算力市场进入结构性分化期

当Meta考虑将过剩的AI算力向外租售时，这并非简单的库存问题，而是预示着整个AI资本开支（Capex）叙事正在发生根本转变。与此同步，Palantir CEO在公开场合严厉批评当前的Token经济模式，而智谱GLM等开源模型则在硅谷获得认可。这三件事看似分散，实则指向同一个核心：AI行业正从“抢资源”的跑马圈地阶段，进入“精打细算”的运营效率阶段。

Meta的算力“转身”：从战略储备到资产负债表管理

Meta此前对AI算力的理解是“为己所用”——无论是训练自家的大模型、优化广告系统，还是支撑推荐流，都是服务于内部生态的闭环。然而，当扎克伯格提及可能对外出售算力或API服务时，市场的第一反应是恐慌：这是否意味着算力过剩？

稀缺性向流动性的转变

需要明确的是，Meta的举动并不直接等同于全行业需求枯竭。AWS的云收入仍以28%的速度增长，Google Cloud更是达到50%以上的季度增速，三大云厂商的资本开支指引依然向上（亚马逊甚至可能达到2000亿美元）。这些数据表明，总量需求并未崩塌，而是发生了分流。

Meta的算力出租更像是一种“流动性管理”。在建设节奏的窗口期，将暂时闲置的资产转化为现金流。这既可能是对投资者关于千亿美元支出的回应，也可能是为即将到来的超级智能进行财务缓冲。但无论哪一种解释，它都打破了“算力只为模型服务”的单一叙事，让算力回归其作为基础设施的本质属性。

Palantir的靶心：Token经济与企业价值脱节

在CNBC的采访中，Palantir CEO Alex Karp的激烈言辞直指AI行业的核心矛盾：Token消耗量与真实商业价值之间的脱节。他将企业为Token付费比作“财富税”，并指出CEO们私下抱怨——它们支付高价让AI模型处理任务，却无法确保这些任务创造了实际收益。

从“用AI”到“用好AI”

这本质上是对“Tokenmaxxing”模式的批判。Palantir主张的解决方案是：将AI嵌入到具体的业务系统中（如生产流程、风控、政府任务），按结果付费，而非按消耗量付费。这一观点得到了UBS调研的支持：约60%的企业IT高管已经开始限制Token开支，并设置使用护栏。

当AI从“玩具”变为“工具”，企业财务部门的视角也随之变化。CFO们不再关心用了多少Token，而是追问：这张账单对应了多少省下的工时、增加了多少销量、降低了多少风险？ 这个提问本身，就构成了对上游模型厂商的定价权挑战。

智谱与开源模型的“破局”：便宜算力与分层定价

就在争议声中，智谱GLM-5.2及其背后的开源模型阵营，正在成为企业采购的砍价工具。a16z的马克·安德森直言，智谱在多数任务中已能匹配甚至超越美国头部模型。更关键的是Coinbase的案例：通过混合使用GLM、Kimi等开源模型，并辅以模型路由和缓存技术，其AI支出砍半，而Token使用量仍在指数级增长。

算力分层的必然性

这一现象印证了算力市场的分层逻辑：

  • 最上层：最强模型和顶级云服务依然稀缺，具备定价权。
  • 中间层：模型性能尚可但不够稀缺，面临客户比价和砍价压力。
  • 最底层：开源模型和低成本优化方案，不断侵蚀低端任务需求。

企业不再为所有任务支付“豪宅电价”。对于普通摘要、客服、代码生成等任务，开源模型提供了性价比极高的选项。这不仅降低了企业门槛，更推动了产业链的重新定价。

利用率：算力时代的终极裁判

核心问题从“谁能买到最多机器”变成了 “谁能把机器一直跑满”。云厂商有天然优势，它们卖的是路和电，客户流量能自动填充基础设施。头部模型公司（如Anthropic）也有答案——强模型本身就是稀缺资源，用户愿意排队。最难的是中间层：它们有机器、有预算，但模型未到顶尖，产品未成习惯。一次模型发布失败，就可能将“武器”变成“库存”。

市场资讯部视点

深度点评：AI基础设施进入“算账”时刻

市场资讯部认为，Meta出租算力、Palantir炮轰Token经济、智谱获得认可，这是AI资本开支叙事从“总量扩张”向“结构优化”切换的明确信号。这并非“算力过剩”，而是“算力错配”的表征。上游的确定性（云服务）和下游的不可替代性（头部模型）依然稀缺，但中间环节的冗余资产正在接受市场检验。对于投资者而言，未来选股逻辑需从“谁花钱最猛”转向“谁能让资产产生正现金流”。那些能把机器转起来、把Token转化为可度量营收的企业，将成为下一阶段的赢家。开源模型的崛起和成本优化方案，正在重塑整个行业的成本曲线，这既是机会也是挑战——它逼迫所有参与者必须证明自己不仅是“技术领先者”，更是“效率优化师”。