事件
2026 年 7 月 2 日，Meta 宣布出售部分閒置算力。這則新聞被市場解讀為「AI 算力需求見頂、行業要進入衰退期」。結果 A 股科技股當日大跌：創業板指下跌 5.71%、科創綜指下跌 5.64%，半導體、算力硬件、存儲晶片等板塊跌幅最大。
但業內人士隨即澄清：Meta 出售算力根本不代表算力過剩，而是資本配置的正常調整——當前期基礎設施已部署、企業進入「優化成本、提升 ROI」階段時、出售閒置資源是標準動作。這不是投資高峰的結束、而是從「狂建」轉向「精細化運營」。
為什麼市場會這樣誤讀？
這個事件展現了三層認知陷阱：
第一層：代表性啟發法（Representativeness Heuristic）
「出售算力」這個信號、在人類認知中容易被歸類到「不再需要這東西」。就像聽說某公司在甩賣庫存、大腦自動執行「他們是不是快倒閉」的聯想。但在現實中、優化過剩產能和完全不需要產能、是兩回事。Meta 出售的是在訓練高峰期多購的「冗餘」、不是「所有」算力。
第二層：可得性偏差（Availability Bias）
一條「Meta 出售算力」的新聞、在社交媒體和交易員群組中快速流傳。市場上看到的全是這類「負面」信息、看不到更多的「Meta 同時在 10 個數據中心擴建」的信息（因為擴建是常規、不性感）。於是「可得到的信息」開始偏向「算力過剩」這個敘事、人們基於這個有限視野做決定。
第三層：羊群效應（Herding）
當第一波賣家開始拋售科技股時、其他交易員看到「科技股在下跌」、不經過獨立驗證、就跟著賣。因為在高頻交易環境中、跟著羊群跑的風險（回本慢）往往小於獨自逆向操作的風險（被軋爆）。結果一個「信號誤讀」變成了「市場共識」、從而變成了「價格」。
歷史重複
類似的案例在科技股歷史上一再上演：
- **2000 年互聯網泡沫**：亞馬遜、eBay 等燒錢擴張、被誤讀為「這些公司永遠賺不到錢」→ 全部被拋售 → 真正的技術進步卻在這個時期奠基
- **2008 年金融危機**：雷曼兄弟倒閉被解讀成「銀行系統要崩潰」→ 銀行股全線跌停 → 但許多銀行其實資本充足
- **2022 年科技股崩盤**：美聯儲加息被讀成「科技時代結束」→ 一窩蜂拋售高估值股 → 結果 AI 浪潮在低谷時啟動
這些案例都指向同一個模式：市場用過去的「信號－結果」經驗、去套當下新場景的信息、而忽視了場景本身已經改變。
為什麼這個誤讀特別危險
算力過剩和算力優化配置、差別在於：
- **過剩**意味著需求方向了、投資周期反轉、所有相關產業鏈萎縮
- **優化**意味著下一階段不是「買更多」、而是「用更聰明」，研發和應用創新反而加速
Meta 出售閒置算力的同時、Google、OpenAI、字節跳動等公司的數據中心建設仍在加速。這更像是市場在從「供應競賽」進入「效率競賽」——一個健康的產業成熟化信號、而非衰退信號。
但市場用了錯誤的模板來理解它。
對讀者的啟發
當妳看到「某大公司宣布裁員 / 出售資產 / 降低指導」這類新聞時、關鍵問題是：
1. 這是週期頂部的信號、還是週期內的調整？（區分度：是否還有其他公司在同方向投資？） 2. 媒體有沒有把「部分」誤讀成「全部」？（區分度：出售的規模和佔比是多少？） 3. 我的反應是獨立判斷、還是在跟隨羊群？（區分度：有沒有花 30 分鐘查一下業內人士怎麼說？）