AI算力进入分层时代：Meta卖算力、Palantir炮轰Token经济、中国模型成企业降本利器
Meta卖算力：不是过剩，而是节奏调整
AI行情近期剧烈回调，导火索是Meta透露可能将闲置AI算力对外出售。这一举动在云计算领域本不稀奇——亚马逊、微软、谷歌早已将服务器资源商品化。但Meta不同：它过去购买芯片、建设数据中心的核心目标是支撑自身AI模型、广告系统与扎克伯格所称的“超级智能”，而非作为云服务商盈利。如今考虑出租算力，虽未正式落地（内部项目名为Meta Compute），却释放出微妙信号：千亿美元级AI投入需更近的收入来源支撑。
Palantir炮轰Token收费：企业AI支出遭遇“财富税”质疑
几乎同步，Palantir CEO Alex Karp在CNBC采访中激烈批评OpenAI、Anthropic等公司的Token计费模式，称其为“压在企业身上的财富税”。他指出，企业不仅为未创造实际价值的Token付费，还被迫交出核心数据。Palantir主张“AI主权”，强调应将AI嵌入业务流程，按结果付费，而非按消耗量买单。此举反映企业决策层对AI ROI（投资回报率）的日益敏感。
Capex仍在增长，但逻辑已变：从“抢资源”到“看利用率”
尽管市场担忧AI Capex见顶，但数据并不支持崩塌论。AWS、Google Cloud、Azure一季度云收入均高速增长，三大巨头2026年资本开支指引继续上调（亚马逊或达2000亿美元，Alphabet 1800–1900亿，Meta 1250–1450亿）。真正的变化在于：资本开支的叙事重心从“谁买得多”转向“谁用得满”。云厂商因提供确定性基础设施仍可涨价（如AWS GPU预留服务年内两次提价超35%），而模型公司则面临“强模型缺机器、弱模型机器闲置”的分化。
Token变“电表”：企业开始给AI装刹车
随着AI从试点走向规模化部署，企业CFO开始严审账单。UBS调研显示，约60%的企业正压缩Token开支、增设使用护栏。AI Agent的兴起加剧了这一趋势——自动化任务消耗的Token可达普通对话的千倍。Token不再代表“先进”，而成了类似电表的成本指标：转得快未必好，关键看产出效率。这迫使企业重新评估模型选择策略。
中国开源模型成降本利器：智谱GLM跻身硅谷采购清单
在此背景下，智谱GLM、Kimi、DeepSeek、Qwen等中国开源模型迎来机遇。a16z合伙人马克·安德森称GLM-5.2已在多任务中媲美甚至超越美国主流模型。Coinbase CEO Brian Armstrong证实，切换至GLM 5.2等开源模型后，配合路由与缓存优化，AI支出削减近半。企业开始“分档采购”：高难度任务用高价闭源模型，常规任务交由低成本开源方案，实现“够用就好”的成本控制。
AI基础设施进入分层时代：铁路泡沫的历史镜鉴
当前局面并非算力过剩，而是结构性分层：顶层（最强模型+顶级云）依然紧缺；中层面临利用率与定价压力；底层被开源与优化技术挤压。这如同19世纪铁路泡沫——铁轨本身有价值，但修早、修多、修错地方的公司终将出局。AI数据中心亦如此：GPU会折旧，但真正决定资产价值的，是每日是否有应用将其跑满。Meta卖算力的意义，正是揭开这一现实：AI故事的主角，正从“买机器最快的人”变为“让机器持续转下去的人”。
