模型研发进展受阻，Meta 转而聚焦基础设施变现。受 Gemini 使用受限、内部 AI Agent 技术推进缓慢及员工士气低迷等多重因素冲击，Meta 正调整战略方向。
面对自研模型的挑战，Meta 计划推出"Meta Compute"服务，将庞大的 AI 算力基础设施开放给外部客户，通过出售 GPU 算力开辟新营收渠道。
Meta 启动 GPU 算力外售计划
据 SemiAnalysis 报道，Meta 的数据中心建设与算力采购正在加速。今年上半年，Meta 已签署超过 5GW 的云和托管数据中心容量协议，若加上自建项目，自 2024 年初以来相关交易总额接近 10GW。其中，两个在建的最大数据中心园区合计产能达 2.5GW。
庞大的算力储备将为 Meta 带来四大核心价值：
支撑自有模型迭代
算力将优先服务于内部模型训练，包括已推出的 Muse Spark 及正在研发的下一代模型 Watermelon。
升级广告推荐系统
Meta 计划将广告推荐系统的复杂度提升十倍，利用更多训练和推理算力显著增加广告收入。
开展 Neocloud 租赁业务
参考 SpaceX 的高算力租赁模式，Meta 可将部分算力高价租给外部客户。按每 GW 年收入约 500 亿美元估算，仅需出租 200MW 算力即可带来 100 亿美元的高利润营收。该模式采用“三年合同、90 天可取消”的灵活机制，确保 Meta 能随时收回算力供内部使用。
托管第三方模型服务
Meta 正与 Anthropic 洽谈，计划获得 Claude 模型的私有实例访问权，打造类似 AWS Bedrock 或 Azure Foundry 的模型服务平台。此举具有三重战略意义：
- 内部替代方案：在 Google 限制 Gemini 使用后，Claude 可作为高质量 Token 来源，支持 Meta 内部 AI 项目。
- 对外云服务：提供"Claude-as-a-Service"，降低企业客户调用顶尖模型的门槛。
- 垂直应用集成：结合广告平台构建营销 SaaS，集成前沿 AI Agent 能力。
若该业务成型，Meta 的竞争对手将从 OpenAI、Anthropic 等模型厂商，扩展至 AWS、Azure、Google Cloud 及 CoreWeave 等云服务商。消息公布后，Meta 股价大涨近 9%，而部分新兴云厂商股价承压。
战略转型动因：模型研发成本高昂
Meta 转向算力变现的核心原因在于模型研发的巨大资金压力。公司已将 2026 年资本开支指引上调至 1250 亿 -1450 亿美元，仅今年一季度支出就达 198.4 亿美元。然而，Llama 系列虽生态影响力大但直接变现难，最新自研模型 Muse Spark 尚未助 Meta 重回第一梯队。
尽管 Meta 首席 AI 科学家扬言下一代模型 Watermelon 算力投入巨大且性能对标 GPT-5.5，Muse Spark 也将在编程与智能体能力上大幅升级，但市场对其能否迅速赶超 OpenAI、Anthropic 和 Google 仍存疑虑。
在超级智能（ASI）愿景尚需时日的背景下，将 GPU 和数据中心转化为可定价、可出租的实体资产，是向资本市场讲述更务实故事的关键策略。这不仅能覆盖沉没成本，还能通过 API 服务、模型托管及广告优化等多场景实现即时收益。
出售算力并不意味着放弃自研模型。Meta 仍将坚持“超级智能”的长期目标，持续投入人才、芯片与大模型训练，只是在激烈的竞争环境中，选择了更为灵活的阶段性战术。