不如讓我們回到本次大跌的起點去看看，看看究竟發生了什麼？是泡沫破滅還是過度恐慌？是回調還是終結？

7月1日，一條頭條新聞稱 Meta 可能將其多餘的 AI 算力出售，做成類似 NeoCloud 的業務模式。市場將其解讀為「算力供給過剩」的首個真實訊號。疊加此前對於記憶體佔整個CapEX過高的擔憂，系統性下跌開始。
1️⃣META在AI競賽中失利
這應該已經是公開的事實。除了模型的落後之外，大額AI投資也進一步消耗了Meta的現金流。如果不做任何改變，Meta的自由現金流在未來幾年將持續處於負值。
目前H100/H200的算力在Meta當前內部基礎設施的利用率約為65%，剩餘35%的閒置產能為缺錢的Meta提供了一種變現途徑。
這可不是一筆小錢。
2️⃣算力的分級
Meta 對外出租的主要是 H100/H200 這一代的 GPU 叢集，最新一代「頂級訓練算力GB300」仍以自用為主。
Meta目前計劃了兩種模式來出租算力：
1）出租原始 compute，讓客戶在 Meta DC 上訓練 / 推理（類似 CoreWeave）；
2）開放託管在 Meta 基礎設施上的 AI 模型存取。
推理卡 vs 訓練卡需求將分化，舊卡做推理、新卡主導訓練是主線。
頂級訓練算力仍短缺。高端訓練算力交付週期還在 6–9 個月以上。
3️⃣AI需求放緩了麼？
SemiAnalysis給出了一組具體數字：僅2026年上半年，Meta就已簽約超過5GW的資料中心容量，涵蓋雲租賃和托管機房，這還不包括自建專案的全部進度。
前面不是提到有35%的算力閒置，那為什麼一直買新的算力呢？
Meta Superintelligence Lab（MSL）的大模型研發列為算力使用的首要方向，支援下一代 Llama 系列和多模態模型的訓練迭代，試圖追趕 OpenAI / Anthropic。
廣告推薦系統（RecSys）：10倍擴容空間。
SemiAnalysis認為，Meta相信可以將廣告推薦系統的複雜度擴大超過10倍，以此加速營收成長。這需要同時投入推理與訓練算力。更大、更貴的RecSys模型，已經在驅動廣告主支付更高價格的同時保持強勁的廣告報酬率。
此上，依舊痛苦持倉但保持樂觀。