Meta计划出售闲置算力，企业AI下一个瓶颈已现

过去三年，AI行业一直笃信一个前提：算力永远不够用。

这一信念催生了科技史上规模最大的基础设施建设浪潮之一。仅在过去几年里，超大规模云服务商和AI公司就在数据中心、网络设备、电力设施和GPU上斥资数千亿美元，甚至政府也参与其中。企业AI战略往往围绕一个核心关切展开：如何确保足够的算力容量，以支撑日益宏大的AI项目。

正因如此，路透社近期关于Meta正在探索出售闲置AI算力的报道显得格外引人注目。

据路透社报道，Meta正在考虑通过云业务对外提供过剩算力，从而将原本为自身AI业务而建的基础设施转化为新的收入来源。这则报道发布之际，Meta及其竞争对手仍在持续加码AI基础设施投入，争相训练更强大的模型、扩展AI服务。

在AI基础设施最为紧缺的时期，作为行业最大AI投资方之一的Meta竟然出现可供出售的剩余算力，这在当时几乎是不可想象的。

对于企业CIO而言，这一信号意味着风向正在转变。更广泛的算力短缺或许尚未结束，但企业AI的瓶颈似乎正在迁移。

企业AI战略与咨询公司SymphraAI联合创始人兼首席数据和AI官温迪·特纳-威廉姆斯表示："Meta据报道的计划告诉我们，AI基础设施市场正在从单纯的算力竞赛走向优化竞赛。过去几年，行业叙事一直围绕稀缺性展开：谁有GPU、谁有电力、谁有数据中心容量、谁能训练下一个前沿模型。"

她认为，现在第二个问题正在浮现："当你拥有了所有这些算力之后，如何让它持续产生价值、保持差异化、并在经济上站得住脚？"

稀缺并未就此消失

这并不意味着企业应该开始规划一个算力泛滥的世界——业内专家对于宣布短缺结束明显持谨慎态度。

企业工作流自动化平台supersync.ai的高级AI架构师布莱恩·索沃兹明确表示："我们绝对还没到算力过剩的程度。"

索沃兹指出，算力容量在市场上的大部分领域仍然高度紧缺。在他看来，Meta据报道的举措应被视为积极进展，因为它向需求持续超过供应的市场注入了额外供给。"鉴于所有算力容量已被订购至2028年底，这是行业急需的缓解之举。"他说。

其他业内人士则将这则消息解读为警示信号。AI智能体授权基础设施服务商Meridian Verity Group创始人斯科特·李认为，Meta的报道恰恰说明市场正变得更加分化，而非普遍供应充裕。

"一些大型平台或许存在局部过剩，而许多企业在成本、可用性、延迟、能源、采购和运营准备方面仍面临约束。"他表示，"市场某一部分的过剩，并不意味着每家企业都拥有可用的AI算力。"

这种分化折射出一个更广泛的趋势：AI采用本身依然参差不齐。一些组织正在将AI生产部署和AI智能体推广至整个业务，另一些则仍在试点项目中探索，或努力夯实支撑更高阶AI举措所需的数据基础。

在这种背景下，局部过剩与持续稀缺可以并存。事实上，随着早期基础设施项目陆续释放算力，而后来者仍需在公开市场上争夺资源，AI领先者与其他企业之间的差距可能只会进一步拉大。如果早期采用者能像Meta正在探索的那样将新增供给变现，这种差距的扩大就更为可能。

新的竞争优势

因此，Meta释放的信号与其说是关于供过于求，不如说是关于一个日趋成熟的市场——在这个市场中，基础设施越来越需要创造回报。特纳-威廉姆斯认为，算力正在从"纯粹被视为战略资产"转变为"必须被充分利用、加以变现并与业务成果挂钩的金融资产"。

如果算力的获取随时间推移变得更加容易，什么将取而代之成为核心竞争优势？专家们给出了大同小异的答案：利用效率。

"这一转变已经在发生，"特纳-威廉姆斯说，"算力的获取依然重要，尤其是在前沿领域。但对大多数企业而言，竞争优势不会来自拥有最多的算力，而是来自有纪律地使用算力。"

判断哪些工作负载值得优质算力

特纳-威廉姆斯认为，赢家将是那些清楚哪些工作负载值得顶级基础设施、哪些可以运行在较小模型上、哪些AI项目永远不应超出实验阶段的组织。

李从治理视角得出了类似结论，强调的是智慧应用而非最大化获取。

"对大多数企业而言，优势正在从'谁能获得算力'转向'谁能用好算力'，"他说，"赢家将是那些能够在正确边界、以正确方式、配合正确管控运行适当AI的组织。"

这一演变与企业技术领域的既有规律如出一辙：随着获取渠道愈发普及，差异化竞争向更高层次的堆栈迁移，竞争优势更多来自如何部署基础设施，而非单纯拥有它。

即便是对算力约束缓解持怀疑态度的索沃兹，也表示看到了转变正在萌芽的迹象。当被问及算力获取是否正变得不如效率重要时，他回答"完全谈不上"，但同时指出，Meta的举措表明"随着AI工作负载的转移和演进，有一条清晰的路径可以将算力资产变现"。

换言之，基础设施依然有价值，只是各方正在以不同的方式重新审视这种价值。

更多算力可能暴露更深层的问题

CIO们还需要警惕算力供应改善带来的全面影响。如果AI行业最终走向大规模的算力充裕，企业或许会发现基础设施从来都不是他们最大的挑战。

"更多算力降低了实验成本，但也降低了浪费的成本，"李说，"充裕的算力会奖励那些已经知道如何将AI落地运营的组织。"

拥有健全治理机制、成熟数据基础和清晰运营模式的组织，可以借助更便宜的算力扩展成功的AI系统。而缺乏这些基础的组织，则可能只是制造更多AI蔓延、更多无法核实的输出，以及更多无人能自信地批准或审计的自动化流程。

"充裕的算力可能成为极为昂贵的混乱加速剂，"特纳-威廉姆斯说，"在某些情况下，它甚至会让差距更大，因为它给准备不足的组织提供了更多空间去烧钱，却不去解决根本问题。"

这一观察指向了企业AI实践中一个已在全面展开的更深层转变：行业面临的最大挑战正越来越多地属于组织层面，而非技术层面。

数据准备成为新的约束

索沃兹指出，尽管模型能力突飞猛进，许多组织仍然缺乏AI系统有效运转所需的信息。更便捷的算力获取只会让这一问题愈发凸显。企业的文档和数据"远未达到AI自主解决问题所需的上下文水平"，他说。

特纳-威廉姆斯也认同数据准备就绪的关键性，并补充道："算力充裕会奖励成熟度，但它无法替代成熟度。"

从算力获取到可信利用

企业不能让对充足算力的追逐分散其构建坚实基础的精力。事实上，随着AI系统变得更加强大、更加自主，基础设施问题正逐步让位于管控问题——即便当前供应仍然稳定。

李认为，下一个重大挑战是他所称的"可信执行"。

"随着AI从提供建议转向触发工作流变更、更新记录、发起支付、做出访问决策、调用API及进行外部沟通，控制点将从模型选择转移至后果发生时刻的治理，"他说。

这与生成式AI热潮初期主导话语的算力短缺问题，代表着本质上截然不同的挑战。

如果说AI采用的早期阶段以"获取"为主题——获取GPU、获取模型、获取基础设施——那么下一阶段的核心则更多在于"纪律"：决定AI适合在哪里发挥作用、证明商业价值、治理日益自主的系统，以及确保组织能够信任自己创造的输出。

Meta据报道的计划并不意味着企业可以不再为算力发愁。需求依然强劲，基础设施支出继续攀升，鲜有人预期算力约束会一夜之间消失。但这一潜在的举措确实提供了一瞥对话可能走向何方的窗口。

"事后看来，算力是最初的瓶颈，"李说，"而可信利用将是持久的瓶颈。"

Q&A

Q1：Meta为什么要出售闲置AI算力？

A：据路透社报道，Meta正在考虑将原本为自身AI业务建设的基础设施多余算力，通过云业务对外出售，以开辟新的收入来源。这一举动表明AI基础设施市场正从单纯的算力竞赛转向优化竞赛，大型平台开始思考如何让已有算力资产持续产生价值并实现商业回报。

Q2：Meta出售算力是否意味着AI算力短缺问题已经解决？

A：并不意味着短缺已经结束。业内专家普遍持谨慎态度，指出全球算力需求仍然强劲，所有容量据称已被预订至2028年底。Meta的举措更多反映的是市场分化——部分大型平台出现局部过剩，而许多中小企业在算力成本、可用性和运营准备方面仍面临实质性约束。

Q3：企业AI的下一个核心瓶颈是什么？

A：专家认为，继算力之后，企业AI的核心瓶颈将转向"可信利用"，即组织能否有效治理、审计和信任AI的输出。数据准备不足、治理机制缺失、缺乏清晰的运营模型，将成为阻碍AI规模化落地的主要障碍。充裕的算力只会奖励那些基础已经成熟的组织，而非帮助准备不足的企业弯道超车。