是，Llama 4训练被曝“作弊”：后训练阶段将基准测试集混入训练数据以短期刷分。这源于扎克伯格限时交付且要求开源模型成绩第一的死命令。即便动用特殊手段，Llama 4表现仍平平，代码能力远逊于GPT-4o。

（图源：Meta）

4. 战略急转弯：从开源到低价闭源

2026年，Meta转变策略，推出付费模型 Muse Spark 1.1，放弃纯开源路线。其API定价极具侵略性：每百万输入Token 1.25美元，输出4.25美元，仅为OpenAI和Anthropic的四分之一。

5. 人事动荡与高层认错

Meta AI团队近年震荡剧烈，大量人员流失。今年5月，扎克伯格主导大规模重组，裁撤8000人，并将7000人强制转岗至AI部门。高压之下，高管持续离职。7月初内部大会上，扎克伯格罕见公开认错，承认Agent开发不及预期及人事管理问题。

总结而言，扎克伯格对AI发展深感焦虑，策略极端：一边疯狂烧钱囤积算力，一边在模型路线上频繁摇摆（开源/闭源、单模/多模）。关键痛点在于，Meta折腾多年，仍未跑通可行的商业变现路径，资本支出激增却未见相应回报。

Meta未走通的路，BAT已蹚出实效

Meta在AI应用侧的受阻，使其急于通过收购Manus（未果）来补齐智能体短板。在大模型同质化背景下，AI Agent被视为落地的“最后一公里”。但这不仅依赖参数堆砌，更考验模型的规划能力、工具调用能力及产品化工程经验。

尽管Meta拥有海量算力和基础模型，但在开源竞争中，Llama未能在性能上甩开GPT和Claude，反而被国内DeepSeek、千问等厂商在部分指标反超。基础优势丧失，导致内部Agent研发受阻，给用户（尤其是企业用户）留下“做不了复杂任务”的印象。

Meta的优势与困境

作为社交巨头，Meta拥有10亿级活跃用户，WhatsApp等平台数亿用户已在使用Meta AI。然而，“AI+社交”未能带来显著营收增量。AI功能虽提升用户黏性，但收入核心仍是广告。且AI功能（如免费回复、画图）需Meta承担高昂成本，形成“用户免费用，平台买单”的局面。

（图源：WhatsApp）

在此背景下，Meta出租算力成为理性选择。据估算，此举每年可回血约200亿美元，对持续烧钱的Meta而言极具吸引力。

中国大厂的务实路线

相比之下，国内互联网大厂的AI路线更为务实：

• 阿里：坚持千问大模型开源，旨在繁荣生态，将算力消耗和模型调用引流至阿里云。通过千问App接入电影票、打车、外卖等阿里生态服务，实现“一切为Agent服务”。
• 字节跳动：不盲目追求极致参数，C端打造国民级应用豆包；B端依托短视频生态，通过Seedance 2.0等视频生成技术拿下大量企业订单，成为工业影视生产力工具。
• 百度：聚焦生产力智能体，将文心一言打造为平台，深耕客服、营销、编程等具体场景，吸引B端用户。
• 腾讯：战略克制，极少宣传参数或疯狂并购。核心模型混元主打实用主义，不颠覆现有产品逻辑，而是将AI融入微信、QQ、腾讯会议等成熟生态。例如微信智能搜索摘要、腾讯会议AI纪要、小程序智能客服等。

腾讯认为，未来用户未必需要独立AI App，微信本身即可成为关键入口。其灰度测试的AI助手「小微」集成于微信，支持语音/文字操作原生功能、调用小程序甚至一键生成小程序。

（图源：微博）

腾讯谨慎推进小微全量上线，关键考量在于：若10亿用户同时在微信使用AI服务，将产生海量算力消耗，对服务器构成巨大压力。

“算力过剩”仍是伪命题

Meta出租算力引发市场暴跌，折射出对“算力过剩”的恐慌。但在雷科技（ID：leitech）看来，这仍是伪命题。

1. 算力分层，而非绝对过剩

Meta出售算力，表面因冗余，深层原因是其对自身AI业务发展过于乐观，提前囤积算力，但大模型掉队、Agent落地不佳，导致基础设施闲置。

然而，对于业务表现优异的企业（如谷歌、微软、亚马逊），算力仍是稀缺资源，甚至自研芯片以掌握主动权。Meta出售的主要是上一代架构GPU及冗余算力，其新一代Muse前沿模型及关键项目仍需顶尖GPU集群，高端卡依然一卡难求。

（图源：英伟达）

2. 从粗放管理转向精细化经营

过去几年，AI焦虑导致企业盲目囤积算力，不论场景需求，先买再说。这与Meta当年All in元宇宙如出一辙。

如今，资金有限，市场更看重算力能否带来商业化回报。
* 有稳定AI业务、形成闭环的企业：算力是稀缺资源。
* 长期亏损、无变现路径的企业：甩卖冗余算力是更优解。

未来，算力或将如水电般成为可调配、转让的流动性资源。企业将建立更复杂的调度系统：高优先级任务优先使用，闲时或富余算力通过API开放市场。

结语

扎克伯格的认错与出售算力决策，对Meta并非坏事。这标志着持续数年的烧钱狂奔踩下刹车，经营回归务实。凭借社交网络优势带来的广告收入及算力出租营收，Meta仍保有较高容错率，允许其在AI领域继续探索。

Meta的转变也宣告：AI行业狂飙突进的粗放时代已结束，技术终将适配现实商业逻辑。在未来的大洗牌中，唯有在算力消耗与商业变现间找到平衡者，方能赢得淘汰赛。

(责任编辑：娱乐)