Meta试水算力外售：AI资本开支的回收路径开始外扩
Meta最近在算力上的一个动作被市场反复咀嚼：把部分外部算力租赁业务推向台前。表面看像是云业务的一次边缘延伸，但在光大证券的解读里，这更接近一次资金循环结构的补丁设计——给庞大的AI基础设施投入，找一个能回流现金的出口。
过去一年，Meta的AI叙事一直围绕“投入加速”展开，模型、训练集群、GPU采购，每一项都在推高资本开支曲线。但问题并不复杂：这些支出如果只停留在内部使用，本质上只是成本中心的扩张，而不是资产回报的生成机制。
算力租赁的逻辑在这里开始变得现实。
云计算之所以在AI周期里重新被提起，不是因为技术形态发生了突变，而是它具备一个很朴素的财务属性——可以对外计费。GPU集群一旦从“自用资产”切换为“可出租资源”，折旧曲线就不再是单向消耗，而是变成带现金流回收的结构。
Meta的选择有点微妙。它并不是在变成一家云厂商，也没有真正进入AWS或Azure那种全栈式供给模型，而更像是在内部算力过剩与外部需求缺口之间做一个套利窗口的打开动作。训练周期有峰谷，GPU利用率也不可能长期满载，这种结构性空档，如果不被利用，就会变成沉没成本。
光大证券的判断核心在于一点：外部变现能力正在变成支撑AI投资持续扩张的前置条件。换句话说，算力不是“越投越多”的问题，而是“能不能边投边收回”的问题。
这其实改变了AI基础设施的财务叙事方式。过去，云计算公司承担的是基础设施商业化角色，而现在，AI原生公司也在被动进入同一逻辑链条。区别只是，Meta的云业务并非战略主轴，而是资本开支的配套设施。
市场上对这种变化的解读并不统一。一种看法是，这标志着Meta开始向“准云厂商”靠拢；另一种更保守的理解则是，这只是对GPU资产利用率的工程优化。两种解释可以同时成立，但影响不同——前者意味着业务边界重构，后者只是财务效率修复。
但无论如何，这一步都说明一个事实：AI投入已经大到需要自我造血机制来支撑。否则资本开支的持续性就会受到约束。
更底层一点看，这类算力外售行为，本质上是在重写“科技公司资产负债表”的结构。GPU不再只是研发工具，而开始具备类基础设施资产属性。它可以出租、可以折旧、可以形成类云收入。
Meta并没有调整其长期AI投资方向，这一点在研报中被明确强调。换句话说，投入还在继续，只是回收路径被提前设计进来了。
这种结构在历史上并不陌生。通信行业的基站共享、电力行业的余量调度，本质上都是类似逻辑：当基础设施规模超过自用需求时，对外供给就从副产品变成必选项。
AI正在进入同一阶段，只是这一次，基础设施的名字换成了“算力”。
