李桂松:全球算力资产竞争格局与资产管理报告(八)
日期 2026-10-19    作者 李桂松   编辑 北京云阿云

全球算力资产竞争格局与资产管理报告

导读:算力即国力。当芯片从设备升维为可计量、可调度、可金融化的战略资产,一场围绕有效算力的全球竞逐已然打响——美企主导、中国追赶,双核格局之下,大国算力博弈中国胜算几何?报告全文20万字,由云阿云智库平台主席兼财政金融院长李桂松原创出品。

报告名称:《全球算力资产竞争格局与资产管理报告》

报告撰写:北京云阿云智库平台主席兼财政金融院长李桂松

课题组长:李桂松院长

课题组成员名单:

李桂松:北京云阿云智库平台主席兼财政金融院长

李国熙:北京云阿云智库平台全球治理研究中心主任

李国琥:北京云阿云智库平台空天学院院长

李嘉仪:北京云阿云平台金融院长

报告完成日期:2026年9月19日

业务联系电话:13360021949(李博士)

第八章Meta Platforms

一、企业概况与算力资产规模

(一)AI基础设施累计投资近1800亿美元

元平台(Meta Platforms)在2026年已成为全球算力资产领域最具争议性也最具战略野心的参与者之一。自2023年启动AI基础设施大规模建设以来,Meta的累计算力资产投资已接近1800亿美元量级。这一数字的构成涵盖了三个主要部分:显卡等计算设备的直接采购、数据中心的建设与租赁、以及自研芯片的研发投入。如果将其置于全球算力投资格局中审视,Meta的单一主体投资规模已经超过了大多数国家级的算力基础设施计划。

这一投资规模的战略背景是扎克伯格对“超级智能”的公开押注。扎克伯格在2026年的多次公开表态中明确将AI算力建设定位为“确保技术收益惠及所有人”的基础设施投资。这一话语体系将Meta的算力资产从“成本中心”重新定义为“战略资产”——其价值不仅体现在广告业务的效率提升上,更体现在对下一代技术范式的“入场资格”上。

从财务承受能力的角度看,Meta的广告业务为这一巨额投资提供了现金流基础。2026年第二季度,Meta家族应用(Family of Apps)的营收同比增长27%至590亿美元,全球平均广告价格同比上涨12%。这一“量价齐升”的态势使Meta能够在资本支出大幅扩张的同时维持正的自由现金流——尽管自由现金流已从上年同期的85.5亿美元骤降至7.84亿美元,但尚未转负。纳斯达克的分析指出,“强劲的广告收入增长、上升的广告价格和更高的用户时长表明,AI已经在强化Meta的核心业务”。

然而,累计投资规模与当期财务表现之间的张力正在加剧。Meta在2026年第二季度的资本支出达到310.8亿美元(含融资租赁本金支付),同比增长83%,几乎“吞噬了全部经营现金流”。这一“将利润全部投入算力”的策略,使Meta成为超大规模云厂商中资本纪律最激进的企业。投资者面临的核心问题是:这一激进策略的回报路径何时能够清晰化?

(二)2026年资本支出1250-1450亿美元

Meta的2026年资本支出指引在年内经历了上调,最终区间为1300亿至1450亿美元(原指引为1250亿至1450亿美元)。这一区间的中位数约为1375亿美元,是Meta 2025年资本支出(约390亿美元)的约3.5倍。如果这一支出规模得以实现,Meta将在2026年超越微软(约1900亿美元)和字母表(约2000亿美元),成为超大规模云厂商中资本支出强度最高的企业——以其预计年收入(约2000亿美元)为参照,Meta的资本支出占收入的比例将达到约69%,远超微软的约57%和字母表的约60%。

从季度执行节奏来看,Meta的资本支出呈现出加速态势。2026年第一季度资本支出为198亿美元,第二季度跃升至310.8亿美元,环比增长约57%。这一加速的驱动力来自两个方面:显卡采购的放量和数据中心的集中建设。路透社获得的一份内部备忘录显示,Meta在2026年上半年新增了1吉瓦的计算容量,预计在下半年再增加2.5吉瓦,全年部署总量达到7吉瓦。这一“半年部署量翻倍”的节奏,使Meta的算力资产扩张速度仅次于字母表。

资本支出的融资结构值得特别关注。Meta在2026年7月与贝莱德达成了一项具有里程碑意义的合资安排:贝莱德管理的基金将持有埃尔帕索数据中心合资企业80%的权益,Meta保留20%;双方按持股比例出资约140亿美元的总开发成本;在交易交割时,Meta出资约23亿美元的已建设资产,贝莱德出资约49亿美元现金,Meta获得约10亿美元的一次性分配。这一结构使Meta能够在不将全部资本支出计入自身资产负债表的情况下,推进吉瓦级数据中心的建设。Meta与贝莱德的合作被扎克伯格描述为“将我们在设计和运营世界级数据中心方面的深厚专业知识与全球领先的基础设施投资者相结合”。

(三)全球数据中心布局(加拿大1GW/印第安纳/德克萨斯/路易斯安那5GW)

Meta的全球数据中心布局在2026年呈现出“北美集中、单点超大规模”的特征。与字母表和微软的全球分散部署不同,Meta的算力资产高度集中在北美大陆,且每个站点的规模都达到了“吉瓦级”的量级。

路易斯安那州里奇兰教区是Meta全球算力版图中最核心的节点。Meta在2026年7月宣布将该项目的投资额从最初的约100亿美元扩大至超过500亿美元,计算容量扩展至5吉瓦,使其成为Meta全球 fleet 中最大的数据中心,也是“有史以来最大的数据中心之一”。该站点将承载Meta的最大多吉瓦AI训练集群“Hyperion”。项目预计在建设高峰期支持7,500个建筑工作岗位,运营后提供约1,000个岗位。Meta已与当地企业签订了超过16亿美元的合同,并为当地基础设施改善投资了超过10亿美元。这一投资的规模在单一数据中心项目中前所未有——5吉瓦的容量相当于约400万户家庭的用电量,而500亿美元的投资额超过了大多数国家的年度科技预算。

德克萨斯州埃尔帕索是Meta与贝莱德合资的核心站点。该项目拥有1吉瓦的计算容量,总开发成本约140亿美元,预计于2028年开始上线。Meta作为该站点的初始唯一租户,将提供建设管理、行政和物业管理服务。这一“自建自租”的模式使Meta能够在不直接持有数据中心资产的情况下获得算力容量。

印第安纳州黎巴嫩的LEAP创新与研究区是Meta在2026年2月破土动工的另一个超100亿美元项目。该站点占地1,500英亩,计划建设13栋建筑(包括10栋数据中心建筑),是Meta全球第33个数据中心。印第安纳州经济发展公司为该项目提供了35年期的数据中心销售税豁免,基于Meta在最初六年内至少投资10亿美元合格资本的承诺。

加拿大艾伯塔省斯特金县是Meta在加拿大的首个数据中心,投资额约为130亿加元(约合100亿美元),容量为1吉瓦,主要依靠天然气发电运行。Meta表示将“全额支付数据中心的能源使用以及水和废水服务费用,以确保消费者不受负面影响”。这一表态反映了Meta对数据中心社区关系管理的重视——在能源和水的使用引发当地社区关注的背景下,Meta试图通过“付费不转嫁”的策略来建立信任。

从地理集中度的角度看,Meta的算力资产布局与美国其他超大规模云厂商形成了鲜明对比。字母表和微软在全球范围内分散部署数据中心,以服务全球客户和满足数据主权要求。而Meta的算力资产几乎完全服务于内部需求(广告算法、推荐系统、Llama模型训练、Meta AI推理),因此不需要考虑“靠近客户”的地理分布要求。这种“集中化”布局的优势是规模经济最大化和运营效率最优化;劣势是单一站点故障的风险集中和对当地能源/水资源的高度依赖。

二、核心算力资产分析

(一)显卡集群规模

Meta的显卡集群规模在2026年已经达到超大规模的量级,其部署速度在超大规模云厂商中处于领先位置。根据数据中心动态在2026年3月的报道,Meta计划在2026年底运营“60万颗H100 显卡等效算力”,其中包括其数据中心内的34万颗英伟达H100 显卡。这一“60万H100等效”的度量方式本身值得关注——它表明Meta的算力资产组合已经多元化到需要将不同代际、不同架构的芯片折算为统一单位来管理的程度。

从更宏观的视角看,路透社获得的内部备忘录披露了Meta的总算力容量数据:2026年计划部署7吉瓦的计算基础设施,2027年将翻倍至14吉瓦。7吉瓦的容量相当于约560万户家庭的用电量,这一数字使Meta的算力基础设施规模接近一个中等规模国家的电力系统。

Meta 显卡集群的代际构成正在经历快速迭代。从英伟达的H100系列向Blackwell系列的过渡是2026年的核心任务。然而,这一过渡面临显著的工程挑战。内部备忘录承认,采用最新的显卡“对于Meta这样规模的公司来说是一项沉重的负担,并且耗费了我们的时间”。这一坦承揭示了超大规模算力资产管理的一个核心难题:技术迭代的速度与运营复杂度的上升呈正相关。每一代新显卡的引入都需要重新设计机架架构、重新配置冷却系统、重新优化调度算法、重新调试软件栈——这些“隐性成本”往往在芯片采购决策中被低估。

从网络架构的角度看,Meta的显卡集群依赖于英伟达Quantum2 InfiniBand网络和Grand Tonto硬件平台。以俄亥俄州新奥尔巴尼的Prometheus集群为例,这一1吉瓦的AI训练超级计算机集群预计配备约130万块英伟达H100 显卡,算力超过2 Exa浮点运算每秒,是Meta在俄亥俄州和路易斯安那州秘密建设的两个“吉瓦级”超级计算集群之一。Prometheus的规模——130万颗H100——如果投入商业运营,其价值将超过300亿美元(按每颗H100约2.5万美元估算),使单一集群的资产规模超过大多数上市公司的总资产。

从供应链管理的角度看,Meta在2026年采取了长期、多源的芯片供应策略。内部备忘录显示,Meta已与三星电子(内存芯片)、Sandisk(闪存)、住友电工(光纤设备)等供应商签订了多年期供应协议。这种“锁定供应”的策略在内存芯片短缺的背景下具有战略意义——Apple等公司因内存短缺而被迫提高价格,而Meta通过长期协议锁定了供应和价格。从算力资产管理的角度看,这意味着Meta的供应链风险被显著降低,但灵活性也相应受限——长期协议通常包含“照付不议”条款,即使Meta的算力需求发生变化,仍需履行采购承诺。

(二)自研芯片进展

Meta的自研芯片项目在2026年终于迎来了转折点,但其进展路径充满了曲折与教训。

Meta的自研AI芯片项目代号MTIA(Meta Training and Inference Accelerator),在2026年已经演进到第四代。最新一代芯片的代号为“Iris”,将于2026年9月进入量产阶段。路透社获得的内部备忘录显示,Iris的测试“仅用了六周,没有发现重大问题”——这一相对快速的进展“标志着这一内部努力自五年前启动以来一直步履蹒跚之后的积极势头”。

Iris的技术路线体现了Meta的务实策略。芯片由博通协助设计,由台积电制造,定位为“增强”Meta从英伟达和AMD采购的大量显卡,而非“替代”它们。这一“增强而非替代”的定位是Meta自研芯片战略的核心特征,也是其与谷歌 TPU和亚马逊 特雷尼乌姆的根本区别。谷歌的TPU从设计之初就定位为“英伟达显卡的替代方案”,亚马逊的特雷尼乌姆同样以“降低对英伟达依赖”为目标。而Meta的MTIA项目从始至终被定位为“补充性”芯片——用于处理Meta特定的AI工作负载(如Facebook和Instagram的推荐系统),而非通用AI训练。

这一“补充性”定位的优势是降低了技术风险:Meta不需要在芯片性能上与英伟达“正面竞争”,只需要在特定场景中实现成本或效率优势。但劣势同样明显:MTIA的潜在应用范围远小于TPU和特雷尼乌姆,其规模经济效应受限于Meta的内部需求。

从迭代速度的角度看,Meta正在采取激进的加速策略。备忘录显示,Meta计划每六个月推出一款新芯片,持续到2027年,而行业通常的AI芯片发布间隔为一年或更长。这一“六个月一代”的节奏如果实现,将使Meta的芯片迭代速度两倍于行业平均水平。但这一激进节奏的可持续性值得怀疑——芯片设计、验证、流片和量产是资源密集型的过程,加速迭代可能以牺牲设计质量或增加研发成本为代价。

从历史教训的角度看,Meta的自研芯片项目并非一帆风顺。备忘录的表述——“自五年前启动以来一直步履蹒跚”——暗示了项目早期遭遇的挫折。纳斯达克的分析也指出,Meta的“自研AI训练芯片推进不顺”是其转向谷歌 TPU进行训练的重要背景。这一历史表明,自研芯片的技术壁垒远高于“设计一款专用集成电路”的简单逻辑——它需要软件生态、工具链、开发者关系的系统性建设,而这些能力无法通过资本投入在短期内获得。

(三)对外算力租赁服务的战略转型

Meta在2026年7月做出了一个具有战略转折意义的决策:筹建云基础设施业务,向外部客户出售富余的AI算力和模型访问权限。这一项目内部代号为“Meta 计算”,由Meta基础设施主管Santosh Janardhan、超级智能实验室负责人之一Daniel Gross以及Meta总裁Dina Powell McCormick共同领导。

这一战略转型的直接触发因素是扎克伯格在2026年5月股东大会上的公开表态。扎克伯格表示,如果算力建设出现过剩,对外出租“绝对在考虑范围内”,并透露“几乎每周都有外部公司联系我们,愿意以高于我们采购成本的溢价来购买算力”。这一表述的信息含量极高:它表明算力市场处于卖方市场,外部客户愿意支付高于Meta采购成本的价格来获取算力。这意味着Meta的算力资产不仅具有使用价值,还具有市场价值——其公允价值可能高于账面成本。

从商业模式的角度看,Meta 计算的定位与AWS、Azure和谷歌云形成了直接竞争。但Meta的竞争优势不在于“服务的丰富性”或“生态的成熟度”,而在于“算力的可获得性”。在算力供给紧张的2026年,“有卡可租”本身就是一种稀缺资源。Meta的7吉瓦算力容量和60万H100等效的集群规模,使其成为超大规模云市场的新进入者中最具实力的挑战者。

光大证券的分析将这一转型的财务逻辑阐述得最为清晰:“Meta进军云计算的底层逻辑,是希望为巨额的AI基础设施投资创造新的变现通道。此前Meta被市场质疑的核心问题是:AI资本开支太大,何时能转化为利润,而云业务的开辟,使得Meta的显卡集群从‘纯成本包袱’转为‘可创收资产’,闲时算力对外变现直接摊薄折旧与运维成本”。这一分析的核心洞察是:算力资产的“利用率”决定了其经济价值。一台显卡在“自用”场景下可能仅有60-70%的利用率,而在“自用+租赁”场景下可以接近100%。利用率的提升直接摊薄了单位算力的固定成本,从而改善了整个算力资产组合的回报率。

从行业先例的角度看,xAI与Anthropic的算力租赁协议为Meta提供了定价参照。2026年5月,Anthropic与xAI签署协议,包租位于田纳西州孟菲斯Colossus 1数据中心的全部300MW算力产能,合同期至2029年,月费约12.5亿美元,协议总价值超过400亿美元。这一协议的隐含回报率值得深入分析:如果Colossus 1的硬件投资约为150-200亿美元(按300MW容量的典型成本估算),那么月费12.5亿美元意味着年收入150亿美元,投资回收期约为1-1.3年。这一回报率远高于传统数据中心的投资回报水平,反映了算力供给短缺带来的定价权。

(四)闲置算力(约35%)的商业化路径

“约35%的闲置算力”是理解Meta算力资产商业化策略的核心数据。兴业证券援引海外投资者的分析指出,Meta出租的是“偏旧的非核心算力”以回笼现金流,同时“继续保留Rubin系列等高端资源以发展超级智能”。这一策略揭示了Meta算力资产管理的分层逻辑。

从资产分层的角度看,Meta的算力资产被划分为三个层级。第一层是“前沿训练算力”——最新的英伟达 Blackwell/Rubin系列显卡,用于训练Meta的下一代Llama模型和超级智能项目。这一层级的算力不对外出租,因为它是Meta核心竞争力的载体。第二层是“推理与微调算力”——上一代显卡(如H100),用于支撑Meta AI、广告推荐系统等生产性工作负载。这一层级的算力在满足内部需求后的冗余部分可以对外出租。第三层是“折旧算力”——更老旧的显卡(如A100),其内部使用价值已经下降,但市场价值仍然存在(因为许多AI初创公司只需要“可用的算力”,而非“最先进的算力”)。这一层级的算力是优先出租的对象。

“35%闲置率”的经济学含义是深远的。在自用场景下,35%的闲置意味着Meta的算力资产利用率仅为65%,大量资本沉淀在“等待任务”的设备上。在自用+租赁场景下,即使只将闲置算力的一半(约17.5%)出租,也能将整体利用率提升至82.5%,单位算力的固定成本分摊下降约21%。如果闲置算力的全部(35%)能够以市场价格出租,Meta的算力资产将实现接近满负荷的利用率,其投资回报率将显著改善。

从定价策略的角度看,Meta对外出租算力的定价基准可能是“采购成本+溢价”。扎克伯格透露“外部公司愿意以高于我们采购成本的溢价来购买算力”。这一表述暗示Meta的定价策略是“成本加成”——以Meta的采购成本为基础,加上反映市场供需的溢价。Meta的采购成本优势来自其大规模采购的议价能力和长期供应协议锁定的价格。这一“成本优势+市场溢价”的组合,使Meta的算力租赁业务具有正的毛利率,即使以“市场价”出租也能盈利。

三、竞争优势分析

(一)广告业务现金流对算力投入的强力支撑

Meta最独特的竞争优势在于:它拥有一个年收入超过2000亿美元的广告业务,为算力投资提供几乎无限的现金流。这一优势是结构性的,且无法被纯粹的技术公司复制。

从财务数据来看,Meta的广告业务在2026年表现出强劲的增长韧性。第二季度家族应用营收590亿美元,同比增长27%;广告价格同比上涨12%,表明AI驱动的广告工具正在增强Meta的定价权。Instagram的使用时长实现两位数增长,Facebook的全球使用时长增长9%,Meta AI的日交互量在其旗舰Muse Spark模型整合后增长60%。这些数据共同构成了一个正反馈循环:AI提升广告效率→广告收入增长→更多算力投资→AI能力增强→广告效率进一步提升。

从资本配置的角度看,广告业务的现金流使Meta能够以“自有资金为主”,而不依赖于外部融资。纳斯达克的分析指出,即使自由现金流“暴跌”,扎克伯格仍然“坚持激进的AI算力建设”。这一“坚持”的底气来自广告业务的现金流生成能力——只要广告业务保持增长,Meta就有能力持续为算力投资提供资金。

从竞争对比的角度看,Meta的“广告现金流+算力投资”模式与其他超大规模云厂商形成了鲜明差异。微软和字母表的算力投资部分由云服务收入支撑——它们需要向客户交付云服务来证明算力投资的合理性。而Meta的算力投资完全由内部需求驱动——广告业务本身就是算力的“终极消费者”。这一差异的含义是:Meta的算力投资不需要“向外部客户证明价值”,只需要在广告业务中产生可衡量的效率提升。这使Meta的算力投资决策更加灵活——它可以承受更长的回报周期,因为广告业务的现金流不依赖于算力投资的外部变现。

(二)Llama开源生态的算力需求牵引

Meta的Llama开源模型生态是其算力资产管理中一个独特而复杂的竞争优势来源。与谷歌的Gemini(闭源、通过云服务变现)和OpenAI的GPT(闭源、通过API变现)不同,Meta选择将Llama模型开源发布,允许任何人免费使用和修改。

这一开源策略的算力含义是多层面的。在直接需求层面,Llama模型的训练和迭代消耗大量算力——Llama 4的训练可能需要数十万颗显卡运行数月。在间接需求层面,Llama的开源生态催生了大量的微调、部署和推理需求,其中一部分可能通过Meta的云服务或算力租赁来满足。在战略层面,Llama的开源使Meta成为AI开发者社区的核心节点,这为Meta的算力资产赋予了一种“生态价值”——即使Meta不出租算力,Llama生态的繁荣也会间接提升Meta算力资产的战略重要性。

然而,Llama开源策略的算力经济学存在一个内在张力。开源意味着Meta无法从Llama模型本身直接获得收入——任何公司都可以下载Llama模型,在自己的基础设施上部署,而不向Meta支付任何费用。这意味着Llama的算力需求在很大程度上流向了Meta的竞争对手(如AWS、Azure、谷歌云的算力租赁服务),而非Meta自己的算力资产。从算力资产回报的角度看,Llama开源策略的直接经济回报是有限的——Meta投入算力训练Llama,但Llama的商业化收益主要被云服务提供商和应用开发者捕获。

Meta对这一张力的应对策略似乎是“开源模型+付费算力”的组合。通过将Llama开源,Meta建立了开发者生态和品牌认知;通过Meta 计算对外出租算力,Meta可以捕获Llama生态的部分算力需求。这一策略的成功条件是:Meta 计算能够提供比竞争对手更具性价比的算力——而Meta的35%闲置算力和规模经济为这一条件提供了可能性。

(三)从“自用”到“租赁”的资产变现灵活性

Meta从“纯自用”向“自用+租赁”的转型,为其算力资产管理赋予了独特的灵活性。这一灵活性的核心在于:Meta的算力资产不依赖于任何外部客户的持续采购,因此可以在“自用”和“租赁”之间灵活切换。

从资产配置的角度看,这一灵活性体现在三个层面。在时间层面,Meta可以根据内部需求的波动,动态调整对外出租的算力比例。当内部训练任务密集时,减少对外出租;当内部需求低谷时,增加对外出租。在层级层面,Meta可以根据芯片代际,分层配置对外出租的算力。最新芯片用于内部训练,上一代芯片用于内部推理+对外出租,老旧芯片完全对外出租。在客户层面,Meta可以根据合约期限,混合配置长期租赁和现货租赁。长期合约提供收入可见性,现货租赁提供定价灵活性。

从财务影响的角度看,这一灵活性使Meta的算力资产具有“期权价值”。如果AI算力需求持续增长,Meta可以扩大对外出租,将算力资产转化为收入来源;如果AI算力需求放缓,Meta可以收缩对外出租,将算力资产保留为内部使用,避免“产能过剩”的减值风险。这一“进可攻、退可守”的定位,使Meta的算力资产比纯粹的云服务提供商具有更强的抗周期能力。

从市场信号的角度看,Meta 计算的筹建本身就是一个强烈的市场信号。扎克伯格透露的“几乎每周都有外部公司联系我们”表明算力市场的需求强度远超Meta的内部消化能力。这一信号的含义是:算力供给仍然短缺,Meta的算力资产具有明确的市场价值。光大证券的分析指出,“算力可对外变现后,进一步大幅上调CAPEX指引的空间有所收窄,短期存在预期下修叙事扰动”,但“当前供不应求的局面未发生改变”。

四、劣势与风险分析

(一)算力投资回报路径尚不清晰

Meta面临的最核心风险,是算力投资回报路径的清晰度不足。与微软和字母表不同——它们的算力投资直接转化为云服务收入(Azure和谷歌云)——Meta的算力投资没有直接的收入对应物。

从广告业务的角度看,AI驱动的广告效率提升是Meta算力投资的主要回报路径。广告价格的12%上涨和使用时长的增长表明AI确实在改善广告业务。但这一回报的归因是模糊的——广告价格的上涨可能来自AI驱动的精准投放,也可能来自宏观经济复苏或竞争格局变化。投资者无法准确区分“多少广告增长来自AI算力投资”和“多少来自其他因素”。纳斯达克的分析指出了这一归因难题:“对投资者来说,关键问题是这些趋势能否在资本支出保持高位的情况下持续”。

从Meta 计算的角度看,云租赁业务为算力投资提供了第二个回报路径。但这一路径的规模尚不明确——Meta尚未披露Meta 计算的目标收入、客户获取计划或定价策略。兴业证券的分析将Meta的租赁策略描述为“出租偏旧的非核心算力以回笼现金流”,暗示这一业务的定位是“现金流优化”而非“利润中心”。如果Meta 计算的收入规模远小于其算力投资规模,那么它无法成为算力投资回报的主要来源。

从长期战略的角度看,Meta的算力投资最终回报可能来自“超级智能”的突破——如果Meta成功开发出超越人类水平的AI,这一突破的经济价值将远超当前的算力投资规模。但这一回报路径的不确定性极高——超级智能的时间表、技术路径和商业可行性都是未知数。扎克伯格的“押注”本质上是一个长期的、高风险的、回报不确定的战略选择。

(二)元宇宙历史包袱对资本纪律的影响

Meta的“元宇宙历史包袱”是评估其算力投资资本纪律时不可忽视的负面因素。Meta在2021年将公司更名为“Meta Platforms”,宣布每年投入100亿美元以上于元宇宙(现实实验室)业务。然而,这一投资在随后的几年中持续亏损,现实实验室的年度运营亏损超过150亿美元,且商业化进展缓慢。

从资本纪律的角度看,元宇宙投资的历史削弱了市场对Meta资本配置能力的信任。当Meta宣布1300-1450亿美元的AI资本支出时,投资者自然会联想到元宇宙投资的“投入巨大、回报不明”的模式。纳斯达克的分析将资本支出描述为“我对这只股票最大的担忧”,这一担忧的根源正是Meta在元宇宙投资中展示的“不惜代价”的倾向。

从管理层可信度的角度看,扎克伯格在元宇宙投资中的乐观表态与实际结果之间的差距,可能影响市场对Meta AI投资前景评估的可信度。扎克伯格在元宇宙投资中曾多次表示“需要数年时间”才能看到回报,而AI投资中类似的表述(“几年后收入增长将超过增量资本支出”)可能被市场以更加怀疑的眼光审视。

从资源竞争的角度看,元宇宙投资虽然已经大幅收缩,但现实实验室仍然消耗数十亿美元的年度运营费用。在AI算力投资吞噬几乎全部自由现金流的背景下,现实实验室的持续亏损进一步压缩了Meta的财务灵活性。如果AI投资的回报未能如期实现,而现实实验室的亏损持续存在,Meta可能面临“双线失血”的财务困境。

(三)云服务领域的新进入者劣势

Meta计算作为云服务市场的新进入者,面临多重结构性劣势。

从生态成熟度的角度看,AWS、Azure和谷歌云经过十年以上的积累,建立了完整的云服务产品体系——从计算、存储、网络到数据库、AI/ML、安全和管理工具。Meta 计算如果仅提供“算力租赁”,其客户价值主张将远弱于成熟的云平台。企业客户不会为了“租用几张显卡”而放弃AWS或Azure的完整生态。

从企业信任的角度看,云服务是企业关键工作负载的承载平台,对安全性、合规性和可靠性的要求极高。Meta作为消费者社交平台的运营者,在企业级市场的信任基础远弱于微软(企业软件领导者)和亚马逊(企业基础设施领导者)。Meta的数据隐私历史(如Cambridge Analytica丑闻)可能使企业客户对将敏感数据部署在Meta的云平台上持保留态度。

从客户获取的角度看,Meta 计算的初始客户可能来自AI初创公司和研究机构——它们对价格敏感,且对生态完整性的要求较低。但这些客户的付费能力和合约稳定性可能不如大型企业客户。如果Meta 计算无法吸引大型企业客户,其收入规模和利润空间将受限。

从战略聚焦的角度看,Meta的核心业务是广告和社交,云服务是全新的业务领域。Meta在云服务领域的组织能力、人才储备和运营经验都远不及其在社交和广告领域的积累。Meta 计算的成功需要建立全新的销售团队、客户支持体系和合作伙伴网络——这些都不是Meta的现有优势。

(四)自研芯片能力相对薄弱

Meta的自研芯片能力在超大规模云厂商中处于相对落后的位置。与谷歌(TPU十年积累)、亚马逊(特雷尼乌姆三代产品)和微软(玛雅/Cobalt系列)相比,Meta的MTIA项目历史更短、规模更小、生态更不成熟。

从技术积累的角度看,谷歌的TPU已经演进到第八代,亚马逊的特雷尼乌姆已经到第四代,而Meta的MTIA仍在第四代(Iris)。虽然从“代数”上看Meta并不落后太多,但实际的技术成熟度和部署规模差距显著。谷歌的TPU出货量在2026年达到420万颗,亚马逊的特雷尼乌姆“几乎售罄”,而Meta的Iris尚未量产。

从战略定位的角度看,Meta的MTIA被定位为“增强而非替代”显卡,这一务实定位降低了技术风险,但也限制了战略价值。谷歌的TPU和亚马逊的特雷尼乌姆都是“替代英伟达” 的战略级项目,目标是降低对英伟达的依赖和捕获芯片层的利润。Meta的MTIA如果永远停留在“增强”定位,它无法为Meta带来类似的战略价值——Meta将继续依赖英伟达的显卡,继续支付英伟达的溢价,继续暴露于英伟达的供应约束。

从软件生态的角度看,Meta的MTIA缺乏谷歌的JAX/TensorFlow和亚马逊的Neuron SDK那样的成熟软件栈。MTIA的软件工具链、编译器优化和框架支持的成熟度远不及CUDA或其他替代方案。这意味着即使Iris的硬件性能达标,其实际有效算力可能受限于软件优化程度。

五、战略动向与展望

(一)从“AI消费者”向“AI基础设施运营商”的定位升级

Meta的战略演进方向在2026年变得清晰:从“AI技术的内部消费者”升级为“AI基础设施的运营商”。这一升级的核心标志是Meta 计算的筹建和贝莱德合资的落地。

在商业模式层面,Meta正在从“自建自用”向“自建自用+对外租赁”转型。Meta 计算的定位是“算力资产的效率优化”——通过将闲置算力对外变现,摊薄固定成本,提升投资回报率。这一转型的资产含义是:Meta的算力资产不再被视为“成本中心”,而是具有“收入生成能力”的“准利润中心”。

在融资结构层面,Meta正在从“自有资金为主”向“合资+自有资金”转型。与贝莱德的埃尔帕索合资(贝莱德80%/Meta 20%)使Meta能够在不将全部资本支出计入自身资产负债表的情况下推进吉瓦级数据中心的建设。这一结构的战略价值在于:它使Meta能够在保持资本效率的同时推进超大规模的算力扩张。扎克伯格将这一合作描述为“使我们能够更快、更大规模地行动”。

在组织架构层面,Meta正在整合基础设施和AI研究的力量。Meta 计算由基础设施主管(Santosh Janardhan)、超级智能实验室负责人(Daniel Gross)和总裁(Dina Powell McCormick)共同领导,这一“三方共管”的结构确保了算力资产的建设、使用和商业化在同一决策框架下协调。

(二)算力资产分层管理与“核心-边缘”架构

Meta的算力资产管理策略正在形成清晰的分层逻辑,这一逻辑可以概括为“核心-边缘”架构。

“核心”算力是最前沿的训练集群(如Prometheus和Hyperion),配备最新的Blackwell/Rubin系列显卡,用于训练Llama模型和超级智能项目。这一层级的算力不对外出租,因为它是Meta长期竞争力的根基。“边缘”算力是上一代和更老的显卡集群,用于内部推理、微调、广告推荐,并在满足内部需求后的冗余部分对外出租。这一层级的算力是Meta 计算的主要供给来源。

这一“核心-边缘”架构的资产含义是深远的。它使Meta能够在“技术前沿”和“商业变现”之间找到平衡——核心算力保证Meta不被技术迭代甩下,边缘算力保证Meta从已有投资中提取最大价值。这一架构的灵活性还体现在动态调整能力上:当新一代显卡(如Rubin)发布时,当前的“核心算力”(Blackwell)可以降级为“边缘算力”用于内部推理或对外出租;当前的“边缘算力”(H100)可以进一步降级,以更低的价格出租给对成本敏感的客户。这种“代际流转”机制使Meta的算力资产每一代都能在不同层级中被充分利用,最大化资产的“生命周期价值”。

(三)Llama生态与算力租赁的协同效应

Meta的战略布局中,Llama开源生态与算力租赁业务之间存在潜在的协同效应,但这一协同的实现程度取决于战略执行。

在需求牵引层面,Llama生态的开发者社区是Meta 计算的天然客户池。全球有数百万开发者使用Llama模型进行微调、部署和应用开发。这些开发者需要算力——他们中的大多数没有自己的显卡集群,依赖云服务或算力租赁。如果Meta 计算能够提供“Llama优化”的算力服务(例如,预配置的Llama微调环境、优化的推理栈),它可能成为Llama开发者的首选算力平台。

在模型优化层面,Meta可以利用Llama生态的反馈来优化其算力资产的效率。Llama的开源意味着全球开发者在使用Llama的过程中发现性能瓶颈、提出优化建议、贡献改进代码。这些集体智慧可以被Meta整合到其软件栈和硬件设计中,从而提升算力资产的有效产出。

在生态锁定层面,如果Meta 计算能够与Llama生态深度整合(例如,提供“Llama模型+优化算力+部署工具”的一体化解决方案),它可能建立起类似于CUDA的生态锁定效应。开发者一旦在Meta 计算上构建了Llama应用,迁移到其他平台的成本将显著上升。

然而,这一协同的实现面临显著障碍。首先,Llama的开源本质意味着竞争对手(AWS、Azure、谷歌云)同样可以服务Llama开发者——它们不需要Meta的许可即可提供Llama优化的算力服务。其次,Meta 计算作为新进入者,其服务可靠性、安全性和生态完整度的信任基础远弱于成熟云平台。第三,Meta的核心基因是消费者产品而非企业服务,将Llama开发者转化为Meta 计算客户需要建立全新的销售和支持能力。

(四)展望:在“超级智能赌注”与“资本纪律”之间寻找平衡

Meta的算力资产管理战略面临一个根本性的战略张力:“超级智能赌注”需要“不惜代价的投资”,而“资本纪律”要求“可衡量的回报”。

“超级智能赌注”的逻辑是:如果Meta成功开发出超越人类水平的AI,其经济价值将远超当前的算力投资规模。在这一逻辑下,当前的资本支出是“入场费”——不支付就无法参与未来的技术范式竞争。扎克伯格将AI算力建设定位为“确保技术收益惠及所有人”的基础设施投资,这一表述的潜台词是:AI的收益将是“文明级”的,当前的算力投资是“文明级”投资的必要组成部分。

“资本纪律”的逻辑是:Meta的自由现金流已经接近零,资本支出吞噬了几乎全部经营现金流,而算力投资的回报路径仍然模糊。在这一逻辑下,继续扩大资本支出可能损害股东价值——如果AI投资的回报低于资本成本,Meta的估值可能面临重估。

Meta的当前策略似乎是在两者之间寻找平衡——以“边缘算力出租”为“资本纪律”的证明,以“核心算力投资”为“超级智能赌注”的载体。Meta 计算的筹建是这一平衡的关键一步:它使Meta能够向市场证明其算力资产具有市场价值,从而为继续扩大算力投资提供“合理性”。但这一平衡的可持续性取决于两个条件:第一,Meta 计算能够以可接受的成本吸引到足够的客户,使出租算力的收入能够实质性改善算力资产的回报率;第二,广告业务的持续增长能够为算力投资提供“安全垫”,使Meta能够承受“超级智能赌注”的长期不确定性。

如果两个条件同时满足,Meta的算力资产管理将形成一个正反馈循环:广告现金流→算力投资→AI能力提升→广告效率改善+算力租赁收入→更多现金流→更多算力投资。如果任一条件失败,Meta可能面临“算力资产闲置”与“财务灵活性下降”的双重压力。2026年的Meta,正处于这一正反馈循环的早期阶段——其成功与否,将取决于未来12-24个月内广告增长、算力租赁客户获取和AI技术突破的实际进展。


点击数/观注度 140
  • 你可能感兴趣的?
  • 李桂松:人形机器人与具身智能报告(十二)    
    李桂松:人形机器人与具身智能报告(十一)    
    李桂松:人形机器人与具身智能报告(十)    
    李桂松:人形机器人与具身智能报告(九)    
    李桂松:人形机器人与具身智能报告(八)    
    李桂松:人形机器人与具身智能报告(七)    
    李桂松:人形机器人与具身智能报告(六)    
    李桂松:人形机器人与具身智能报告(五)    
    李桂松:人形机器人与具身智能报告(四)    
    李桂松:人形机器人与具身智能报告(三)    
    √ 互联网    
    √ 人工智能AI    
    √ 5G战局    
    √ 高端制造业    
    云阿云智库●区域经济研究院
    北京市平谷区中关村科技园区平谷园1区-21594(集群注册)
    13360021949 (李博士)
    liguisong2006@163.com
    京ICP备16017448号
     
    公安部备案
    技术支持