淵謀遠略/算力租賃重構AI芯片周期\袁 淵
Meta推出的算力租賃業務，開放海量存量圖形處理器（GPU）資源對外租賃，重塑了全球算力與芯片產業的周期運行邏輯。本文結合Meta算力租賃的戰略布局、業務模式與核心動因，釐清人工智能（AI）時代芯片周期的重構邏輯。
2022年大模型爆發之後，Meta成為全球AI資本開支最激進的科技企業之一，2025年資本開支高達722億美元，2026年指引上調到1250億至1450億美元，按年增幅近87%。資金主要用於超大規模數據中心建設、高端GPU採購、自研MTIA芯片研發與高密液冷機房搭建，累計鎖定超過1800億美元的算力硬件採購協議，落地數十座萬卡級AI超算集群，支撐Llama大模型、多模態AI、元宇宙、機器人等核心業務研發。
四大海外科技巨頭中，僅Meta此前未布局公有雲，算力投入長期為純成本項，完全依靠廣告業務覆蓋折舊、電力、運維等開支。隨着AI投入持續激增，資本市場對其「重投入、難變現」的質疑加劇，算力資產商業化變現成為Meta的核心戰略需求。
從行業周期來看，當前全球高端AI算力處於結構性緊缺上行周期，行業從集中式訓練轉向常態化推理，智能體、垂直大模型、人工智能生成內容（AIGC）應用催生永續算力需求，高端GPU集群出租率長期維持90%以上，初創企業與傳統科技公司普遍面臨芯片採購難、只能以溢價租賃的困境，為Meta入局提供了絕佳窗口期。
此外，Meta算力資產存在明顯潮汐閒置特徵：集中訓練階段算力負載100%，常態化推理階段負載僅為30%至50%，大量算力長期空耗。在硬件持續升值的上行周期，盤活閒置算力對外租賃，不影響核心研發，還能將固定折舊轉化為穩定租金收入，實現資產價值二次挖掘。
Meta的核心競爭力在於嚴格的算力分層周期運營體系，精準適配芯片迭代節奏。第一梯隊為前沿高端算力，全面自留GB200、GB300新一代GPU與自研MTIA芯片，專供超大參數模型、多模態AI、人形機器人等前沿研發，絕不對外出租，守住技術迭代話語權。
第二梯隊為存量主力算力，以2023至2024年採購的H100、H200集群為主，完成核心訓練任務後利用率下滑，通過對外租賃拉長收益周期，覆蓋電力、運維、折舊成本，轉化為穩定現金流。
算力資產變現 對沖折舊成本
第三梯隊為老舊淘汰算力，以A100及更早架構設備為主，不再承接高端AI場景，僅用於內部測試與開源扶持，平穩出清低效資產，規避下行周期減值風險。
從財務周期角度，Meta算力租賃每年可創造80億至150億美元新增營收，有效對沖數百億級數據中心折舊成本，大幅優化資本回報率與盈利預期，讓純成本型算力基建轉型為可自主造血的經營性資產。即便未來芯片行業進入產能過剩下行周期，穩定的租賃現金流也能平滑資產減值帶來的利潤波動，顯著提升企業跨周期抗風險能力。
Meta入局算力租賃具有三重深層戰略卡位邏輯。第一，優化財務周期，平滑資本開支波動。AI重資產投入具備強周期性，上行擴產、下行收縮極易造成盈利劇烈波動，微軟、亞馬遜依託雲業務實現算力跨周期變現，而Meta此前僅靠廣告單一營收消化算力成本。
第二，卡位全球AI生態，鞏固開源話語權。當前全球AI產業形成算力、模型、應用三位一體的競爭格局，微軟、谷歌、英偉達分別依託雲服務、自研模型、硬件生態構建壁壘。Meta以Llama開源模型為核心，搭配低成本算力租賃服務，吸引全球開發者基於其模型與算力開展應用研發，形成「算力─模型─開發者」正向循環。
第三，試水自研芯片商業化，擺脫外部周期約束。Meta持續迭代自研MTIA AI芯片，中長期計劃逐步替代外購英偉達GPU。待自研芯片良率與性能成熟後，Meta可逐步投入租賃體系。這既能降低對海外通用GPU的採購依賴，規避漲價、斷供等供應鏈周期風險，又能依託海量租賃客戶完成生態適配與技術迭代，實現自研芯片從自用到商用的轉型，掌握供應鏈自主話語權。
AI周期未見頂 高端算力緊缺
Meta算力租賃業務落地初期，資本市場產生過度悲觀解讀，將巨頭盤活存量算力等同於AI算力全面過剩、芯片周期見頂，這導致英偉達GPU、HBM、光模塊、AI服務器等板塊估值回調。但從產業層面來看，該判斷存在明顯偏差：Meta並未放緩高端算力布局，2026年資本開支近乎翻倍，持續鎖定新一代高端GPU產能，僅對外投放老舊存量算力，高端訓練算力依舊處於緊缺上行周期。
本次市場博弈讓行業明確了當前算力市場的結構性周期分化特徵：無全面緊缺或全面過剩的統一行情，新一代高端算力長期緊缺、存量算力供需趨穩、低端通用算力持續過剩內捲。Meta的入局將加速行業分層出清，缺乏芯片鎖單能力、僅靠老舊算力生存的中小廠商，將會面臨激烈競爭加速淘汰，行業集中度持續向手握算力資源、機房優勢與生態壁壘的頭部企業靠攏，周期紅利進一步向頭部集中。
在價格維度上，Meta投放的H100、H200存量算力，將階段性平抑中高端存量算力租金漲幅，行業租金上漲紅利將集中於新一代GB系列高端算力。上游芯片產業鏈同步分化：新架構GPU、HBM、高速光模塊維持供不應求的漲價趨勢，老舊硬件、通用服務器漲價空間受限，傳統半導體全產業鏈同漲同跌的周期規律，在AI算力賽道徹底瓦解。
Meta入局前，全球算力租賃市場分為四大陣營：傳統雲廠商佔據高端政企市場、專業第三方算力服務商服務AI初創企業、本土IDC與運營商深耕本地化市場、中小廠商依靠低價內捲低端市場。Meta憑藉超大採購規模帶來的成本優勢、海量存量算力與Llama開源生態三重壁壘入局，直接衝擊中小廠商生存空間，加速行業低效產能出清。
Meta具備硬件採購、電力能耗、算力調度、運維管理的全鏈條低成本優勢，報價遠低於中小廠商，大量無技術、無生態壁壘的小型算力企業將因虧損退出，老舊硬件回流二手市場，進一步壓低存量算力價格，加速低端賽道周期出清。而頭部第三方算力企業、本土服務商憑藉長期芯片鎖單、高密機房、政企渠道優勢，與Meta形成差異化競爭。
對中國產業鏈而言，Meta海外存量算力投放會小幅分流中國企業出海算力訂單，壓制中國廠商海外業務增速。但中國受高端芯片進口管制、東數西算政策、信創需求支撐，本土算力供需錯配的周期邏輯不變，昇騰、寒武紀、海光等國產芯片租賃需求持續上行，中國算力產業鏈走出獨立的結構性景氣行情，本土政企與垂直行業市場具備極強的周期防禦性。
傳統芯片上行周期中，英偉達等廠商主要依據採購規模分配高端產能，頭部大企業優先拿貨，中小租賃廠商只能被動等待零散產能、承受高價與延期風險。Meta存量租賃模式普及後，芯片廠商重構產能分配邏輯，不再單純以訂單規模為核心標準，同時考量客戶的算力運營能力、生態落地能力與長期資本開支穩定性。具備算力商業化變現能力、可持續消化硬件產能的企業，將獲得更穩定的產能配額，改寫了行業周期博弈規則。
中國芯片商迎替代窗口期
科技巨頭自研芯片規模化落地的趨勢，將約束通用GPU的無序擴產節奏，上游廠商從激進擴產轉為按需漸進式投放，規避新一輪產能過剩，拉長本輪AI芯片上行周期，讓行業從短期量價暴漲轉為長期結構性景氣。對國產芯片而言，海外供應鏈模式變革帶來寶貴的替代窗口期，中國可依託本土算力租賃內需，完成國產GPU的場景落地、生態適配與技術迭代，逐步擺脫海外產能分配的周期制約，搶佔本土市場份額。
AI算力革命徹底重塑了半導體數十年的周期波動規律，算力租賃作為銜接芯片供給與AI永續需求的核心業態，兼具順周期增收、逆周期抗跌的特性，成為平滑全產業鏈周期波動的關鍵。Meta入局算力租賃，並非簡單的閒置資產變現，而是精準把握芯片迭代、資本開支、AI生態三重周期的戰略布局。「前沿算力自留、存量算力變現」的分層模式，既規避了老舊算力減值風險，鞏固了開源生態話語權，又為自研芯片商業化搭建了落地場景，為全球巨頭算力跨周期運營提供了標桿範式。
（作者為外資投資基金董事總經理）
