不如让我们回到本次大跌的起点去看看，看看究竟发生了什么？是泡沫破灭还是过度恐慌？是回调还是终结？

7月1日，一条头条新闻称 Meta 可能将其多余的 AI 算力出售，做成类似 NeoCloud 的业务模式。市场将其解读为“算力供给过剩”的首个真实信号。叠加此前对于内存占整个CapEX过高的担忧，系统性下跌开始。
1️⃣META在AI竞赛中失利
这应该已经是公开的事实。除了模型的落后之外，大额AI投资也进一步消耗了Meta的现金流。如果不做任何改变，Meta的自由现金流在未来几年将持续处于负值。
目前H100/H200的算力在Meta当前内部基础设施的利用率约为65%，剩余35%的闲置产能为缺钱的Meta提供了一种变现途径。
这可不是一笔小钱。
2️⃣算力的分级
Meta 对外出租的主要是 H100/H200 这一代的 GPU 集群，最新一代“顶级训练算力GB300”仍以自用为主。
Meta目前计划了两种模式来出租算力：
1）出租原始 compute，让客户在 Meta DC 上训练 / 推理（类似 CoreWeave）；
2）开放托管在 Meta 基础设施上的 AI 模型访问。
推理卡 vs 训练卡需求将分化，旧卡做推理、新卡主导训练是主线。
顶级训练算力仍短缺。高端训练算力交付周期还在 6–9 个月以上。
3️⃣AI需求放缓了么？
SemiAnalysis给出了一组具体数字：仅2026年上半年，Meta就已签约超过5GW的数据中心容量，涵盖云租赁和托管机房，这还不包括自建项目的全部进度。
前面不是提到有35%的算力闲置，那为什么一直买新的算力呢？
Meta Superintelligence Lab（MSL）的大模型研发列为算力使用的首要方向，支持下一代 Llama 系列和多模态模型的训练迭代，试图追赶 OpenAI / Anthropic。
广告推荐系统（RecSys）：10倍扩容空间。
SemiAnalysis认为，Meta相信可以将广告推荐系统的复杂度扩大超过10倍，以此加速营收增长。这需要同时投入推理与训练算力。更大、更贵的RecSys模型，已经在驱动广告主支付更高价格的同时保持强劲的广告回报率。
此上，依旧痛苦持仓但保持乐观。