🔥36氪•較早收集於 11m
Meta 或將變現 AI 算力，2027 年收入有望增 300 億美元
💡Meta 若進入雲端算力市場，可能為大規模 AI 訓練提供更具成本效益的選擇。
⚡ 30-Second TL;DR
有什麼變化
Meta 可能出售舊模型訪問權限及閒置算力
為什麼重要
若 Meta 進入雲端算力市場，可能會大幅降低開發者的 AI 訓練成本，並衝擊現有雲端供應商的定價體系。
下一步行動
密切關注 Meta 開發者入口網站，留意潛在的 API 或裸機算力存取公告。
誰應關注：Developers & AI Engineers
關鍵要點
- •Meta 可能出售舊模型訪問權限及閒置算力
- •預計 2027 年 AI 相關算力容量達 8 至 11.5GW
- •2027 年潛在新增收入 90 億至 300 億美元
- •該策略可保留最新晶片用於內部訓練
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Meta 正在開發名為 'Meta Scale' 的內部基礎設施計畫，旨在將其龐大的 GPU 集群（主要是 NVIDIA H100）進行虛擬化與資源池化，以便更靈活地分配給外部租戶。
- •分析師指出，Meta 的變現策略可能採取類似 AWS 或 Azure 的『裸機雲』模式，針對需要大規模訓練環境的 AI 新創公司提供專屬算力。
- •Meta 的開源模型 Llama 系列（如 Llama 3 及後續版本）已成為其算力變現的護城河，透過提供模型微調與託管服務，增加客戶對其底層算力的黏著度。
- •德意志銀行的預測模型考慮了 Meta 在能源基礎設施上的巨額資本支出，認為將閒置的電力容量與冷卻系統轉化為數據中心託管服務（Colocation）也是潛在收入來源。
- •Meta 內部正在測試一種動態負載平衡技術，能夠在不影響核心廣告推薦演算法運行的前提下，將非尖峰時段的算力自動調度給外部 API 請求。
📊 競品分析▸ Show
| 特性 | Meta (潛在算力租賃) | AWS (Amazon Bedrock/EC2) | Microsoft Azure (OpenAI 託管) |
|---|---|---|---|
| 核心優勢 | Llama 生態系整合、成本效益 | 全球基礎設施、企業級服務 | OpenAI 獨家合作、企業整合 |
| 定價模式 | 預計採按需與預留實例 | 按需、預留、Spot 實例 | 按需、預留、容量預留 |
| 硬體架構 | NVIDIA H100/B200 為主 | 自研晶片 (Trainium/Inferentia) + NVIDIA | NVIDIA H100/A100 + 自研 Maia 晶片 |
🛠️ 技術深入
- 算力虛擬化技術：Meta 採用基於 PyTorch 的分散式訓練框架，結合自研的調度器，實現跨數據中心資源的動態分配。
- 互連架構：利用自研的 AI 專用網絡架構（如 Disaggregated AI Fabric），降低大規模 GPU 集群間的延遲，這對於吸引外部高階用戶至關重要。
- 能源效率：Meta 數據中心採用先進的液冷技術（Direct-to-Chip Cooling），能支持更高功率密度的機櫃，這使其在出租算力時比傳統雲端供應商更具能耗成本優勢。
🔮 前景展望AI analysis grounded in cited sources
Meta 將從純粹的廣告公司轉型為混合型雲端基礎設施供應商。
透過將閒置算力貨幣化，Meta 的營收結構將從單一的廣告收入轉向廣告與雲端服務並重的多元模式。
Meta 的算力變現將對 NVIDIA 的雲端合作夥伴（CSP）構成價格壓力。
Meta 若以更具競爭力的價格提供算力，將迫使傳統雲端供應商調整其 GPU 租賃定價策略。
⏳ 時間線
2023-07
Meta 正式發布 Llama 2，開啟開源模型生態系戰略。
2024-04
Meta 發布 Llama 3，並宣布其訓練集群規模達到數萬張 H100 GPU。
2025-02
Meta 宣布其數據中心能源容量擴張計畫，目標在 2027 年前達到 GW 級別。
2026-01
Meta 開始在內部測試針對特定企業合作夥伴的算力共享 API。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 36氪 ↗