當你的AI模型每天要吞吐數兆個Token，就算口袋再深，伺服器不夠力照樣得低頭向對手求救。這正是Meta此刻的寫照。
彭博社8月20日披露，Meta每年向Microsoft Azure旗下的Foundry平台購買AI模型服務，金額高達數億美元，換算新台幣數百億元。這筆帳背後藏著一個尖銳的問題：祖克柏這幾年狂砸千億美元蓋的AI基礎建設，為什麼還是餵不飽自家模型的胃口？
現象觀察：每週數兆Token的算力飢渴，微軟成了最大受惠者
知情人士透露，Meta開發人員每週透過Foundry平台消耗的Token數量以「兆」為單位——這個數字大到你必須停下來想一下：一個Token大約是半個英文字，數兆Token等同於每天處理好幾座國會圖書館的文字量。Meta與Microsoft對此均不願證實具體金額與用量，但數億美元的年約在業界已經是公開的秘密。
更有意思的是，Meta買的不只是算力。知情人士指出，Meta開發人員曾利用Foundry提供的OpenAI模型來「評量」自家系統的輸出品質。說白話一點：他們花大錢租對手的模型，當作自己的AI月考考卷。Meta技術長Andrew Bosworth今年7月也承認，公司確實會租用市面上領先的外部模型作為開發環節的一部分——這等於間接承認，在某些場景下，自家的Llama還不夠力。
根據彭博社報導，Foundry平台截至7月29日已有10萬名客戶，營收年增超過一倍。同時使用多家供應商模型的客戶數量自今年初以來成長5倍，年算量達1兆Token的客戶數量也年增4倍。Microsoft財務長Amy Hood坦言：「系統仍存在產能限制，需求持續超過現有供應。」
這組數字告訴我們兩件事：第一，AI算力的軍備競賽沒有降溫跡象；第二，微軟不僅靠OpenAI賺飽飽（佔AI營收約七成），連競爭對手Meta都成了它的金雞母。
原因剖析：自家晶片不夠快、記憶體太貴，祖克柏的算力焦慮其來有自
為什麼Meta不全部用自家的基礎建設就好？我們得從兩個數字看起。
首先，Meta今年全年的資本支出預算已經調到1,300億至1,450億美元（約新台幣4.16兆至4.64兆元），幾乎是去年722.2億美元的兩倍。光是第二季就燒了310.8億美元。祖克柏的解釋很直白：零組件價格上漲，尤其是記憶體，加上需要額外投資資料中心應付未來容量需求。翻譯成白話就是——「我也很想省，但晶片和記憶體貴到連我都怕。」
其次，Meta的自研AI晶片Iris要到今年9月才投產，真正大規模上線至少等到2027年。也就是說，未來一到兩年，Meta在算力上仍然得看NVIDIA和微軟的臉色。
話說回來，Meta也不是沒在掙扎。去年10月他們就說過，運算需求會由自家基礎建設和外部雲端合約共同滿足。公司內部甚至討論過推出自家API，讓其他企業存取多款AI模型，直接跟Foundry搶生意。但說到底，在自研晶片量產之前，這些都只是紙上談兵。
影響評估：微軟Foundry風光背後藏隱憂，產能爭議燒到檯面上
微軟這筆生意做得風生水起，截至2026年6月底，Azure營收突破1,000億美元，年增41%。但同一時間，質疑聲浪也跟著來了。
《衛報》8月17日的一份調查踢爆，Microsoft實際安裝的AI晶片數量約為220萬顆，明顯低於根據公司公布的電力容量推算出的數字。微軟當然否認，說分析方法有誤。但加州大學河濱分校教授Shaolei Ren也跳出來補了一槍：現有公開的產能數據缺乏足夠背景資料，「難以確定實際運作的算力」——學術界的客氣說法，翻譯成白話就是「你給的數字我沒辦法驗證，但我很懷疑」。
這對Meta來說是個警訊。如果微軟的產能不如宣稱的那麼充裕，Meta花大錢買到的可能不是「救援」，而是「排隊入場的門票」。Azure產能限制如果真的存在，Meta的算力焦慮只會更嚴重，不會減輕。
從產業面來看，這筆交易暴露了AI產業一個很尷尬的結構性矛盾：市場上最積極投入AI基礎建設的公司（Meta），竟然是競爭對手雲端服務（Azure）的最大客戶之一。這說明了當前AI競賽的本質不是「技術領先」，而是「誰先斷氣」。祖克柏用現金流換時間，賭的是2027年自研晶片到位後能逆轉局勢——但這三年內，微軟已經先賺飽了。說句不好聽的，這叫「資助對手來打自己」。
Meta第二季自由現金流年減91%，這個數字比任何分析都更有說服力。AI競賽的代價已經從「燒錢」變成「燒命」——燒的是公司的財務體質。
趨勢預測：算力軍備競賽進入延長賽，Meta的豪賭值不值得？
首先，外部算力採購不會停，只會更貴。祖克柏已經預告AI成本會持續飆升，甚至考慮規定工程師使用Token的上限。這代表Meta內部的算力需求已經失控到需要行政手段來節流的地步。
其次，微軟Foundry的平台效應正在擴大。10萬客戶、營收翻倍、多模型客戶數成長5倍——這些數據說明企業對「算力多元採購」的需求正在爆發。Meta如果想用自家API來競爭，必須在2027年前端出夠有說服力的產品，否則市場份額會被微軟和Amazon蠶食殆盡。
最後，對一般讀者來說，這則新聞的真正意義不是「兩家科技巨頭在吵架」，而是AI服務的終端價格短期內不會降下來——算力成本從晶片、記憶體到資料中心，每一層都在漲價，最終還是會反映在ChatGPT、Copilot這些產品的訂閱費用上。
換個角度想，如果連Meta這種等級的公司都得向外「求援」，那些沒有千億美元資本支出的新創團隊，在AI賽道上還有多少空間？答案恐怕不太樂觀。
以目前的趨勢推演，AI基礎建設的「贏者全拿」效應只會更明顯。微軟、Amazon、Google三大雲端廠商會吃掉八成以上的外部算力需求，而Meta、xAI這類「自建兼外購」的玩家，將被迫在資本支出和現金流之間走鋼索。2027年是關鍵轉折點——屆時Meta自研晶片量產、OpenAI的算力合約可能重新談判、加上NVIDIA新一代晶片問世，整個算力市場的權力結構會再次洗牌。但在此之前，微軟已經贏了上半場。
這不是一篇在唱衰Meta的文章。事實上，祖克柏敢在自由現金流崩跌91%的情況下繼續加碼投資，這種All-in的勇氣在矽谷並不多見。但勇氣不能當飯吃，資本市場看的是結果，不是情懷。
未來兩年，Meta每一季的財報都會被放大檢視：資本支出有沒有降溫？外部雲端支出有沒有收斂？自研晶片的進度是否如期？這些問題的答案，決定著這家公司的AI戰略是「深謀遠慮」還是「一場豪賭」。
而你，不管是用ChatGPT寫報告、用Copilot寫程式、還是用Meta AI生圖，每一次點擊「送出」的背後，都有一組龐大的伺服器在噴電、噴錢。這篇文章不是在替任何一家公司說話，只是想提醒你：你享受的每一次AI回應，背後都有人在替你付帳單——而那張帳單，現在正以數百億台幣的規模，從Meta的戶頭流向微軟的戶頭。
下次當你打開任何一個AI助理的時候，或許可以多想三秒鐘：這些Token，是從誰家的伺服器吐出來的？而那個「誰」，又正在跟誰買算力？
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為什麼不全部用自己的伺服器，還要花錢跟微軟買算力？
最直接的原因是自研晶片還沒到位。Meta的Iris晶片要到2026年9月才投產，大規模上線至少要等到2027年，在此之前算力根本不夠用。加上記憶體等零組件價格飆漲，自家資料中心的擴建成本超出預期，短期內只能靠外部雲端來補洞。
微軟Foundry平台到底是什麼？跟一般的Azure服務有什麼不同？
Foundry是Azure旗下專門提供AI模型服務的平台，客戶可以直接在上面使用OpenAI等領先模型，也可以租用算力來訓練自己的模型。差別在於Foundry鎖定的是「AI開發者」的需求，提供的是模型即服務（Model-as-a-Service），而不是單純的雲端虛擬機或儲存空間。
Meta每年花數億美元買算力，對一般使用者會有影響嗎？
會。這些成本最終會反映在AI產品的訂閱價格上。當算力需求持續飆升、硬體成本又降不下來，AI服務的終端價格短期內很難調降。對企業用戶來說，未來使用AI的成本只會更高，不會更便宜。
Azure的產能限制問題是真的嗎？Meta會不會買了算力卻用不到？
根據《衛報》的調查和學者的質疑，Azure實際安裝的AI晶片數量確實低於外界預期。微軟雖然否認計算方法有誤，但財務長也坦承「需求持續超過現有供應」。這代表Meta就算花了錢，也可能面臨排隊或產能不足的風險，不是付了錢就能無限使用。
Meta未來有可能擺脫對微軟的依賴嗎？
有，但至少需要兩到三年。Meta的戰略很清楚：2027年自研晶片Iris大規模量產後，算力成本會大幅下降，屆時才有本錢逐步降低外部雲端支出。但前提是晶片開發不能延誤、資料中心擴建要順利，而且這段時間內微軟不會用價格戰或合約綁定來「卡」住Meta的脖子。
※ 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。
About the Author
