事件背景
Meta 正在規劃一項雲基礎設施業務，計畫向市場出售 AI 計算能力和模型訪問權限。這一舉措直接對標亞馬遜云科技（AWS）、谷歌云（Google Cloud）和微軟 Azure 等主流雲服務商。
為什麼這很重要？
理解這一決策需要從成本結構說起。Meta 為了訓練 Llama、LLaMA 2 等大型語言模型，已經投入數百億美元購置高端 GPU 和 TPU。這些硬體設備是 固定成本——無論 Meta 是否使用、這筆錢已經花出去。
但現實是： - Meta 的訓練任務非 24/7 運行（需要工程師工作時間、需要數據預處理、需要模型調整迭代） - 推理任務（Llama 模型用於 Facebook、Instagram、WhatsApp）的計算需求呈波動性（尖峰時段和低谷時段差異巨大） - 在某些時段，這些 GPU 集群可能閒置度達 40-60%
邊際成本幾乎為零——打開一台已購買的 GPU 來運行客戶工作負荷，只需支付電費和維護成本（邊際成本），而硬體採購成本已經沉沒（sunk cost）。
商業邏輯：從成本中心到利潤中心
傳統思維下，這些過度購置的計算資源就是「損耗」——你必須為它們付利息、繳納地皮租金、支付電費。
但邊際產能商品化改變了遊戲：
1. 降低攤銷單位：如果 Meta 的 AI 訓練只利用 GPU 60% 的產能、剩下 40% 可以轉售給 AI 新創、製藥公司、金融機構，那麼每單位訓練成本就從原本的 $100 降到 $60——競爭對手突然無法比價。
2. 轉變組織性質：Meta 從單純的「社群媒體廣告公司」逐步變成「科技基礎設施提供商」（類似亞馬遜的轉身：從電商平台 → AWS）。這會重新定義估值倍數——SaaS 雲服務的 revenue 倍數通常是廣告業的 2-3 倍。
3. 建立競爭護城河：一旦 Meta 有了穩定的雲計算客戶基礎，它就積累了客戶粘性、數據、和 API 生態——這些會強化 Lock-in（鎖定效應），類似 AWS 的地位。
歷史類比：SpaceX 的先例
SpaceX 的邊際火箭案例：
馬斯克投資獵鷹火箭（Falcon 9）的初衷是為自家衛星星鏈（Starlink）服務運輸。每一次發射的邊際成本（燃料、地勤人員加班費）約 $1-2 百萬，而獵鷹 9 的開發總成本早已投入（固定成本）。
邊際產能商品化的結果：SpaceX 開始向其他衛星公司、太空站任務、商業客戶出售發射服務。根據公開報價，一次獵鷹 9 發射現在賣 $6200 萬。這看似高價，但對 SpaceX 而言： - 航太工業的傳統發射方（ULA、俄羅斯質子火箭）成本是 $1.5-2 億 - SpaceX 的邊際成本仍只是 $1-2 千萬 → 毛利率驚人 - 每一次商業發射，都在攤銷火箭開發的固定成本
同時，SpaceX 積累了客戶、數據、和技術優化反饋——最後導致獵鷹 9 成為全球最可靠、最便宜的商業火箭。
為什麼現在？
三個時間因素的交匯：
1. 硬體過剩時代來臨： - NVIDIA H100 供應從短缺轉向過剩（2024-2025 轉折點） - 芯片成本曲線趨平（摩爾定律減速） - 大型科技公司都在「跑馬圈地」采購 GPU，導致行業產能過剩
2. 訓練成本收斂： - DeepSeek 用 1/25 成本達到 OpenAI 水平（前提是中國不受出口管制） - 這迫使所有玩家尋求成本結構優化而不是純粹堆砌硬體 - Meta 已擁有海量硬體、成本結構最優化的玩家應該是 Meta
3. 雲市場增長動能衰退： - AWS、Google Cloud、Azure 的增速放緩（雲已是成熟市場） - AI 計算的邊際定價壓力巨大（同質化競爭加劇） - 進入者需要差異化——Meta 可以用「比 AWS 便宜 30-40%」切入
風險與轉折點
不是所有邊際產能都能商品化： - 雲計算市場已由三大巨頭瓜分（AWS 32%、Azure 23%、Google Cloud 11%） - Meta 沒有雲基礎設施的品牌信譽——企業客戶傾向於選擇有長期 SLA（服務級別協議）和合規認證的供應商 - AWS 在成本上已經可以下沉到接近邊際成本（因規模優勢），Meta 的 30-40% 優勢未必能維持