Meta 決定要蓋一座煉油廠了

前言

各位讀者，有一則挺有意思的消息。據彭博報導，Meta 正在籌備一項雲端業務，打算把多餘的 AI 算力賣給外部。光是這個消息，股價在盤前一度就衝上 8% 了。

不過我一看到這條新聞，腦中立刻浮現幾個月前的一幕。就在不久前，Meta 還因為算力不夠，要求員工「省著點用 AI Token」呢。一家說自己不夠用的公司，突然說有多餘的可以賣，這邏輯多少有點對不上吧。

先說結論。這不只是單純的業務多元化，而是一個信號——算力正在從「自己用的資源」變成「賣給別人的商品」。而這場變革真正的勝負手，不在於賣算力這件事本身，而在於誰能從中賺到更多的錢。

要把多餘的賣出去

Meta 正在評估的雲端業務，大致分兩條路線。

第一條，類似 AWS 的「Bedrock」模式。Bedrock 是一個讓開發者點幾下就能調用多種 AI 模型的入口，Meta 也打算把自家數據中心運行的各種模型——包括自研的「Muse Spark」在內——開放給開發者使用，收取使用費。對於很難直接拿到高性能 GPU 的初創公司或企業開發者來說，能在 Meta 經驗證的基礎設施上直接跑模型，這個提案相當有吸引力。就像在雲端租用應用程式一樣，AI 模型也即將進入「隨租隨用」的時代。

第二條，直接出租算力資源本身。不是賣模型，而是把「能運算的位置」整包租出去。這就是 CoreWeave 等所謂的 NeoCloud¹**​ 業者一直在做的事。**賣的是沒有疊加模型的「裸算力」，進入門檻較低，但競爭也格外激烈。Meta 據報將由內部組織「Meta Compute」主導推動這項業務，參與者包括負責基礎設施的 Santosh Janardhan、超智慧研究部門的 Daniel Gross，以及執行長 Dina Powell McCormick。陣容相當有分量。如果這成真，Meta 就從一家靠廣告吃飯的公司，變成正面殺入 AWS、Microsoft Azure、Google Cloud 壟斷市場的新玩家。同時，這也是降低廣告營收依賴的一張牌。

市場立刻有了反應。發布當天，股價盤前一度上漲 8.6%，之後回吐了部分漲幅。其實 Zuckerberg 在 5 月的股東大會上已經埋了伏筆——如果判斷數據中心建得太多，把多餘的算力賣出去也是一個選項。他還提到，幾乎每週都有其他公司來找他們「借一下基礎設施」。

幾個月前還說不夠用啊

這裡回到前面提到的矛盾。

**今年初，Meta 正苦於算力匱乏。Google 因為自身需求都顧不過來，限制了 Meta 對 Gemini 模型的存取，導致內部 AI 工作進度延宕。最後甚至要求員工減少 AI Token 的消耗。**就在現在，全球大型科技公司今年在 AI 基礎設施上的投入已超過 7,000 億美元，而去年才 4,000 億，一年內幾乎翻了一倍。半導體分析師 Dylan Patel 預估，僅 2026 年就有超過 20 吉瓦、2027 年超過 30 吉瓦的數據中心將啟用。但模型成長的速度一直快過基礎設施建設的速度，「永遠不夠」就是至今的常態。

那在這種情況下，「多餘」是怎麼出現的？ **兩件事疊加了。一是模型訓練效率提升，同樣的資源能完成更多工作；二是 Meta 本來就考慮到未來需求，提前大量建設。**所以短期內確實可能有多餘。有趣的是，Meta 自己也是 CoreWeave、Google、Oracle 大規模算力採購合約的「大客戶」。一邊向別人租，一邊向別人賣——這恰恰說明算力已經像水一樣，成為可以買賣的資源了。

更有趣的是，就在討論多餘算力的同一場 Town Hall 上，Zuckerberg 承認過去四個月 AI Agent 的開發進度沒有預期那麼快。但 AI 負責人 Alexander Wang 同時表示，下一代模型「Watermelon」正在用比現行模型多約 10 倍的算力進行訓練，且在主要基準測試中已追平 GPT-5.5 的水平。一邊說算力有剩餘，另一邊說下一個模型要再砸 10 倍進去。

**Meta 不是第一個這麼做的。Elon Musk 的 SpaceX 今年初收購 xAI 後，把孟菲斯的巨型數據中心租給 Anthropic，也與 Google 簽了合約。**Bloomberg Intelligence 估計，這個策略到 2028 年可將 xAI 營收拉升至 5,000 億美元，2030 年達到 1 兆美元。把多餘算力賣出去，已經成為一種成熟的商業模式。而這些舉動背後，有一個共同的壓力——投資者問：幾千億美元砸進去的基礎設施，到底什麼時候能回本？賣算力，就是對這個問題最快的回答。

真正的勝負在「煉製利潤」

**Dylan Patel 說：「Token 就是新的石油。」**意思是 AI 產出的 Token——也就是運算的結果——將成為未來經濟中最重要的原材料。讓我們把這個比喻再推深一點。

如果石油是原材料，那直接抽出來賣和煉製成汽油再賣，利潤完全不一樣。算力也是同理。直接出租裸算力的 NeoCloud 模式利潤薄、競爭激烈；而在其上疊加模型和軟體、以「即開即用」的形式出售的 Bedrock 模式，附加值就高得多。Meta 同時評估兩種模式，等於說從原油到汽油，全都要賣。

煉製的層級正在被切得更細。Patel 認為推理市場會分成兩條路：像程式碼輔助、即時對話這類速度至命的任務，願意為快速回應多付約 4 倍的溢價；而像大批量文件處理這類不急的任務，則選擇便宜但較慢的方案。現在 AI 服務的「快速模式」比「標準模式」貴，就是這個原理。同樣的運算，以什麼形式煉製出售，價格就完全不同。

但這裡 Patel 的另一個洞見很關鍵。他認為極大化推理效能的真正關鍵，不在於單一晶片或單一軟體，而在於從矽片到模型一併設計的「共同設計」²**​。只動一個層面，改善幅度有限；三者一起優化，差距可以拉到 100 倍。用煉油廠的比喻來說就是這樣。**未來賣多餘算力的公司會越來越多，但最終活下來的，一定是能把原油煉得最便宜、最高效的那家。也就是說，這場競爭的勝負手正在從「誰在賣算力」轉向「誰能從同樣的算力中攫取更多價值（value capture）³​」。

賣家如雨後春筍般湧現，背後也有 NVIDIA 的影子。對握有 GPU 的 NVIDIA 來說，市場被少數超大型雲端廠商壟斷，不如讓 CoreWeave 等新興雲端和各家 AI 研究機構都能分到資源——買家越分散，被單一大型客戶綁架的風險就越低。所以未來賣算力的玩家很可能只會更多。Meta 這次的決定，也是這個大趨勢中的一個場景。

那在這張圖裡，韓國在哪裡？剛好上個月 29 日，韓國亮出了自己的牌。政府發布的「三大兆元計畫」：西南地區半導體 800 兆韓元、AI 數據中心 550 兆韓元（一期 8.4 吉瓦，最終 18.4 吉瓦），以及投入國家資源發展在物理世界運作的「Physical AI」（如機器人）。

中國講效率、日本講指揮、韓國……800兆中國＝效率、日本＝指揮、韓國＝物理層letter.inlevel9.com

用煉油廠的比喻就很清楚了。韓國不只是供應煉製設備的核心零組件（HBM⁴**​），而是押注在蓋煉油廠的土地和鑽井設備本身。HBM 方面，三星電子和 SK 海力士已掌握全球供應的大部分，2026 年的產能已經售罄，這是確定的優勢；再加上數據中心這塊「地」和機器人這個「身體」。**美國大型科技公司在數據和關注度都相對較少的物理領域，與其用基礎模型正面硬剛，不如選擇這個更聰明的切入點。

不過**我始終覺得這盤棋裡有一格是空的。那就是煉製技術——也就是指揮那個身體的軟體和模型編排層。前面說過，真正的利潤不在原油，而在煉製；但 800 兆砸下去蓋設備和場地的計畫裡，「如何組合和指揮這些智慧」的答案幾乎看不到。**這是軟體層的問題……身體和心臟我們自己做，但真正驅動它們的大腦，很可能還是得依賴外來品。

Oz 的視角

老實說，我不太相信「多餘了所以賣」這個說法。

在制定市場進入策略時，我常看到一個模式：企業發布某個決定時，表面的理由和真正的意圖往往不同。Meta 真的是算力多到賣不掉嗎？還是在提前準備回答投資者「那筆天大的投資，到底什麼時候能回本？」這個問題？我傾向認為後者的權重更大。

這樣一看，今天股價上漲的原因也更清楚了。第一，訓練效率提升、產生了多餘資源，這是一個信號。第二，把多餘轉成營收，就打開了投資回報率（ROIC）的上行空間。第三，如果雲端業務順利，未來就有更大的投資名分和彈藥。市場反應的不是「Meta 在賣多餘的東西」這個事實，而是「Meta 現在有了回收基礎設施投資的牌」這個敘事。

所以我在這條新聞中關注的，不只是 Meta 一家。而是越來越多的公司開始把算力從「使用的資源」重新定義為「出售的商品」這個趨勢。

從 GTM 的角度補充一句：原材料越普及，錢就越往上面走——也就是「煉製」和「通路」。所以我更關注的不是國內企業拿了多少張 GPU，而是他們能拿這些 GPU 煉出什麼、賣得多好。算力本身會越來越難與別家區分。我每週寫一封信件，交叉閱讀科技、經濟和人文學科。這種結構性變化，每次都會重新劃分贏家和輸家。這次也會。

結語

今天的話用三句話總結：

第一，算力正在從「自己用的資源」變成「賣給別人的商品」。第二，真正的勝負不在於賣，而在於從同樣的算力中煉出更多價值的煉製能力。第三，韓國在半導體和數據中心這個「身體」上押了 800 兆，但利潤所在的「煉製（指揮）層」還是空的。

如果 Token 是新的石油，那現在還處於油田開發的初期。下一個主角，一定是掌握煉製技術的那個。共同設計的話題，下週四繼續。

如果你們有處理過雲端或 GPU 成本的經驗，想問你們一個問題：如果 Meta 開始賣算力，你們會考慮從 AWS、Azure 或 Google Cloud 轉過去嗎？什麼因素（價格、穩定性、品質）會是最關鍵的？歡迎在留言區告訴我。

---

💬 如果 Meta 開始賣算力，你會考慮轉過去嗎？什麼因素最關鍵？歡迎留言分享 · 📨 如果你認識對 AI 基礎設施有興趣的朋友，歡迎分享這篇文章。

---

覺得有幫助嗎？分享給更多人

複製連結XLinkedInThreadsKakaoTalk네이버 밴드

參考資料 & 延伸閱讀

核心來源

• Bloomberg, “Meta Is Building a Cloud Business to Sell Excess AI Compute”, 2026. 7. 1.：今天新聞的原始出處。兩種商業模式和推動組織都有整理。
• Reuters, “Meta building cloud business to sell excess AI capacity, Bloomberg News reports”, 2026. 7. 1.：可以一併查看 Zuckerberg 5 月股東大會的發言和股價反應。
• Sequoia Capital, Dylan Patel (SemiAnalysis) 訪談, 2026.：「Token＝石油」、共同設計 100 倍、算力匱乏論的原始出處。今天的分析框架就是從這裡來的。

背景知識

• SemiAnalysis, “AI Value Capture: The Shift to Model Labs”, 2026.：討論算力中誰在攫取價值的文章。如果想深入了解「煉製利潤」的概念，推薦閱讀。
• ZDNet Korea, THE ELEC，韓國 CSP GPU 與數據中心租賃策略報導, 2026.：半導體 800 兆、AI 數據中心 550 兆、Physical AI 的原始資料。本文韓國部分的依據。

作者 安光涉（Oswarld） 現任世宗大學兼任教授，INLEVEL9 策略顧問。職涯經歷、研究、著作與近期活動會持續更新在作者介紹。 最新動態 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

각주

1. NeoCloud：專門出租 AI 運算用 GPU 資源的新興雲端業者。CoreWeave 是代表。與提供綜合服務的傳統雲端不同，可以理解为只整包出租「運算位置」的業者。 ↩

2. 共同設計（Co-design）：不是分別設計晶片（硬體）、軟體和 AI 模型，而是從一開始就讓三者互相咬合、一併設計的方式。各自優化只能提升幾倍效率，但一起優化則可以大幅提升。 ↩

3. 價值攫取（Value Capture）：指在一個產業中創造的價值裡，實際被自己以利潤形式拿走的份額。就像賣同樣的東西，賣原材料和賣成品，剩下的錢完全不同。 ↩

4. HBM（高頻寬記憶體）：一種設計用於極高速數據讀寫的專用記憶體。因為能提升 AI 運算的瓶頸——「數據傳輸速度」，所以幾乎是高性能 AI 晶片的必備元件。三星電子和 SK 海力士掌握全球供應的大部分。 ↩