2026年7月1日，彭博社的一則報導在美股市場投下了一枚「深水炸彈」：Meta 正在組建一個名為「Meta Compute」的雲端運算業務部門，計畫對外銷售其過剩的 AI 算力與模型存取權限。消息傳出後，市場反應呈現極端的兩極分化。
Meta 自身股價當日暴漲 8.81%，收盤報 612.91 美元，創下半年以來最佳單日表現。但與此同時，AI 硬體板塊遭遇今年以來最慘烈的集體拋售。儲存晶片龍頭美光科技暴跌 9.7%，SanDisk 跌 10.82%；光通訊板塊中，康寧重挫超 13%，Marvell Technology 跌超 7%。費城半導體指數單日暴跌 6.27%。算力租賃商更是首當其衝，Nebius 暴跌超 14%，CoreWeave 大跌超 13%。
這一看似矛盾的市場現象，其核心邏輯在於市場正在交易一個預期——「AI 資本支出見頂」。既然 Meta 現有的算力都有富餘並需要對外出租，市場自然推演出一個結論：Meta 接下來對上游硬體的新增採購胃口將大幅放緩。儲存晶片、光通訊、GPU——這些先前在 AI 算力軍備競賽中被瘋狂搶購的「賣鏟人」，突然面臨需求預期逆轉的風險。
這場由 Meta 一則消息引發的市場分裂，在隨後的交易時段繼續蔓延。7月2日，韓國股市開盤跌 5%，隨即觸發熔斷機制。三星電子跌超 7%，SK 海力士跌超 8%。日經 225 指數日內跌幅擴大至 2%。值得關注的是，在 AI 熱潮降溫的同時，比特幣似乎獲得部分資金回流，最高反彈至 6.1 萬美元上方。
然而，市場的恐慌性拋售是否真的指向了「AI 資本支出見頂」這一結論？Meta 籌劃雲端業務的真正意圖究竟為何？要回答這些問題，需要穿透短期的市場情緒，回到 Meta AI 策略的底層邏輯。
從「成本中心」到「收入引擎」：廣告業務的 AI 效率革命
在 Meta 宣布雲端業務計畫之前，市場對這家社群巨頭的核心關注點一直是：每年 1,250 億至 1,450 億美元的 AI 資本支出，究竟能帶來什麼樣的回報？
2026 年第一季的財報給出了階段性答案。Meta 整體營收年增 33% 至 563 億美元，其中廣告收入達 550 億美元，年增同為 33%。更值得注意的是成長的結構性特徵——廣告展示次數年增 19%，而單則廣告的平均價格年增 12%。這種「量價齊升」的組合，正好揭示了 AI 深度嵌入廣告系統後的效率提升成效。展示量的成長反映了 AI 推薦演算法對用戶參與度的提升，而單價提升則意味著廣告主願意為更精準的投放支付更高溢價。
這一效率提升的背後，是 Meta 對推薦系統的大規模技術重構。祖克柏在 2025 年第四季財報電話會議中曾表示，雖然 Meta 現有的推薦系統已推動 Instagram Reels 觀看時長在美國年增超過 30%，但與即將到來的技術變革相比，目前的系統還顯得「很原始」。公司正將整個推薦系統重構為類似大型語言模型的可擴展工程體系。
在具體模型部署層面，Meta 已在廣告系統中運行多套 AI 模型，包括用於廣告排序的 GEM（Generative Experience Model）、用於廣告檢索的 Andromeda，以及用於跨系統預測廣告表現的 Lattice。以 GEM 模型為例，Meta 在 2025 年第四季將其訓練所用的 GPU 數量翻倍，並採用了新的序列學習模型架構。這些改進帶來的效果是直接的：Facebook 廣告點擊量提升 3.5%，Instagram 轉換率提升超過 1%。
2025 年第四季於 Instagram 上線的 Adaptive Ranking Model（自適應排序模型）則提供了另一個驗證案例。據 Meta 披露，該模型上線後，針對目標用戶的廣告轉換率提升 3%，點擊率提升 5%。在 Meta 日均覆蓋超過 35 億用戶的規模下，每一個百分點的效率提升都對應數十億美元的收入增量。
從廣告主的角度來看，AI 正在從根本上改變投放行為的決策邏輯。2026 年第一季，已有超過 800 萬廣告主使用至少一種生成式 AI 廣告創意工具。影片生成工具協助廣告主提升轉換率超過 3%。Meta 推出的 Advantage+ 自動化工具套件，允許廣告主透過 AI 從零構思素材，實現即時個人化投放。廣告投放正從「人工經驗驅動」轉變為「演算法優化驅動」。
WARC Media 的預測數據顯示，Meta 的廣告業務在 2025 年成長 22% 至 1,960 億美元後，預計 2026 年將再成長 22.3%，達到 2,400 億美元。這一增速顯著高於全球社群媒體廣告市場的整體成長水平。摩根士丹利在 2026 年 1 月的研究報告中更預測，Meta 的單季廣告收入將於 2026 年第二季首度超越 Google 搜尋廣告收入——如果這一預測成真，將標誌著數位廣告產業權力格局的歷史性轉變。
算力貨幣化：Meta 的「第二成長曲線」
如果說 AI 對廣告業務的效率提升是 Meta AI 策略的「第一條腿」，那麼籌劃中的雲端業務則是「第二條腿」——將 AI 基礎設施從成本中心轉化為收入中心。
要理解這一策略的必要性，需先看懂一組數字。Meta 2026 年 AI 相關資本支出指引為 1,250 億至 1,450 億美元。在北美四大科技巨頭中，亞馬遜有 AWS、微軟有 Azure、Google 有 Google Cloud——它們都有成熟的雲端運算業務來消化 AI 基礎設施投資，可直接將算力賣給客戶。唯獨 Meta 沒有。它所有的資料中心與 GPU 叢集，理論上僅服務於自家社群平台、廣告系統與 AI 研發。
這就產生了一個巨大的風險曝險：如果 Meta 對 AI 算力的內部需求成長不如預期，那 1,450 億美元的資本支出就會變成沉沒成本。資料中心建好了、GPU 買到了、長期電力合約也簽了，這些都是剛性投資，無法像調整行銷預算那樣隨時縮減。
祖克柏在 5 月 27 日的股東大會上親自回應了這一疑慮。他表示雲端運算業務「definitely on the table」（絕對在考慮之中），並透露「幾乎每週都有外部公司來找我們，不是問能不能開放 API 服務，就是問能不能加價賣算力給他們」。
據媒體報導，Meta 的雲端業務將採雙軌模式。第一條是「模型即服務」（Model-as-a-Service），讓外部開發者付費調用 Meta 基礎設施上託管的 AI 模型，包括 Meta 自研的 Muse Spark 模型——對標 AWS 的 Bedrock 服務。第二條更為激進，直接出租裸 GPU 算力——這正是 CoreWeave 和 Nebius 正在做的事。當最大的客戶宣布要做與供應商一模一樣的生意時，後者股價瞬間崩盤也就不足為奇了。
更深層來看，Meta 是在押注 AI 工作負載從訓練端轉向推論端後的長期算力資源稀缺。麥肯錫預估，到 2030 年全球資料中心為滿足算力需求需投入約 6.7 兆美元，其中 AI 推論端處理負載相關資料中心資本支出約 5.2 兆美元。國際能源署預計全球資料中心用電量到 2030 年將翻倍至約 945 太瓦時。高盛也預估美國資料中心電力需求將從 2025 年的 31 吉瓦升至 2027 年的 66 吉瓦。
若這一長期趨勢成立，Meta 的雲端業務不僅是「過剩產能的變現」，更是在為 AI 推論時代的算力需求提前卡位。
市場分歧：錯殺還是邏輯逆轉？
然而，市場對 Meta 雲端業務計畫的解讀遠未達成共識。一場圍繞「AI 資本支出見頂」的預期重構，正在全球科技投資版圖中快速傳導。
看空方的邏輯直接而清楚：Meta 把多餘的算力拿出來對外出租，說明算力已經供過於求。這或許暗示著 Meta 將對記憶體晶片、HBM 等硬體的新增採購量大幅縮水。既然現有算力都有富餘，那 Meta 接下來對上游硬體的新增採購胃口將大幅放緩。這一邏輯直接擊穿了先前市場對 AI 硬體需求「無限成長」的預期。
看多方的邏輯同樣有其依據。有券商解讀稱，Meta 擬出售富餘 AI 算力的消息，表面看是「挑戰 AWS/Azure/GCP」，但本質更像是為鉅額 AI 資本支出找到商業化出口。短期內對雲端廠商 AI premium pricing 有一定情緒擾動，但對 AI 硬體鏈條不應解讀為需求利空。相反，若 Meta 能將自建算力外部化，反而提升其持續投入 GPU、網路、光模組、電力散熱與資料中心的資本支出可持續性。
另有分析指出，Meta 雖已儲備大規模算力資源，但自身缺乏具備產業競爭力的 AI 大模型產品，內部業務需求不足以消化全部存量算力，因此選擇將富餘算力對外租賃給第三方頭部 AI 廠商。若該商業化模式得以驗證，Meta 不僅不會縮減 AI 硬體採購規模，反而有望為搶占雲端服務市場份額加速資料中心布局。
D.A. Davidson 的分析師 Gil Luria 則提出了更尖銳的質疑：Meta 報導中的雲端運算雄心表明該公司正「放棄前沿 AI」，轉而出售運算能力——自去年 Meta 超級智慧實驗室成立以來，該公司雖發布了新的 Muse Spark 模型，但仍落後於 Anthropic 與 OpenAI。
雙重邏輯下的 Meta：AI 商業化的範式轉移
將 Meta 的廣告效率革命與算力貨幣化策略放在一起審視，一幅更完整的圖景正在浮現。
在廣告端，AI 已從「輔助工具」進化為「核心生產力」——從底層重構廣告系統運作邏輯，將技術投入直接轉化為收入成長。在算力端，AI 基礎設施正從「成本中心」轉變為「收入中心」——透過雲端業務將過剩算力外部化，為鉅額資本支出提供回收路徑。
這兩條邏輯並非彼此獨立，而是構成一個互相強化的閉環。廣告業務的持續成長為 AI 基礎設施的持續投入提供現金流支撐；而雲端業務則為這些基礎設施提供「下行保護」——即便內部需求不如預期，算力資產仍可透過對外租賃產生收益。這種「雙輪驅動」的結構，正是 Meta 試圖將 AI 從「燒錢」敘事轉變為「賺錢」敘事的關鍵所在。
2026年7月2日，標普 500 收報 7,485.02 點，跌 0.19%；道瓊指數基本持平；那斯達克綜合指數跌 0.66%，而以晶片與動能股為主的那斯達克 100 獨跌 1.5%，收 29,809.13 點。市場的分化正好反映了 AI 產業鏈上不同環節正在經歷的價值重估。Meta 暴漲，硬體崩盤——這不僅僅是某則消息引發的短期波動，更是市場在重新定價 AI 算力產業鏈的定價邏輯。
這場由 Meta「賣算力」引發的市場分裂，或許只是 AI 商業化進入新階段的第一個訊號。當 AI 不再只是「基礎設施投入」的故事，而是同時具備「效率提升」與「資產貨幣化」雙重回報路徑時，整個產業的估值邏輯都將面臨重構。對於投資人而言，理解這一範式轉移的深度與廣度，可能遠比爭論某一天的漲跌更有價值。
FAQ
Q1：Meta 籌劃雲端業務出售算力，為什麼會導致 AI 硬體股集體暴跌？
市場將這一消息解讀為「AI 資本支出見頂」的訊號。既然 Meta 現有的算力都有富餘並需要對外租賃，市場推斷 Meta 接下來對上游儲存晶片、光通訊等硬體的新增採購將大幅放緩。此前 AI 硬體股的估值邏輯建立在「算力永遠不夠」的假設上，這一消息動搖了該假設的基礎。
Q2：Meta 的雲端業務具體怎麼運作？
Meta 內部成立了「Meta Compute」部門主導這項計畫。業務採雙軌模式：一是「模型即服務」，讓外部開發者付費調用 Meta 託管的 AI 模型（如 Muse Spark），對標 AWS Bedrock；二是直接出租裸 GPU 算力。兩種模式都直接挑戰亞馬遜 AWS、微軟 Azure 和 Google Cloud。
Q3：華爾街對 Meta 雲端業務計畫的分歧在哪裡？
看空方認為這表明 Meta 內部 AI 算力需求不足，且公司正在「放棄前沿 AI」。看多方則認為這是為鉅額 AI 資本支出找到商業化出口，若模式跑通反而會加速資料中心布局、拉動上游硬體需求。
Q4：Meta 2026 年的 AI 資本支出規模有多大？
Meta 2026 年 AI 相關資本支出指引為 1,250 億至 1,450 億美元。此前指引為 1,150 億至 1,350 億美元，後又上調。這一規模接近 2025 年的兩倍，主要用於 AI 資料中心建設、算力晶片採購與模型研發。
Q5：Meta 廣告業務的 AI 效率提升具體體現在哪些數據上？
2026 年 Q1，Meta 廣告收入年增 33% 至 550 億美元。其中廣告展示次數成長 19%，單則廣告平均價格成長 12%，實現「量價齊升」。GEM 模型改進後 Facebook 廣告點擊量提升 3.5%，Instagram 轉換率提升超 1%；Adaptive Ranking Model 上線後轉換率提升 3%、點擊率提升 5%。
