全球半导体暴跌背后：Meta开始倾销，英伟达急着放贷，算力生意要变天了！

2026年年中，全球AI军备竞赛的逻辑变了。

过去两年，硅谷有一条清晰的单向食物链：英伟达卖卡，CoreWeave这类算力厂商买卡建机房出租，OpenAI和Anthropic这些模型公司租算力训练。各赚各的钱，分工明确。

2026年5月到7月，三个月内连续爆发的三件事，把这条食物链打碎了。

5月6日，马斯克的xAI宣布把旗舰超算集群Colossus 1——拥有超22万块英伟达GPU——以每年50亿到60亿美元的价格，长租给死敌Anthropic。月均1.25亿美元，租约直签2029年。

7月1日，Meta内部代号“Meta Compute”的云服务计划流出。这家2026年AI资本开支预计高达1250亿到1450亿美元的巨头，决定正式对外出售闲置算力，直接向传统云厂商和独立AI云宣战。

同一天，英伟达推出全新的“收入分成与信用支持”合作模式。它不再甘于只做一次性硬件供应商，而是用金融担保为区域云厂商背书建厂，换取长期的算力运营收入分成。

三件事的主角分别是芯片厂商、互联网巨头和AI新贵，处在产业链上中下游三个完全不同的位置，但指向同一个结论：算力已经从“硬件销售生意”变成了“金融和公共事业生意”。

三条路：放贷、倾销、长租

英伟达、Meta和xAI各自基于自己的生态位，走出了三条逻辑完全不同的算力变现路线。

英伟达：从硬件统治者到算力央行

英伟达传统的“一次性卖卡”模式面临两个远期隐忧。一是微软、谷歌这些大客户在自研ASIC芯片，迟早会分流英伟达的份额；二是硬件交易做一单算一单，增长天花板肉眼可见。

7月1日祭出的新方案直接破局。

第一步是信用支持。万卡级AI工厂的建厂融资门槛极高，新兴云厂商根本撬不动。英伟达用自己的资产负债表为这些企业提供信用支持，帮助它们打通银行融资。这一招让Sharon AI（部署4万块GB300）和Firmus（印尼巴淡岛360兆瓦园区，部署17万块GPU）这类区域云厂商能拿到百亿级贷款，建设英伟达DSX架构的AI工厂。

第二步是永续分润。硬件照常卖，但合作方后续对外出租算力的云计算收入，英伟达要长期抽成。英伟达不盖机房、不付电费，只输出芯片和信用，就把触角伸进了全球每一枚AI Token的生成利润里。据SemiAnalysis等机构测算，仅Firmus一个项目，6年内预计为英伟达贡献250到300亿美元的分成。

这跟中央银行的操作逻辑如出一辙：不直接参与市场交易，但通过信用扩张控制整条链路的利润流向。

更绝的是，这种“永续分润且不占股权”的轻资产金融模式，在法律上巧妙地为英伟达筑起了一道应对全球反垄断审查的防火墙。它不直接垄断下游云市场，却收割了最肥美的利润。

英伟达本质上变成了全球算力产业的“央行”。

Meta：用开源模型消化潮汐闲置 Meta的“Meta Compute”计划包含两条并行线。一条是类似CoreWeave的裸算力租赁，一条是类似AWS Bedrock的MaaS模型托管，按Token计费。

这条路的核心是资产效率对冲。AI超算中心的建设是整块交付的，颗粒度极粗——你不可能今天装一万张卡、明天再加两千张。但自研大模型的研发存在周期波动。上一代模型训完、下一代还没开工的技术空窗期里，天量硬件在数据中心白白折旧。

Meta的算盘是“以战养战”：优先保障内部前沿研发，把成熟代际或潮汐闲置的算力外售。一方面稀释数据中心的高昂折旧成本，另一方面通过Llama开源生态把开发者引流到自有算力上变现。Llama在全球庞大的开发者基本盘就是天然的获客漏斗——你用Llama开发应用，自然倾向于在Meta的算力上跑。

Meta的挑战在另一个维度：公有云的企业级运营和服务能力不是它的传统基因。AWS和Azure花了十几年打磨SLA担保、合规审计、混合云对接这些企业级能力，Meta要从头补课。

xAI：一场重资产的代际套利

马斯克的玩法最直接。xAI旗下的孟菲斯Colossus超算集群在完成上一代旗舰模型Grok 3的训练后，面临一轮技术空窗期——新一代模型的训练还没开工，数十万块GPU在机房里空转。

这个空窗期的代价是实打实的。超大规模智算中心在多代芯片迭代、跨机房网络拓扑调优的过程中，大规模分布式训练的算力利用率往往会出现阶段性下滑。一台拥有数十万块GPU的超级集群，多闲置一天，折旧和电力成本就是硬支出。

马斯克于是选择把阶段性富余的算力容量打包，定向租赁给有刚性推理需求的Anthropic——每年50亿到60亿美元，租约直签2029年。

算力租赁这门生意的天花板确实最低——纯物理长租没有模型层和硬件层的增值收益，但于 马斯克而言，这是一次极其主动且精明的财务对冲， 用别人的钱养自己的下一代超算，也是典型的代际套利。

为什么要跨界卖算力：三个残酷现实

三家巨头看似各走各路，但动因却指向同一个困境。

第一是资本开支压力。动辄千亿美金的投入，5年以下的芯片折旧周期，意味着任何巨头都无法再无限度地容忍算力闲置。一台GPU不跑任务，每天在折旧和电费上烧掉的钱是实打实的。

第二是大模型变现撞墙。纯粹靠订阅费或C端广告，短期内根本覆盖不了硬件窟窿。OpenAI的年化收入跑到了百亿级别，但跟它烧掉的算力成本比，缺口仍然巨大。算力租赁成了“生产资料再分配”的对冲手段——自己用不完的，卖给别人用。

第三是推理时代到来。相比于短期、剧烈的模型训练，大模型落地后的智能体推理需求是永久且细水长流的。训练是一次性投入，推理是持续性消耗。这个转变意味着算力行业的计费模式从固定时租走向按量计费和收益分成，估值逻辑也从看净利润的市盈率，转向更看重收入扩张速度的市销率。

华尔街的伪命题：Meta引发的暴跌是“算力过剩”吗？

Meta Compute计划宣布后，全球半导体与独立AI云板块遭遇血洗，华尔街分析师纷纷高呼“AI算力开始过剩”。

但这其实是一个巨大的伪命题。市场大跌，不是因为算力“总量过剩”，而是“散户叙事泡沫的破灭”与“算力的结构性错配”。

过去两年，资本市场炒作的是“算力绝对短缺”的恐慌叙事。在那个叙事里，谁手里有卡，谁的估值就能上天。但Meta和xAI的动作，戳破了这个粗放的泡沫。

它们证明了：世界上最顶尖的算力，其实大量囤积在不需要靠卖算力过活的超级大厂手里。一旦大厂因为模型训练空窗期而把这些“存量算力”推向租赁市场，中下游那些靠“倒买倒卖”赚取差价的二道贩子（独立AI云）就会被瞬间冲垮。

但这不是过剩，而是“巨头降维打击下的市场去泡沫化”。更何况，大模型预训练的算力需求会因技术周期出现局部潮汐，然而随着智能体应用全面爆发，下游对推理算力的消耗是持续的。华尔街错把大厂的“库存阶段性周转”当成了行业的“产能终极过剩”。

这也解释了为什么英伟达的消息没有对股市造成负面冲击。当Meta在向云市场倾销存量算力、砸烂二道贩子的饭碗时，英伟达在做的事情是通过金融手段帮全行业加杠杆，去消耗更新、更强的Blackwell（GB300）增量芯片。

英伟达的放贷和兜底机制，让那些拿不到微软、谷歌订单的区域主权智算中心（如印尼Firmus）获得了重资产建厂的能力。在华尔街眼里，Meta的举动是“存量相残”，利空供应链；而英伟达的举动是“做大增量”，用金融防火墙锁死了未来的芯片销量。因此，在这轮风暴中，貌似最受影响的英伟达的股价反而没有大幅杀跌，倒是一众借助产能短缺而疯狂涨价的芯片股血流成河。

谁是赢家，谁在出局

暴跌之后，产业链格局的分化已经清晰。

最大的受害者是独立AI云厂商。过去两年，CoreWeave、Nebius这些公司凭借高拿卡优先级和倒卖算力成为华尔街宠儿。但Meta宣布外售算力的消息一出，CoreWeave股价当天暴跌近14%——市场看得清楚，Meta手里的算力是训练空窗期的闲置产能，边际成本几乎只有电费，定价空间远低于独立云厂商的拿卡加运维成本。

这等于巨头拿存量算力向市场倾销，中小玩家的价格护城河一夜之间被击穿。

与此同时，英伟达的分成模式意味着高端芯片将优先供给Firmus这些“亲儿子”。独立AI云厂商面临双面夹击：上游拿卡顺位后移，下游大客户被Meta和xAI分流，它们的生存空间被严重收窄。

不过，独立云并非全面崩盘——在政企私有化算力、本地化合规部署、中小模型定制托管这些场景里，它们的中立身份（不跟客户抢模型生意）仍是不可替代的优势。真正被挤出去的，是那些只做通用算力租赁、没有差异化服务的二道贩子。

英伟达的位置最稳。

全新的分成模式，让它分散了单一客户购买力下降的风险；唯一需要警惕的是AMD、国产算力或巨头自研芯片的替代速度——但目前这三条路都还没走到能正面威胁英伟达的阶段。

Meta的软硬一体协同最强，但企业级云运营能力是短板。

xAI的现金流最稳，但天花板也最低，且缺乏模型层和硬件层的增值收益。

此外，还有暂时没亮牌的玩家：AWS和Azure。

它们手里有十几年的企业客户关系和自研芯片（亚马逊Trainium、微软Maia），在Meta和xAI搅局之前，它们才是算力租赁市场的地主。现在它们按兵不动，不是因为没有反应能力，而是在等 Meta和xAI先把价格战打透，再用自己的企业级服务能力和存量客户锁定期收割残局。

算力生意要变天了

囤积GPU以“秀肌肉”的纯硬件军备竞赛已经结束，商业模式的金融化博弈已经开启。

未来的算力赛道分层会极其清晰：英伟达在顶层掌控芯片供给，抽取整条链条的“金融税”；Meta、xAI和传统超大规模云厂商在中层，依托自有算力与自研模型提供一体化服务；底层的中小独立算力商，只能被迫卷入垂直细分场景。

在这场千亿美金的超级内卷中，只靠一条业务线已经活不下去了。打通硬件、算力租赁、模型服务至少两条线，或许才是AI企业活过这场科技风暴的标配。