Meta 开始把 GPU 算力转售和共享放到台前。重点不是 Meta 又发了一个模型，而是它把 GPU 从成本项改成了可收费资产。

一、GPU 从成本项变成收入项

小扎的表述很直接：模型可以慢，GPU 必须赚。过去 GPU 对 Meta 更像资本开支，用来训练 Llama、支撑推荐、广告和内部研究。现在这批算力也可以被包装成供给，卖给需要推理资源的外部客户。

这件事的信号在于，Meta 没有只把模型能力当作竞争点。它开始把算力本身当成一条业务线，这在大公司公开叙事里并不常见。

二、卖铲子的生意更稳

CoreWeave、Lambda、Together AI 这些公司过去几年吃到的是同一口饭：模型公司、应用公司、企业客户都缺稳定 GPU。它们不一定拥有最强模型，但拥有可交付的算力、调度和账单能力。

Meta 入局后，市场参照系变了。它既有模型团队，也有自研芯片、数据中心和大规模集群经验。如果这些资源被拿出来做外部供给，Meta 就不只在模型层竞争，也在基础设施层收钱。

对 PM 和创业者来说，这比单个模型发布更重要。推理请求一旦变成日常产品调用，算力成本会直接进入毛利结构。谁能拿到稳定、可预期、价格合理的 GPU，谁的产品节奏就更稳。

三、给创业公司的两个判断

第一，算力采购正在从技术部门问题变成产品问题。一个 AI 应用能不能长期跑下去，不只看模型效果，也看单位请求成本、峰值响应和供应稳定性。

第二，未来的供应商名单会更复杂。创业公司面对的不再只是 OpenAI、Anthropic 或云厂商，也会看到 Meta 这种既做模型又卖算力的大公司。它们可能不是最便宜的选择，但会把行业价格锚点重新摆一次。

写到最后

Meta 这次不是来讲模型故事，而是来讲 GPU 怎么赚钱。挖金子的人会在模型效果、用户增长和资本开支之间反复摇摆；卖铲子的人只关心一件事：需求还在，设备就不能空着。

这也是这条新闻值得写的地方。AI 热度会变，推理请求已经在账单里出现。对大公司来说，GPU 不再只是烧钱机器；对创业者来说，算力合同可能比模型发布会更影响下一季度的产品计划。