今天AI被一条 Meta 的新闻直接打爆了。 Bloomberg 的消息是，Meta 正在研究把自己多出来的 AI compute 拿出去卖，甚至可能做成一个新的 cloud business。这个计划还在早期，后面也可能调整，但市场已经先交易了：META 被买，Nebius 这些 NeoCloud 和半导体相关股票被砸。 表面上看，这个交易很容易理解。过去两年 NeoCloud 最核心的叙事，就是 GPU 短缺。大厂买不到足够的卡，所以只能找 CoreWeave、Nebius、Oracle 这些外部 provider 锁 capacity。现在 Meta 自己要反过来卖 compute，市场自然会开始怀疑：如果大客户自己都变成供应商了，那这条链是不是要从短缺走向过剩？ 但我觉得今天市场的的selloff真的很草履虫。 Meta 现在的行为，其实更像一个重资产公司在做库存管理和资产周转。一边，它确实可能有一部分阶段性富余的 GPU capacity 想拿出来变现。另一边，它还在继续签新的长期 AI capacity。Meta 和 Crusoe 签了新的 AI compute deal，从 Texas Childress 和 Missouri Warrenton 两个数据中心合计拿下大约 1.6GW 的容量。同时Google 曾经限制 Meta 对 Gemini 相关 compute 的使用，因为 Meta 想要的 capacity 超过了 Google 当时能提供的量。 所以“Meta 算力多到要卖”这个事情根本解释不通。一个真的不缺算力的公司，不会一边往外卖 compute，一边继续签 1.6GW 的大单，还一边因为外部 capacity 不够被 Google 限流。 更合理的框架是：Meta 手里不同代际的 GPU，经济价值开始分化了。 H100 / H200 这一代卡，过去两年是绝对核心资产。但 AI 模型继续往前走以后，frontier training 对系统的要求变了。现在拼的已经不只是单卡 FLOPS，而是 memory、interconnect、NVLink domain、scale-out network、cluster utilization、checkpoint、pipeline bubble、expert routing、collective communication。 简单说，H100 当然还能用，而且还能很好地用。但它越来越适合推理、fine-tuning、广告推荐、内容排序、企业模型服务、图像视频生成、中小模型训练，而不是继续承担最前沿模型的最高强度训练任务。 最新一代的 GB200 / GB300 / Rubin，才是 Meta 真正要留给 frontier model 的资源。因为到了这个级别，训练效率不只是技术问题，直接就是成本问题和迭代速度问题。谁能更快跑完下一代模型，谁就有更高的试错频率，最后就可能决定模型差距。 所以 Meta 现在做的事情应该是：最稀缺的新一代集群，继续自己用，继续锁长期 capacity。已经买下来的上一代高端 GPU，尽量不要闲置，能内部消化就内部消化，内部吃不完就对外卖，把 capex 变成 cash flow。这跟XAI把卡租给Anthropic没有任何区别。 这对 AI supply chain也根本不是利空。