近期，AI行业接连传出两则引人瞩目的动态：meta被曝有意对外出租闲置的AI算力资源，而Anthropic则被传正与三星洽谈合作开发定制化AI芯片。这两家头部企业的不同举措，看似独立，实则共同指向了行业发展的新趋势——曾经不计成本比拼算力的时代正在悄然改变，企业开始将目光转向资本回报率的优化。
Anthropic与三星的合作传闻并非首次出现。今年早些时候，市场上便流传出该公司计划自研芯片的消息，旨在缓解对英伟达芯片的依赖，并降低因供货紧张导致的算力成本高企问题。最新进展显示，双方已进入深度接触阶段，探讨定制芯片开发的可能性，但具体技术细节尚未确定。尽管如此，Anthropic明确表示不会放弃谷歌TPU、亚马逊Trainium以及英伟达GPU等多元硬件架构的布局。事实上，AI领域自研芯片已非新鲜事，OpenAI近期联合博通推出的Jalapeño推理芯片便是一个典型案例，而亚马逊和谷歌也早已在云服务中提供定制化TPU，以提升特定任务的计算效率。
与Anthropic选择从供给端降本增效不同，meta则另辟蹊径，试图通过盘活存量资源实现成本分摊。据消息人士透露，meta正计划推出云基础设施业务，向外部客户出售AI算力和模型访问权限。这一举动一度引发市场对“算力过剩”的猜测，但行业分析师指出，meta在开放算力的同时，仍在持续扩建数据中心并加大GPU采购力度，其核心逻辑是通过外部收入分摊硬件折旧成本，进而支撑长期研发投入。这与亚马逊早年将内部IT资源转化为AWS云业务的模式异曲同工，本质是资产运营效率的升级，而非行业需求萎缩的信号。
将两家企业的动作结合起来看，AI行业的资本开支周期正从“野蛮生长”转向“精细运营”。过去两年，企业为争夺算力优势不惜重金投入，但如今，头部玩家开始更注重资本回报率，通过优化资源配置或技术自主性来提升竞争力。例如，Anthropic与三星的合作若能落地，将有助于降低对单一芯片供应商的依赖；而meta的算力出租计划，则可能通过规模化效应摊薄基础设施成本。这种转变并非偶然，随着AI技术逐步渗透至各行业，企业对成本控制的敏感度显著提升，粗放式扩张已难以持续。
不过，这一趋势也引发了投资者的新思考：若AI企业更关注资本效率，未来GPU采购、云计算租赁以及数据中心投资是否还能维持此前的高速增长？市场已对此作出初步反应——在meta传出算力出租消息后，全球存储芯片和算力硬件板块遭遇抛售。分析人士认为，若行业投资模式持续切换，硬件板块的调整可能进一步深化。毕竟，当企业从“抢资源”转向“用资源”时，市场对硬件的需求逻辑将发生根本性变化。
