當Meta開始賣算力：ToC公司闖入ToB戰場，組織跟上嗎？

7月1日，彭博社一則消息攪動了整個AI產業鏈：Meta正計劃推出云基礎設施業務，向外部客戶出售AI算力和模型訪問權限，項目代號Meta Compute。兩種方案同步推進——一是效仿AWS Bedrock提供模型托管訪問，二是效仿CoreWeave直接出租原始算力。

市場給出了涇渭分明的反應：Meta股價單日大漲8.8%，市值增加約1270億美元；而CoreWeave和Nebius分別暴跌13.9%和17.0%，閃迪、美光等存儲芯片股跌超10%。

市場的第一反應是算力過剩了。但拆解后會看到，事情遠比想象中復雜。

一、Meta為什么要賣算力？

Meta對外出租的是上一代H100/H200推理算力，而自身仍在瘋狂采購最新GB200、自研Rubin芯片用于下一代模型訓練。前沿訓練算力依舊極度緊缺，閑置的是上一代推理產能——這是算力市場的結構性分化，而非總量過剩。

Meta Compute的戰略意圖包含多個層面：

模型商業化閉環。Llama開源多年，大量被第三方云廠商免費商用，Meta無法收取模型授權費。通過Meta Compute提供模型托管服務，Meta可以首次從Llama生態中獲得直接商業回報，同時構建Llama生態護城河。

攤薄固定成本，獲取議價權。對外售賣算力可以提升數據中心利用率，攤薄服務器、電力、運維的固定成本；同時穩定的外部算力訂單，能讓Meta向上游英偉達、存儲廠商拿到更低的批量采購價。

資本市場估值修復。AWS/Azure/GCP均可通過云業務平滑AI資本開支周期。Meta擁有成熟的內部私有云技術架構和全球數據中心網絡，但從未對外商業化運營公有云，其估值一直存在“資本開支不可對沖”的折價。Meta Compute的宣布，本質上是在向資本市場講一個“我們也有云”的新故事。高盛分析指出，市場邏輯正在轉向獎勵那些能夠削減資本支出的企業，Meta被視為第一家展現出財務紀律的超大規模企業。

扎克伯格在5月股東電話會上已埋下伏筆：“幾乎每周都會有外部公司聯系我們，希望我們推出API服務，或者詢問是否可以購買我們的算力，甚至愿意支付高于我們采購成本的價格。”

二、Meta Compute與市場競爭

Meta Compute的兩種方案對應完全不同的競爭邏輯：

方案一：模型托管（類似AWS Bedrock）——賽道玩家包括AWS Bedrock、Azure OpenAI、Google Vertex AI。Meta的優勢在于Llama的開源生態和全球開發者心智，劣勢在于缺乏企業級服務經驗。

方案二：原始算力出租（類似CoreWeave）——賽道玩家包括CoreWeave、Lambda Labs等中小廠商。Meta入局的沖擊不僅是新增了一個競爭者，更是抽走了這些“新型云”企業的核心訂單來源。目前Meta與CoreWeave仍有總額高達352億美元的長期算力采購協議存續，Meta既是CoreWeave最大客戶又直接下場搶其飯碗，這種雙重身份正是反壟斷審查最直接的實錘證據。

關鍵追問：Llama是開源的，開發者為什么不在AWS上部署，而要在Meta Compute上付費使用？

Meta Compute有機會建立“官方版本+合規授權”的差異化：Llama在自有算力集群上的深度適配可以優化推理性能；官方托管可提供商用授權，規避開源模型的知識產權灰色地帶；閉源版Llama和Muse Spark新版本可優先首發。

但這個差異化的價值取決于一個關鍵變量：Meta的閉源策略。如果Meta繼續開源最新模型，首發優勢就會消失；如果轉向閉源，開發者生態可能反噬。這個選擇本身將決定生態鎖定是真實壁壘還是美好假設——而Meta尚未明確表態。

三、組織能力：挑戰真實存在

Meta Compute由三個人共同領導：基礎設施主管Santosh Janardhan（技術線）、超級智能實驗室負責人Daniel Gross（產品線）、Meta總裁Dina Powell McCormick（戰略線）。

三線共管的治理結構，暴露了Meta內部對這項業務的定位模糊。Dina Powell McCormick此前負責的是政府關系和公共政策，她缺乏企業級技術銷售或云服務運營經驗。歐美政企云訂單確實需要政府關系，但更需要行業解決方案團隊、客戶成功團隊和渠道合作伙伴體系。

過去兩年，Meta經歷了一輪劇烈的AI化重組。2025年Llama 4發布后口碑不及預期，扎克伯格以143億美元收購Scale AI 49%股份并引入其創始人Alexandr Wang領導TBD Lab；半年內四次調整AI組織架構。但并購Scale AI并沒有直接補齊To B短板——Scale AI核心業務是數據標注，與To B銷售、企業級客戶服務之間沒有直接關聯。

Meta真正的組織挑戰在于：

文化沖突。Meta一貫奉行快速試錯、季度考核、末位淘汰的C端機制，而To B云業務需要3-5年客戶深耕、長交付周期、穩定續約。Workplace的失敗正是這種文化沖突的產物——它被要求在短期內證明商業價值，而To B SaaS需要3-5年才能驗證產品-市場匹配，Meta選擇了放棄而非堅持。

人才流失。風投公司SignalFire的報告顯示，Meta員工留存率僅64%，在頭部科技公司中墊底（Anthropic為80%，Google DeepMind為78%，OpenAI為67%）。FAIR、Llama核心研究員持續出走，剛組建的Enterprise Solutions團隊穩定性存疑。

銷售體系缺失。Meta歷史上幾乎沒有大規模行業銷售、渠道、大客戶成功經理崗位。FDE工程師在第一階段（開發者社區）可以承擔核心客戶成功職能，但在第二階段和第三階段需要與銷售團隊、客戶成功團隊形成鐵三角，而非單打獨斗。

四、外部壁壘：反壟斷、數據隔離與競合陷阱

Meta本身是歐盟《數字市場法案》重點監管的“守門人”企業，常年因數據壟斷、自我優待遭受巨額處罰。一旦同時手握全球社交流量數據和海量AI算力基礎設施，歐美監管極易認定Meta利用算力捆綁Llama模型、濫用市場支配地位排擠第三方云廠商。

政企客戶的核心訴求是業務數據物理隔離，而Meta的模型訓練高度依賴社交用戶數據。市場普遍質疑其能否搭建絕對隔離的算力集群與數據審計體系。在金融、醫療、政務等高合規行業，缺少權威第三方安全認證，Meta根本無法入局。

一個更隱蔽的風險在于Meta與CoreWeave的雙重關系。雙方仍存續總額高達352億美元的長期算力采購協議（第一筆142億美元執行至2031年，第二筆210億美元覆蓋2027-2032年），Meta既是CoreWeave最大的甲方客戶，又直接下場搶其飯碗。這種“既是甲方又是競爭對手”的雙重身份，將是反壟斷審查最直接的實錘證據——監管機構無需復雜論證，僅憑這一事實即可啟動調查。

五、結論：不是能不能，而是什么節奏

Meta賣算力，從戰略層面看是理性的。對外出租上一代算力回收現金流，同時為Llama建立商業化變現通道、攤薄固定成本、修復估值折價——多重訴求疊加，值得投入。但AI算力租賃和模型托管行業普遍毛利率在35%-45%區間，遠低于Meta廣告業務40%以上的凈利率，這意味著即便成功也是一項“增收難增利”的業務。

組織挑戰、反壟斷風險、數據隔離可信度是真實存在的硬約束。關鍵在于選擇什么節奏，以及什么樣的組織機制來保障這個節奏。

第一階段（6-12個月）：專注Llama開發者社區，提供低價算力+模型托管，驗證產品-市場匹配。

第二階段（1-2年）：拓展中小型企業客戶，建立基礎銷售團隊和客戶支持體系。

第三階段（3-5年）：若前兩階段驗證成功，再進入政企市場，同步建設合規能力和渠道體系。

但更重要的是組織保障機制。Meta歷史上所有三線共管的高管架構項目，最終都因權責邊界模糊、決策鏈路冗長而低效甚至流產。Meta Compute需要一個擁有To B背景的單一領導者，而非三線共管的委員會——這是Meta新業務能夠成功的唯一被驗證的組織范式。

如果Meta跳階段——直接沖擊政企市場或試圖在2026年Q4全面鋪開——組織挑戰將迅速吞噬戰略優勢。如果扎克伯格愿意給Meta Compute 2-3年的耐心期，用組織轉型的節奏匹配業務擴張的節奏，它有可能走通亞馬遜和谷歌走過的路（盡管窗口期更短、競爭更激烈，且利潤率遠低于原有業務）。

當一家靠廣告活了21年的公司決定闖入To B戰場，答案不在發射場，在組織里。它需要回答一個比算力夠不夠更難的問題：“你們的組織，準備好接住這筆To B的錢了嗎？”