一個數字震驚了所有人：Meta 每年向微軟 Azure Foundry 平台購買 AI 模型服務的金額，高達數億美元——換算新台幣就是數百億元。這不是什麼新創小公司的開銷，而是全球科技巨頭 Meta 的「日常支出」。
當 Meta 執行長馬克·祖克柏（Mark Zuckerberg）不斷宣示要打造全球最強的 AI 基礎建設，甚至自研晶片、大舉興建資料中心時，這則由彭博社在 8 月 20 日揭露的消息，卻掀開了另一層現實：就算是你自己蓋了高速公路，有時候還是得跟隔壁借道。
這筆數億美元的合約，買的不是別的，正是算力。每週數兆個 Token 的消耗量，讓 Meta 成為微軟 Azure 旗下 Foundry 平台的「重量級 VIP 客戶」。不過，雙方對此都異常低調，具體金額與合約細節一概不予證實。這種沉默，反而比任何聲明都更有意思。
表象：自家的 AI 不夠用？
從帳面上看，Meta 的資本支出完全不像個「會缺算力」的公司。今年第二季的資本支出已達 310.8 億美元，全年預算更上調至 1,300 億至 1,450 億美元之間——幾乎是去年 722.2 億美元的兩倍。這些錢去哪了？祖克柏說得很白：記憶體價格飆漲，還有資料中心得超前部署。
但問題來了。如果自家基礎建設真的這麼夠力，為什麼還要捧著大把銀子去租微軟的 OpenAI 模型來評估自家系統的輸出？Meta 技術長 Andrew Bosworth 在今年 7 月倒是很坦率，直接承認公司會租用市面上領先的外部模型，做為開發工作的一環。
「這就像一個頂級廚師，明明有自己的廚房和食材，卻還是會去別人的餐廳試菜。不是因為自己不會煮，而是想知道市場上的頂尖水準到哪裡了。」——一位不願具名的 AI 產業分析師如此比喻。
話說回來，Meta 開發人員利用 Foundry 提供的 OpenAI 模型來「評估」自家系統，這個「評估」兩個字背後藏著的，恐怕不只是單純的比較心態。更合理的推測是：在某些情境或任務上，Meta 自家的開源模型 Llama 系列，可能還真比不上 OpenAI 的閉源黑盒子。不然，何必花這個冤枉錢？
真相：算力軍備競賽裡的「外包戰術」
換個角度想，Meta 的算力採購策略，其實比外界想像的務實得多。根據 Meta 去年 10 月的公開說法，他們從一開始就沒打算只靠自家基礎建設，而是規劃了「自有基建 + 外部雲端合約」的雙軌制。也就是說，向微軟買算力不是「救援」，而是「既定戰略」。
但有趣的是，這個戰略的規模顯然超出預期。今年 1 月，Meta 就已經預告第三方雲端支出會「帶動全年支出增長」，而且這筆錢跟自家資本支出是分開算的。換句話說，Meta 正在用一種「左右手分開花錢」的方式，來確保自己在 AI 競賽中不會因為算力瓶頸而掉隊。
這也解釋了為什麼微軟 Foundry 平台的業績會這麼嚇人。截至今年 7 月 29 日，Foundry 客戶數已達 10 萬名，營收年增超過一倍。同時使用多家供應商模型的客戶數，自年初以來成長了五倍；年算量達 1 兆 Token 的客戶數，也年增四倍。微軟財務長 Amy Hood 更直言：「系統仍有產能限制，需求持續超過現有供應。」——這句話從一個營收突破千億美元的雲端巨頭口中說出來，格外有震懾力。
各方角力：微軟的產能爭議與 Meta 的兩難
就在 Meta 巨額算力採購曝光之際，微軟 Azure 自己卻也陷入「產能是否灌水」的質疑風暴。《衛報》在 8 月 17 日的一份調查指出，微軟實際安裝的 AI 晶片數量約為 220 萬顆，遠低於根據其公布的電力容量所推算出的數字。微軟當然反駁，說分析假設有誤。加州大學河濱分校教授 Shaolei Ren 則打圓場，認為公開的產能數據缺乏足夠背景資料，難以判斷實際運作的算力到底有多少。
這就形成了一個詭異的循環：Meta 花大錢跟微軟買算力，但微軟自己可能也快被需求壓垮。而 OpenAI 一家就佔了微軟整體 AI 營收的七成，這種客戶集中度，對微軟是甜蜜的負擔，對 Meta 來說則是一個警訊——如果哪天微軟把產能優先留給 OpenAI 或自己的產品，Meta 這個「大客戶」會不會被卡脖子？
「祖克柏顯然在打兩手牌。一手是砸錢蓋自己的算力王國，另一手是跟競爭對手的雲端平台保持戰略合作。這不是精神分裂，而是風險管理。問題只在於：這兩條路都貴得嚇死人。」
數據會說話。Meta 今年第二季自由現金流年減 91%，這個數字比任何財報分析都來得真實。追趕 AI 競賽的代價，已經從「燒錢」升級到「燒命」的等級。
深層影響：AI 競賽正在改寫科技業的財務邏輯
過去科技巨頭的資本支出，蓋的是辦公大樓、買的是伺服器機櫃，折舊攤提還可以算個五年十年。現在呢？AI 晶片的迭代速度以月為單位，記憶體價格波動像海盜船，而算力的消耗量——就像 Meta 員工自己建的內部排行榜顯示，光一個團隊 30 天就能用掉 60 兆 Token——完全是指數成長。
這代表什麼？傳統的資本支出模型已經失靈了。你今年砸了 1,300 億美元蓋資料中心、買 GPU，明年可能就發現新的晶片效能翻倍、功耗減半，而舊設備的二手價直線墜落。偏偏 AI 模型的參數規模還在膨脹，你不用新晶片，訓練時間就比競爭對手多一倍，市場機會就這麼流失了。
Meta 的自研 AI 晶片 Iris 預計今年 9 月投產，目標是 2027 年運算能力翻倍。但從目前每年數億美元外購算力的現實來看，Iris 短期內恐怕還無法扛起 Meta 的 AI 大旗。更不用說，祖克柏先前已經預告，不久後可能「須規定工程師使用 Token 的上限」——當一家公司需要限制員工用多少算力來工作時，你就知道這個系統有多吃緊了。
【編輯觀點】從產業面來看，Meta 這種「自有 + 外購」的雙軌算力策略，其實正在成為 AI 時代的新常態。沒有一家科技巨頭能百分之百靠自建基建滿足所有需求，原因不在於錢不夠，而在於時間不夠——蓋一座資料中心要兩年，但算力需求的成長週期只有六個月。未來的 AI 競爭，比的不是誰的算力多，而是誰的「算力調度效率」更高。Meta 向微軟買算力，某種程度上是在買時間、買彈性、買一個「算力保險」。但如果連微軟都出現產能疑慮，那這份保險的理賠上限在哪裡，恐怕連祖克柏自己都還在算。對一般企業來說，這個案例的啟示很殘酷：AI 的資本門檻已經高到連巨頭都需要互相借資源，中小企業如果沒找到精準的切入點，連進場的資格都沒有。
未解之問：算力泡沫什麼時候會破？
回頭看微軟的財報，Azure 年度營收突破千億美元，年增 41%，這是在全球經濟放緩的背景下達成的。AI 的算力需求，確實撐起了一個全新的成長引擎。但這個引擎的燃料——也就是晶片、電力、散熱、資料中心土地——全都是有限資源。
《衛報》對微軟晶片數量的調查，其實戳破了一個更大的泡泡：我們可能嚴重高估了全球實際可用的頂尖算力總量。如果連微軟這種等級的雲端龍頭，實際安裝的晶片數都與外界推算有巨大落差，那市場上對於「算力過剩」或「算力不足」的各種討論，有多少是建立在真實數據上的？
Meta 的例子告訴我們兩件事。第一，AI 基建是一場沒有終點的軍備競賽，你投入的每一分錢，都可能在兩年內變成「沉沒成本」。第二，算力本身不是護城河，如何有效率地運用算力、轉化成產品競爭力，才是真正的勝負關鍵。
祖克柏選擇了雙軌並進：自家的晶片、資料中心、開源模型 Llama 一條龍，同時又跟微軟維持緊密的算力採購關係。這種策略的優點是靈活，缺點是成本高到讓自由現金流幾乎歸零。問題只剩一個：當 AI 的「軍備競賽」進入下半場，Meta 手上的現金，還能讓他這樣玩多久？
讀完這篇文章，你該思考的是：
AI 算力的「國家級」與「企業級」門檻正在急速拉高。如果你所在的產業需要導入 AI 應用，直接採購雲端算力恐怕只是第一步——接下來你得面對的，是成本控管、供應商多元布局、以及內部使用效率的層層考驗。別等到 Token 被限制用量才開始想對策，那時候你連「借算力」的門票都買不起了。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
為什麼 Meta 已經砸了上千億美元蓋基建，還需要向微軟買算力？
因為算力需求的成長速度遠超資料中心建設的速度。Meta 的雙軌策略是「自有基建 + 外部雲端合約」並行，向微軟買算力不是因為自有基建不夠，而是為了補足短期暴增的算力缺口、評估外部領先模型，並維持戰略彈性。
Meta 每年花在 Azure 的算力費用到底有多少？
根據彭博社報導，金額高達數億美元，以目前匯率換算約為新台幣數百億元。但 Meta 與微軟均未確認具體金額與每週 Token 用量，這筆支出也與 Meta 自家基礎建設的資本支出分開計算。
微軟 Azure 的算力產能真的足夠應付 Meta 這種大客戶嗎？
微軟財務長已坦言系統存在產能限制、需求持續超過供應。加上《衛報》調查質疑微軟實際 AI 晶片數量低於外界推算，市場對 Azure 的產能真實性已有疑慮，這也凸顯了 Meta 過度依單一外部供應商的潛在風險。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
