7月1日彭博（Bloomberg）報導，META正考慮透過內部代號「Meta Compute」的計畫，把自己過剩的AI運算產能對外出租，甚至可能提供原始GPU算力或AI相關服務。

消息一出，市場上兩大「算力二房東」Nebius、CoreWeave股價當天重挫超過10%，META股價卻反向大漲逾8%。

市場開始猜測「META都要靠出租算力賺錢了，AI模型是不是沒賺頭？」

META的資本支出規模已經是以「數十GW」在計算，砸下去的錢是幾百億美元級別，光靠自家的廣告、推薦系統根本消化不完這些產能。而META選擇在此時把過剩算力出租，某種程度上更接近「先把手上這份龐大資本支出找到變現出口」的財務考量，而不是在承認AI這條路走不下去。

出租算力這件事，也不只是我們現在看到的大語言模型訓練需求——企業導入AI助理、AI代理人(Agentic AI)的即時推論、機器人與Physical AI的邊緣運算訓練、甚至醫療影像分析、蛋白質結構預測這類垂直領域的專用模型，都需要用到大量算力。當算力需求的來源越來越分散、越來越多元，META把多出來的產能租出去，反而是在提高資源使用效率，讓這些昂貴的機房不要只綁死在自家的LLM訓練排期上。

而這種「先找方向、期間讓效益最大化」的策略調整，其實不是第一次出現在科技產業的大題材裡，你知道現在的AI時代，跟當年網路時期上漲的類股，其實也正在複製相同的模式嗎？

AI產業現在的真相：企業端優勢明顯，消費端動能不足

如果把AI產業拆成「企業導入」跟「消費者買單」兩條線來看，現在的局面其實非常不對稱。

企業端的邏輯屬於，導入AI能提升效率、拉開跟同業的競爭差距，但反過來說，不導入AI也會面臨被市場淘汰的高風險，這是一種「不做不行」的剛性需求，企業採購的決心跟預算都會比較堅定。

但消費者端完全是另一套邏輯。目前全球有數億AI用戶，但只有大約3%的人願意付費，就連ChatGPT的週活躍用戶裡，也只有5%轉換成付費訂閱戶。那AI之後就完蛋了嗎？

倒也不至於，這其實跟消費者的採用習慣有關，而不是技術本身的問題。

這裡有一個很值得思考的類比：網路時代跟AI時代，其實都具備相同的性質，上班族都需要自主學習、自主成長，才能跟上技術轉變帶來的生產力落差。差別在於，AI需要的自主推動力可能比網路時代更高，而消費者要不要為這件事情買單，牽涉到的因素太多，不夠好、不夠實用、甚至太貴，都會讓一般人問「我為什麼要花這筆錢」。

尤其對於快要退休、或已經沒有職場競爭壓力的族群，這股學習跟採用的動力會更明顯地流失。另外，這又會與全球的高齡化社會有著相關性，但這裡就先不展開討論。

歷史總是重演：1995～2000年，市場也曾這樣分過兩段

把時間拉回到1995～2000年，這段網路泡沫醞釀期，其實也經歷過類似的兩個階段。1995～1998年，資金主要流向「企業支出驅動」的基礎設施，PC、電信網路建設，這段時期企業IT投資的實質成長率平均每年將近24%，是其他設備投資的五倍。1999～2000年，敘事才切換到純消費端的網路股（Amazon、eBay、Yahoo、Pets.com），泡沫化到最高點後迎來2000～2002年的大崩盤。