算力博弈新变局：Meta 出租算力，Anthropic 自研芯片

先关注 Meta。经财联社、彭博社等主流媒体多方核实，Meta 内部正着手推进代号为 Meta Compute 的新项目，旨在对外租赁闲置 AI 算力资源，并开放其自研模型的托管与调用接口。

扎克伯格曾在股东大会上明确表示，外部企业持续向 Meta 提出算力采购需求，若内部算力资源存在富余，将其商业化出租是一条可行的路径。

这一举措的核心逻辑并非行业整体算力过剩，而是 Meta 为了盘活老旧 GPU 集群以变现并补充现金流，所获资金将用于加大高端算力采购，支持新一代大模型及智能体的研发；消息公布后，英伟达及其上游存储芯片股价一度承压。

与此同时，Anthropic 被曝正与三星电子进行早期接触，探讨联合研发专属推理 AI 芯片的可能性。据 TechCrunch 及韩媒知情人士透露，双方仅完成了初步技术对接，计划采用三星 2 纳米工艺及先进封装方案，目前仍处于芯片功能与性能指标规划阶段，尚未进入详细设计与试制环节，距离深度落地合作尚远。

该布局旨在降低对通用 GPU 的依赖，但 Anthropic 短期内仍将维持英伟达、谷歌 TPU、亚马逊 Trainium 等多元化的算力采购体系。

这两件事在同一天发酵，表面看是一收一拓，实则都是对算力成本结构的主动优化。

Meta 选择盘活存量算力变现，Anthropic 则提前布局自研芯片，其共同逻辑在于单纯依赖外购通用 GPU 的性价比及自主可控空间正逼近临界点。

有机构统计显示，过去 18 个月内全球科技企业在 AI 基础设施上的资本开支几乎翻倍，但各家算力利用率分化显著，头部厂商出现局部闲置，行业供需形成了结构性错配。

产业观察人士指出，大型科技企业下场出租冗余算力，将挤压中小第三方算力服务商的利润空间；若定制芯片后续量产成熟，也将逐步削弱英伟达通用 GPU 的定价优势。

然而现阶段，英伟达在 CUDA 软件生态及高速互联方案上的壁垒深厚，替代效应在短期内难以显现，这属于长期的行业博弈伏笔。

对于普通用户与 AI 应用开发者而言，长期来看算力采购成本有望下降，推理服务定价或将更加亲民；国内 AI 企业也可借鉴海外巨头的布局思路，平衡算力外购与自研硬件投入的性价比。

你认为算力过剩是伪命题还是真实隐患？未来两年，算力租赁价格会涨还是跌？

【免责声明】：本文配图