算力泡沫破了？Meta揭开AI真战场

Meta出售过剩GPU算力标志着AI竞争从“买芯”转向“买云”。深度拆解阿里、火山、百度、腾讯四大路径，看中国企业如何靠全栈服务降本增效，迎接AI变现下半场。

真正的奢侈品不是拥有更多，而是能定义何为奢侈。

7月初，彭博社一则消息击穿了全球AI产业链最后的幻觉。Meta宣布把过剩的GPU算力打包出租，股价应声暴涨8.8%，一天涨出半个阿里的市值。可另一边，被捧上神坛的算力“包租公”——CoreWeave们却集体闪崩，一夜蒸发超两位数。资本市场用真金白银宣告了一个残酷转折：AI的上半场，信仰“得芯片者得天下”；可到了下半场，当你还在煞费苦心囤积粮草时，战争规则已经变成了“得服务者得天下”。

算力稀缺的神话，正在被亲手终结

过去两年，中国企业老板和全球商业精英都活在同一个巨大的共识里：AI算力永远不够用。这个叙事逻辑其实极度线性且催眠：AI应用越多，消耗的Token就越多；Token烧得越猛，需要的GPU就越多；GPU紧俏，那么从英伟达到HBM内存，再到光模块、电力设备，一整条产业链都会鸡犬升天。也难怪，过去两年中国大厂同样争先恐后地加入军备竞赛，生怕少抢一张卡就落后一个时代。

但当你顺着这条看似完美的因果链倒推，会发现一个被刻意忽略的死结：下游AI应用赚到钱了么？显然还没有。Meta的出租计划之所以能撼动盘面，核心原因不是它能把闲置资产变现，而是它亲手戳破了“科技巨头可以无限烧钱”的集体信仰。当全球最大的GPU买家之一都开始流露出对巨额资本开支的焦虑，开始担心日益膨胀的算力池砸在手里时，下游那些纯粹靠“倒卖卡”维生的中介商，自然成了第一波祭品。

Meta正在试探一种更高级的生存法则：既然我迟早可能跑不赢最头部的闭源模型，那不如先一步做AI时代的“亚马逊AWS”。把巨资建成的算力基础设施，连同训练框架和开发者工具一起打包售卖。这把“铲子”不仅要卖给你，还教你用铲子挖出金矿。这种从“硬件占有”向“平台定义”的跃迁，才是让算力竞争彻底变天的砝码。

卖铲子的生意，为什么没那么赚钱？

其实，Meta的转身并非空穴来风，而是看透了当前算力市场微妙的商业分层。企业在决定拥抱AI时，首先要明白一个道理：算力界的生意，也是分三六九等的，自己究竟要跟哪类玩家打交道，决定了投入产出的绝对效率。

最底层的生意，就是像CoreWeave这样的“纯算力中介”。这看似是一笔稳赚不赔的过路费生意，一手买入GPU，一手按时出租。可翻开它的财报，足以让任何想进入这个领域的老板倒吸一口凉气——2026年一季度营收暴增112%达到20亿美元，却换来近6亿美元的净亏损。为什么？道理浅显得残酷：资产太重了。租卡的钱抵不过折旧，扩建的速度追不上价格战。这种生意本质上是用庞大的资本支出博取微薄的息差，一旦科技大厂亲自下场“甩货”，这些缺乏生态粘性的中间商就会瞬间沦为被碾压的管道。

往上一层，是“算力即平台”的生意。以中国市场的阿里云、海外的AWS为代表。它们早已脱离单纯出租虚拟机的初级阶段，卖的是算力、模型服务、数据库、开发工具链的“全家桶”。这种全栈逻辑的暴利之处在于，通过软件服务拉高了硬件资源的溢价。根据近期阿里云的财报前瞻，其收入增速正在加速冲向45%，利润率也走出了亏损泥沼，进入了低双位数的盈利回报期。这给国内企业的启示相当直接：在挑选云服务商时，不要只看每小时几块钱的算力单价，而要看它能不能提供一整套帮你把业务跑起来的闭环。那种仅仅提供裸金属服务的廉价方案，往往意味着未来高昂的试错成本和团队人力的隐形消耗。

最顶层的，其实是那些“算力创造应用”的玩家，比如字节跳动的豆包。虽然它不卖算力，但每天要吞掉180万亿的Token消耗。这种模式代表着未来真正的商业终局，可当下对绝大多数试图直接变现的企业来说，却是一个巨大的陷阱。有媒体测算，即便拥有如此恐怖的用户交互量，豆包的单日总收入依然不足100万元，收入几乎全靠电商佣金支撑。除非你的业务体量能够靠资本撑到垄断时刻，否则过早沉溺于这种“只吃资源不吐利润”的C端狂欢，只会沦为给上游显卡商打工的苦力。

中国大厂的四种解法，哪一种适合你？

Meta的算力抛售令虽然发生在大洋彼岸，却精准地烙在了中国大厂的战略图上。当全球资本开始用“变现能力”而不是“显卡数量”来重新估值时，中国AI云市场的分化已经彻底拉开。作为企业决策者，看清阿里、火山、腾讯、百度各自的底牌，是在混乱的商战中锁定胜局的关键。

阿里云: 全栈自研的利润堡垒

阿里云押注的是“芯-云-模型-推理”的深度闭环。它或许是当下中国唯一能在底层芯片平头哥、中间层千问大模型、以及上层百炼MaaS平台上同时发力的巨头。超60%的平头哥算力已经服务于外部商业客户，这意味着它不仅能消化库存，还能通过自研芯片绕过英伟达的高昂溢价。反映到财报上，阿里云的AI相关收入占比首次突破30%，并有望在一年内占据半壁江山。对于追求稳健、业务庞大且极度看重数据安全与生态整合的传统巨头来说，阿里这种重基建、强生态、高毛利的路径，是企业进行深度AI重构的最稳妥底座。

火山引擎: 模型定义一切的闪电战

如果说阿里在做厚度，火山引擎就是在做锐度。它举着“以模型定义云”的大旗，手里握着中国公有云MaaS市场近一半的份额。火山引擎的野心极其直白：不管是算力还是存储，一切都要围绕让大模型跑得更快、花得更少来重塑。它甚至把手伸向了应用层，主张将Token直接封装成能服务客户的Agent。有消息称，其内部给2026年定下的营收狂飙目标是150亿元。对于快速成长型、极其注重应用敏捷度和开发效率的数字化原生企业，火山这种极度模型中心主义的打法，能帮你用最短路径把想法变为强交互产品。

百度云与腾讯云: 务实派的场景围猎

百度李彦宏抛出了一个另类的度量衡——“日活智能体数”。这背后隐藏着百度极其务实的判断：别盯着虚头巴脑的Token消耗数，要看真正的智能应用场景有没有跑起来。无独有偶，腾讯云更是彻底，它甚至不屑于在算力价格上做文章，而是直接把AI功能钉入具体的SaaS场景，靠AI驱动的广告推荐模型带动营销服务营收飙升20%，并让云业务首次实现规模化盈利。这两家的路径几乎是在向所有实体企业喊话：别为了AI而AI，也别被光鲜的通用大模型迷惑。真正的利润，藏在你最熟悉的具体业务痛点里。只要能在自己的垂直赛道里把AI用深、用透，哪怕只是一套智能客服或一个推荐算法，带来的都是实打实的现金流。

所有企业都将面临一道分水岭

当我们把视角从宏观大厂新闻拉回企业的日常工作台，这场“买云不买芯”的思潮转变，究竟怎样才能转化为实际的降本和增收？

第一，立刻调整花钱的逻辑。不要再去纠结自己到底买不到多少H100或者A100现货。在算力供给即将走向阶段性饱和甚至过剩的前夜，重资产持有私有化集群真的有必要么？对于绝大多数企业来说，未来最聪明的支出不是购买昂贵的固定资产，而是购买弹性的、随时可替换的云端服务。花大价钱自建机房，往往会被折旧和维护费用拖垮；而以订阅制接入顶级大厂的云平台，不仅能随时切换到最新的模型，还能在行业算力大甩卖时坐享其成。

第二，警惕“伪自研”陷阱。不少企业为了面子工程，喜欢招一堆算法工程师去微调所谓的私有模型，结果消耗了惊人的算力和人力成本，效果还不如直接调用云厂商最新发布的API。Meta的转身告诉我们，与其在底层技术上跟顶级大厂硬刚，不如把全部精力放在构建独有的行业数据集和业务流程编排上。芯片和基础模型是那个可以明码标价的“铲子”，而你对特定客群的洞察、对复杂业务流的重塑、对私域数据的清洗和利用，才是别人永远租不走的资产。

第三，重新定义成功指标。向李彦宏学习，尽量忘掉虚无缥缈的“模型参数规模”，也别被团队晒出的“日均Token消耗峰值”给骗了。要把考核标准拉回到最原始的生意经：这个AI应用有没有降低获客成本？有没有让老客户的复购率提升？有没有把员工的无效工时从10小时压缩到2小时？如果你购买的算力最终不能转化为利润表上毛利额的增长，那么再廉价的算力也是一种高昂的闲置。

AI下半场的残酷在于，它会无情地挤压链条中间一切不产生增值的环节。那个靠囤芯吹起万亿市值的盛夏已经结束了。站在初秋的寒风中，企业家们手里握着的应该是一张能随意调度的云服务清单，而不是一堆折旧率惊人的物理芯片。算力无限堆叠的时代宣告终结，极致效率压榨的黄金期刚刚到来。