關鍵數字：Meta 單季資本支出衝上 310.8 億美元，卻仍得每年額外花「數億美元」向微軟 Azure Foundry 平台購買算力——每週消耗數兆個 Token。這不是擴編，這是應急。
📊 數據總覽
這則由《彭博社》在 8 月 20 日率先揭露的消息，把 AI 軍備競賽背後那個很少被攤開來看的現實，狠狠甩到大家面前。
這張表的殘酷之處在於：Meta 不僅是 Azure Foundry 的「大戶」，還是那種低調到不行、默默刷卡的超級 VIP。但問題來了——如果連每年燒掉一千多億美元自建基礎建設的 Meta，都還得外購算力，那這場 AI 比賽的本質，到底是「技術創新」還是「資源掠奪」？
算力黑洞：Meta 為什麼非買不可？
先講白一點。Meta 技術長 Andrew Bosworth 在今年 7 月已經說得很誠實：公司會租用市面上「領先的外部模型」來做開發。這句話白話文翻譯就是——我家的模型，有時候還是得靠別人家的來驗證。
知情人士告訴《彭博社》，Meta 開發人員甚至會用 Foundry 平台上的 OpenAI 模型，來「評估自家系統的輸出結果」。這就像米其林餐廳的主廚，偶爾還是會叫對面便當來試吃——不是不好吃，是想知道別人的鹽巴怎麼撒。
但真正讓人在意的不是「有在買」，而是「買到什麼程度」。每週數兆個 Token 的消耗量，如果用白話講，大概等於把整個維基百科的內容翻爛好幾百遍。而且，這還只是在「評估」階段。
微軟的產能罩門：晶片裝了，但能跑嗎？
話說回來，微軟這邊也不是沒問題。《衛報》在 8 月 17 日的一份調查就狠狠敲了一記警鐘：Microsoft 實際安裝的 AI 晶片數量約為 220 萬顆，遠低於根據官方電力容量推算出來的數字。微軟當然反駁，說對方計算方法有誤，但加州大學河濱分校教授 Shaolei Ren 也補了一槍——公開數據缺乏背景，根本無法驗證。
這代表什麼？代表 Azure 就算想賺 Meta 這筆錢，產能天花板可能比大家想的還低。微軟財務長 Amy Hood 自己都承認：系統存在產能限制，需求持續超過供應。這句話從財務長嘴裡說出來，基本上是「我們有錢也賺不到」的委婉版。
有趣的是，OpenAI 一家就佔了微軟整體 AI 營收的 70%。也就是說，微軟的 AI 雲端生意，某種程度是「一間公司撐起七成江山」。Meta 到底佔 Foundry 多少比例？彭博社沒問到，兩家公司也都不說——但從 Meta 的用量來看，應該不會是那種「可以忽略不計」的數字。
祖克柏的算盤：砸錢、燒現金、然後呢？
Meta 執行長 Mark Zuckerberg 對資本支出上調的解釋，其實蠻老實的：零組件價格上漲，特別是記憶體；還得額外投資資料中心來應對未來的容量需求。
但說真的，這些理由聽起來都像是「不得不做」的藉口。真正讓人捏把冷汗的，是第二季自由現金流年減 91% 這個數字。91%，不是 9.1%。
用更白話的方式講：Meta 正在用現金流換算力，而且換得不太划算。
編輯觀點：從產業面來看，Meta 的處境其實是一個巨大的警訊。如果連全球資本支出前幾名的科技巨頭，都無法靠自建基礎設施滿足需求，那中小型 AI 新創基本上可以直接放棄「自己養算力」這條路。未來兩年，AI 產業會從「模型競賽」逐漸轉向「算力經紀」——誰能掌握穩定、低成本的算力來源，誰就是下一階段的贏家。反過來說，微軟 Azure 的產能爭議也告訴我們，「有晶片」不等於「有算力」，真正的瓶頸可能在電力、散熱、甚至電網基礎建設。對一般企業來說，與其追著最新模型跑，不如先想清楚：你的 AI 應用，真的需要那幾兆個 Token 嗎？
趨勢預測：算力軍備競賽，誰會先倒下？
Foundry 平台的客戶數據其實透露了一個更深的趨勢。微軟表示，同時使用多家供應商模型的客戶數量，從今年初以來成長了 5 倍；年算量達 1 兆 Token 的客戶數量也年增 4 倍。
這代表兩件事。第一，企業不再敢把雞蛋放同一個籃子——OpenAI、Meta Llama、Google Gemini，能用的全上，分散風險。第二，算力需求不是線性成長，是指數噴發。年算量破兆 Token 的客戶翻四倍，這不是什麼「市場穩健成長」，這是「大家都在恐慌性掃貨」。
看到這裡，你應該已經感受到那股「不買不行，買了又怕不夠」的焦慮感。Meta 甚至討論過要推出自家 API，讓其他企業存取多款 AI 模型——白話文就是：我也要來當房東，不然被房東掐著脖子太痛苦。
但問題是，當大家都在當房東，誰來當那個真正蓋房子的工人？
數據告訴我們什麼？
從這整串數據拉出來看，我得出三個結論，而且都不是什麼好消息：
第一，AI 基礎建設的資本密集度，已經到了「國家級」的規模。Meta 一年燒 1,300 億美元以上，這已經不是企業支出，這是小型國家的 GDP。而且就算這樣燒，還是不夠。
第二，算力市場正在走向「寡占化」。微軟 Azure 有產能爭議，但營收照樣年增 41%；Foundry 客戶破十萬，但最大客戶 OpenAI 就吃掉七成營收。這種結構，不是健康的市場，是「大者恆大、強者通吃」的典型劇本。
第三，也是最重要的一點：Token 經濟的單位成本，可能被嚴重低估了。Meta 每週消耗數兆個 Token，但這只是「評估用」——如果未來全面導入產品化應用，那個數字會再翻好幾倍。而這些成本，最終都會轉嫁到使用者身上。
所以，下回當你免費使用 Meta AI 或 ChatGPT 的時候，不妨想一下：背後那幾兆個 Token，是拿幾億美元、幾百座資料中心、幾百萬顆晶片去換的。而且，還不一定夠用。
這場 AI 戰爭，真正的敵人可能不是對手，而是自己的電費帳單。
FAQ 常見問題
Meta 為什麼不全部自建 AI 基礎建設，還要向微軟買算力？
因為自建趕不上需求爆發的速度。Meta 資本支出雖已達 1,300～1,450 億美元，但資料中心從動工到上線需要時間，且零組件（特別是記憶體）價格持續上漲。向 Azure Foundry 購買算力，是為了填補「即刻需求」與「自有產能上線」之間的時間差，屬於策略性應急措施。
微軟 Azure Foundry 平台是什麼？跟一般的 Azure 服務有什麼不同？
Foundry 是微軟專為大規模 AI 模型開發者設計的託管服務平台，提供進階的模型訓練、微調和推論基礎設施。它跟一般 Azure 運算服務的差別在於，Foundry 更針對「模型級」的開發需求設計，包含多模型部署、跨模型評估等進階功能，這也是 Meta 會用它來「評估自家模型」的原因。
Meta 每年向微軟買算力花多少錢？具體合約內容是什麼？
根據《彭博社》報導，金額達「數億美元」（約新台幣數百億元），但 Meta 與微軟均未確認具體數字及每週 Token 用量。合約中使用的具體模型、定價結構、條款細節也皆未對外揭露，兩家公司對報導內容拒絕評論。
Azure 的產能爭議對 Meta 這筆交易會有影響嗎？
有潛在風險。《衛報》調查指出微軟實際安裝的 AI 晶片數量約 220 萬顆，低於外界預期，而微軟財務長 Amy Hood 也承認系統存在產能限制、需求超過供應。若 Azure 產能真的吃緊，Meta 這筆「數億美元」的採購合約可能面臨交貨延遲或服務降級風險，這也是 Meta 持續擴大自建基礎設施的原因之一。
一般企業該如何解讀 Meta 和微軟的算力軍備競賽？
中小企業不該複製這種模式。Meta 和微軟的較量屬於「軍火商」層級，對一般企業而言，更務實的做法是評估自身 AI 應用的「真實 Token 需求」，而非盲目跟風導入大模型。建議先從特定場景的輕量級模型開始驗證，確認 ROI 後再逐步放大算力投入，避免陷入「為了 AI 而 AI」的成本陷阱。
※ 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。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
