扎克伯格认栽，但Meta的AI故事其实没那么糟

这两天科技圈最热闹的事，大概是Meta的"算力过剩"疑云。7月3日，扎克伯格在内部大会上罕见承认：AI智能体进展比预期慢，重组没有如期"结出果实"。消息一出，芯片股集体崩了——费城半导体指数单日跌5.44%。

两个信号，同一场大会

有意思的是，就在扎克认栽的同一天，Meta超级智能负责人Alexandr Wang在同一个场子里说了另一番话：Meta下一代模型"Watermelon"，在基准测试上已经追上了OpenAI的GPT-5.5。而且，这个模型的算力投入比上一代高出了一个数量级。

同一家公司，同一场大会，两个截然相反的信号。市场懵了：Meta到底行不行？

卖算力不是过剩，是AWS逻辑

先说7月1日那条被误读的消息：Meta要对外卖算力。市场第一反应是"算力过剩、AI需求见顶"，芯片股因此暴跌。但仔细看会发现，这是个被严重误读的信号。

SemiAnalysis在7月3日的报告里泼了盆冷水：Meta一边对外卖算力，一边还在新建数据中心、继续采购GPU——资本开支预测从1150亿上调到了1450亿美元。这哪是缩减投入？这是把建好的算力资产变现，盘活存量。

类比一下：当年亚马逊把内部IT基础设施开放给外部客户，变成了AWS。现在Meta做的事本质上一样——把自建的超大规模AI数据中心，除了自己训练模型用，也对外提供算力和模型访问服务。

这是"资产运营效率升级"，不是"行业需求见顶"。

AI资本开支进入2.0时代

把Meta和Anthropic最近的动作放在一起看，能看出一个大趋势。

Meta卖算力，Anthropic找三星定制AI芯片，OpenAI联合博通推出Jalapeño推理芯片——三家大厂路线不同，但指向同一个变化：AI行业的资本开支逻辑正在从"粗放投入"转向"精细化运营"。

过去两年大家比的是谁砸钱多、谁囤的GPU多。现在开始比谁能把这些投入变成可持续的收入。算力自研是为了降成本，算力变现是为了提效率。

日内瓦大学经济学家塞德里克·杜兰德说得好："当AI渗透到工作流程中、退出成本变得很高的时候，客户群就无法摆脱它了。"大厂们现在做的，就是把这句话变成商业闭环。

扎克认栽，但Meta仍在牌桌上

说回扎克伯格的自我批评。他承认AI智能体落地速度低于预期，重组节奏有误判——这是实话。但关键在于：Meta并没有因此减速。

Watermelon追平GPT-5.5，资本开支上调到1450亿美元，高薪招募顶尖AI人才……这些动作说明，Meta认的是"战术层面的节奏失误"，而不是"战略方向的错误"。

它押注的是继续加大投入、等待模型能力突破的那个临界点。这个赌法对不对另说，但至少说明Meta还稳稳地坐在牌桌上。

市场短期的恐慌，是因为大家习惯了"非此即彼"：要么AI一切顺利，要么AI泡沫破裂。真实的大厂转型从来不是这种二元叙事。