根據《華爾街日報》引述知情人士獨家披露，Meta 在今年內部評估中預測，每年可能在競爭對手 Anthropic 的 AI 工具上投入高達 100 億美元。這不是併購金額，不是研發預算，而是一家公司每年心甘情願掏給對手的「技術保護費」。
說穿了，這已經不是單純的軍備競賽，更像是全家便利商店每個月固定跟 7-Eleven 進貨一樣荒謬又真實。而這筆帳，還在持續膨脹中。
數據會說話：每月幾億美元的「AI 帳單」
知情人士透露，Facebook 與 Instagram 近期越來越頻繁地導入 Anthropic 的 AI 產品。儘管 Meta 在今年夏季曾出手微調、削減部分採購量，但目前每個月仍持續在對方的工具上耗費數億美元。
根據內部資訊，Meta 管理層確實曾就「年度百億美元採購」進行討論，但後來因 AI 運算單位（Token）的耗用成本不斷飆升，內部相關的消耗排行榜最終被撤下。這個動作透露出兩個訊息：第一，成本已經失控到管理層不敢公開；第二，連 Meta 這種資本巨獸都開始對 AI 帳單感到頭痛。
從產業面來看，這是一個非常矛盾的訊號。Meta 擁有全球最強的開源模型 Llama 系列，理論上應該是最不需要向別人買技術的公司。但現實是，Llama 在特定商業場景的穩定性與安全性，仍追不上 Anthropic 的 Claude。這說明了「擁有技術」和「技術落地」之間，還有一道巨大的鴻溝，而 Meta 正在用錢填平它。
650 億美元營收預估背後的「Meta 貢獻值」
Anthropic 在 7 月份曾預估其年營收將突破 650 億美元。若 Meta 的實際花費貼近其內部預測的 100 億美元，這意味著單一家競爭對手就貢獻了 Anthropic 超過 15% 的年營收。
這不是供應商和客戶的關係，這是「你養大了你的敵人」的經典案例。用更直白的比喻：如果統一超商每年花 100 億跟全家買飯糰配方，你會覺得統一超商的策略是聰明還是荒謬？
但有趣的是，矽谷的邏輯從來就不只是輸贏，而是「如果我不買，對手就贏了」。Anthropic 的 Claude 在程式碼生成、複雜推理的表現上確實有獨到之處，Meta 內部團隊即使擁有 Llama，仍無法完全取代這些外部工具的效益。
成本控管為何突然變成 Meta 的「當務之急」？
今年 6 月，Meta 內部向員工證實，全年在 AI 工具上的花費將高達數十億美元，並預告會導入更嚴謹的系統來管理龐大支出。這句話背後的意思是：連祖克柏都開始覺得太貴了。
據了解，Meta 內部撤下 Token 消耗排行榜的決定，與成本飆升有直接關聯。當一個內部管理工具變成員工之間的「競賽」，而競賽結果是公司每個月多燒幾億美元，這種資訊透明反而成了財務災難。
從數據來看，100 億美元是什麼概念？這大約是 Meta 2025 年全年資本支出的 15% 到 20%。也就是說，每年有四分之一左右的資本支出，不是用來蓋資料中心、不是用來買輝達的 GPU，而是拿去付給一個在 AI 賽道上跟自己平起平坐的競爭對手。
根據業界估算，目前 AI 模型每百萬個輸出 Token 的成本約在 15 到 60 美元之間浮動，而 Meta 這種等級的用量，每月處理的 Token 數量級絕對是天文數字。換句話說，100 億美元的年採購預估並非憑空捏造，而是用量乘上單價後的真實反映。
矽谷的「競合悖論」：敵人就在你身邊
Meta 與 Anthropic 雖然在頂尖 AI 模型的開發上激烈角力，但在實際的商業運作與技術採購上卻又緊密交織。這種「檯面上競爭、檯面下大採購」的模式，已成為這場 AI 淘汰賽中最具代表性的案例。
說穿了，這不是 Meta 不夠強，而是 AI 的技術跨度太大了。從底層的模型訓練、到中層的微調對齊、再到上層的應用整合，沒有任何一家公司能夠在所有環節都做到最強。Meta 選擇的戰略是「開源生態 + 外部採購」雙軌並行，而 Anthropic 則是「閉源精品」路線。兩條路線沒有絕對優劣，但 Meta 的作法顯然更燒錢。
有趣的是，如果 Meta 真的把這 100 億美元省下來，全部投入 Llama 的研發，能不能在兩年內超越 Claude？答案恐怕是否定的。因為 AI 的競爭不是線性的「錢花下去就有」，而是需要時間、資料、人才、以及最重要的——試錯的空間。而 Anthropic 已經在那個空間裡卡好位了。
換個角度想，這其實是在告訴所有新創：AI 領域的護城河不是技術本身，而是「被大廠需要的程度」。Anthropic 沒有社群平台、沒有搜尋引擎、沒有雲端基礎設施，但它有一個 Meta 付錢也買不到的技術深度。這才是最值錢的商業模式。
數據背後的啟示
這則消息揭露了三個殘酷的事實：
第一，AI 是一場資本的消耗戰。 即使強如 Meta，每年也要拿 100 億美元去補足技術缺口。這不是「贏者全拿」的市場，而是「有錢還不夠，還要選對戰略」的複雜賽局。
第二，開源不等於免費。 Llama 是開源的，但把 Llama 調教到能與 Claude 匹敵的商業水準，中間的工程成本和時間成本，恐怕遠超過直接向 Anthropic 採購。Meta 的算盤顯然是：與其把資源全部押在追趕上，不如先買時間、再慢慢拉近距離。
第三，AI 的供應鏈比想像中更糾結。 我們習慣用「陣營」來理解科技競爭，但 Meta 和 Anthropic 的案例告訴我們，在 AI 產業，你的對手同時可能是你最大的客戶，而你的客戶也可能正在挖你的牆角（Meta 今年才從 Anthropic 挖角了共同創辦人）。這種關係，已經無法用傳統的競爭框架來理解。
最後，數據不會說謊，但數據的背後永遠有算計。100 億美元這個數字，與其說是一個採購預估，不如說是 Meta 對自身 AI 競爭力的一種「自我評估」——當你願意花 100 億去買對手的產品，就代表你知道自己還差在哪裡。而這個「知道」，或許才是這場競賽中最昂貴、也最有價值的東西。
編輯觀點：從投資角度來看，Anthropic 的估值邏輯正在被 Meta 的採購行為重新定義。一家還沒有 IPO 的公司，光是單一客戶就貢獻超過 15% 的營收，這在 SaaS 產業是極為罕見的集中度風險。但反過來說，這也證明了 Anthropic 的技術護城河確實深到讓 Meta 不得不買單。對投資人而言，接下來要觀察的不是 Anthropic 的營收成長，而是「客戶集中度是否開始分散」——如果更多財星 500 大企業跟進 Meta 的採購模式，那 Anthropic 的 IPO 故事會非常精彩。
你的下一步： 如果你所在的公司也正在評估導入外部 AI 工具，不妨先算一筆帳——你每個月的 Token 消耗量是多少？換算成金額後，是該自建模型還是繼續外包？Meta 的 100 億美元決策，也許離你很遠，但「買別人的技術還是自己練兵」這個選擇題，在未來兩年內，會出現在每一位技術決策者的桌上。
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
Meta 為什麼不只用自家的 Llama 模型就好？
Llama 雖然是頂尖的開源模型，但在程式碼生成、複雜推理和商業場景的穩定性上，Anthropic 的 Claude 仍有明顯優勢。Meta 的內部團隊評估後認為，短期內無法完全用 Llama 取代這些外部工具，因此選擇「雙軌並行」策略。
100 億美元這個數字是怎麼算出來的？
這是 Meta 內部根據 AI 運算單位（Token）的耗用量和預估單價所推算的年度採購金額。實際數字會隨著用量調整，但 Meta 管理層確實曾就此規模進行討論。
Anthropic 的營收高度依賴 Meta 會有風險嗎？
確實有客戶集中度風險。但 Anthropic 同時也在擴張企業客戶群，且其技術護城河夠深，短期內被 Meta 拋棄的機率不高。對 Anthropic 而言，真正的風險在於 Meta 的 Llama 何時能追趕上來。
Meta 和 Anthropic 的關係算合作還是競爭？
兩者屬於「競合關係」——在技術研發和市場定位上是競爭對手，但在實際商業運作上卻是客戶與供應商。這種矛盾關係在 AI 產業越來越常見。
一般企業該不該跟進 Meta 的「外部採購」策略？
取決於公司的技術實力和用量規模。如果用量夠大、且有足夠的 AI 人才，自建或微調開源模型長期來看更划算；如果用量中等，直接採購頂尖商用模型反而是成本效益最高的選擇。
※ 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。
