事件
2026 年三月，Google 向 Meta 告知：無法供應後者申購的全部 Gemini 算力。這道看似平靜的限制令，實際上戳破了 AI 產業近兩年最大的集體幻覺。
根據《Financial Times》報導，這項限制至今未解除，已經延後了 Meta 的多個內部 AI 專案。不只 Meta，Google 還對其他幾家客戶施加類似限制，只是程度較輕。Meta 衝擊最嚴重的原因很直白：它對 Google 模型的需求量遠超其他客戶。
結果是什麼？Meta 不得不要求員工更有效率地使用 AI token（衡量 AI 模型使用量的計量單位），變相削減了內部 AI 專案的野心。
隱藏的產業邏輯轉折
過去 18 個月，整個 AI 產業的敘事圍繞著一個假設：*模型是稀缺的*。
OpenAI 發佈 GPT-4，科技股漲；Google 急忙推出 Gemini，股市看漲；Meta 自研 Llama，投資人喝彩。這套敘事裡，模型能力（capability）是決定競爭勝負的唯一變數。企業為此砸數十億美元，招募 AI 人才，與 NVIDIA 爭著買 H100 顯卡。
但 Google 對 Meta 的限令揭示了另一層現實：模型本身不稀缺，運行模型的算力才稀缺。
Google 已經有能力同時服務數十家企業的推理需求。限制 Meta 的不是「Gemini 不夠強」，而是「我的數據中心沒有多餘的 GPU 時間來跑妳的查詢」。這是基礎設施瓶頸，不是技術瓶頸。
稀缺性為何轉移
第一階段（2022-2023）：模型稀缺 - ChatGPT 一鳴驚人，全球企業搶著要接入最強模型 - GPT-4 發佈時價格極高、名單制邀請，反映供不應求 - 企業願為「用到最新模型」支付溢價
第二階段（2023-2024）：開源模型爆發，模型不再稀缺 - Llama、Mistral、Qwen 等開源模型推出，性能逼近商業模型 - 任何有資本的企業都能微調或訓練自己的模型 - 模型從稀缺品變為大宗商品
第三階段（2024-2026）：算力成為瓶頸 - 推理需求激增：每天數十億次 API 調用湧向各大雲服務商 - NVIDIA H100、B100 顯卡供應緊張，交期延後 - Google、Microsoft、Amazon 的數據中心擴容跟不上需求曲線 - 結果：就算妳的模型很強、錢也夠多，也買不到充足的運算時間
誰受傷最深
Meta 的案例最有啟發性。Meta 投入巨資開發 Llama，甚至在模型能力上已經相當接近 Google Gemini。理論上，Meta 可以獨立運行自己的推理服務。
但現實是：Meta 要在自己的服務（如 Reels、Ads 系統）中集成 AI 能力、要在 WhatsApp 和 Instagram 裡提供 AI 助手，這需要的算力規模超出它的現有基礎設施容量。於是 Meta 轉向採購 Google 的算力。
Google 一句「買不夠」，Meta 的整個 AI 野心就被掐斷。這正是稀缺資源掌握者的典型動作。
這個轉變的深層含義
模型公司變成商品、基礎設施公司變成寡佔
過去兩年，新聞充滿對 AI 新創的歌頌：「一家初創用 600 萬美元訓練了對標 OpenAI 的模型」（DeepSeek）。這種故事會繼續發生，因為模型訓練的成本確實在降低。
但一旦模型足夠好用，競爭的戰場就轉向「誰能穩定地供應推理算力」。這領域的玩家只有三家：Google、Amazon、Microsoft。它們各自控制著數百萬顆 GPU。
新創和中型科技公司要進入 AI 應用市場，必須依賴這三家的基礎設施。而基礎設施掌握者可以隨時按下「限流閥」——就像 Google 對 Meta 做的那樣。
定價權從模型提供者轉向基礎設施提供者
2023 年，OpenAI 靠著「最強模型」跟企業議價。2026 年，Google 靠著「最多可用算力」跟企業議價。後者的籌碼更強，因為它不可替代。
地緣政治的新戰線