生成式AI的算力競賽，已經從「誰的模型更強」，延伸到「誰的資料中心能撐住不崩」。彭博社8月20日揭露，Meta每年向Microsoft Azure Foundry平台支付數億美元（相當於新台幣數百億元）的算力租用費，每週消耗數兆個Token，用量驚人到足以讓Meta成為微軟AI服務的「隱藏大戶」。有趣的是，這筆天價支出並非為了訓練Llama，而是拿來「救火」——緩解自家基礎建設產能不足的燃眉之急。
百億美元的算力外包：Meta的算盤怎麼打？
根據彭博社引述知情人士的說法，Meta開發團隊不只透過Foundry平台取得算力，甚至直接利用平台上的OpenAI模型來評估自家系統的輸出結果。換句話說，Meta一邊砸錢自研AI晶片Iris、大蓋資料中心，一邊卻花大錢租用競爭對手的模型來「校準」自家產品。Meta技術長Andrew Bosworth今年7月對此大方承認：「公司確實會租用市面上領先的外部模型，作為開發工作的一環。」
這透露了兩個關鍵訊息。第一，即使Meta的Llama模型在開源社群聲勢如日中天，內部工程師仍然需要一個「對照組」來驗證品質。第二，Azure Foundry的吸引力不僅在於算力，更在於它彙集了OpenAI在內的多款頂尖模型，開發者可以在單一平台上交叉比對、快速迭代。這不是單純的資源租借，而是一套完整的模型評估生態系。
Azure產能吃緊卻創下營收新高，科技巨頭的矛盾日常
Meta對外求援的同時，Microsoft自己也陷入產能不足的尷尬。截至今年7月29日，Foundry平台的客戶數已達10萬名，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年初以來成長五倍，年算量達1兆Token的客戶也年增四倍。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。」
這番話對照Azure的營收數字更有意思——截至2026年6月30日的會計年度，Azure營收突破1,000億美元（約新台幣3.2兆元），年增41%。但《衛報》8月17日的一份調查卻潑了冷水：Microsoft實際安裝的AI晶片數量約為220萬顆，低於根據公司公布的電力容量所推算出的數字。Microsoft雖反駁該計算方法有誤，但加州大學河濱分校教授Shaolei Ren直言，現有公開產能數據「缺乏足夠背景資料，難以判斷實際運作的算力究竟有多少」。
營收亮眼不代表產能無虞，科技巨頭之間的算力買賣，本質上是一場「你缺的時候我剛好有」的資源調度遊戲——問題是，現在幾乎所有人都缺。
資本支出飆破天際，Meta的自由現金流卻暴跌91%
Meta不是沒有在蓋自己的基礎建設，問題是蓋的速度永遠追不上消耗的速度。今年第一季，Meta將全年資本支出預算從1,150億至1,350億美元上調至1,250億至1,450億美元；第二季財報公布時，再把下限拉高到1,300億美元，全年預算範圍變成1,300億至1,450億美元（約新台幣4.16兆至4.64兆元），接近去年722.2億美元的兩倍。單是今年第二季，資本支出就達到310.8億美元。
執行長Mark Zuckerberg給出的理由是：零件價格上漲，特別是記憶體，加上需要額外投資資料中心以應付未來容量。但更殘酷的現實藏在現金流數字裡——Meta第二季自由現金流年減91%。賺的錢幾乎全砸進AI軍備競賽，股東看了恐怕心驚膽跳。Zuckerberg的邏輯很直白：現在不花，以後連參賽權都沒有。
【編輯觀點】Meta這波操作，其實是整個AI產業「算力焦慮」的縮影。從產業面來看，自建基礎建設與外購算力本來就不該是二選一，問題在於比例失衡——當外部支出與資本支出同步暴增，代表內部產能的曲線明顯追不上需求曲線。對一般企業來說，這則新聞的真正啟示是：不要以為AI落地只需要模型，真正卡住你的永遠是算力。就算你是Meta，照樣得捧著現金向競爭對手求援。如果往後推演，接下來12個月內，算力租賃市場只會更熱，Azure Foundry這類平台的議價能力將進一步強化——而這對所有想省錢的開發者來說，絕非好消息。
算力軍備競賽進入「你蓋我租」階段，下一步怎麼走？
Meta去年10月曾表示，運算需求可由自家基礎建設及外部雲端合約共同滿足，如今看來這個「共同滿足」的天平正明顯向外傾斜。更耐人尋味的是，Meta內部也討論過推出自家API，讓其他企業存取多款AI模型，直接跟Foundry打對台。這透露了Meta的終極野心：與其一直當微軟的「大客戶」，不如自己也來當「平台」。
但這條路並不好走。Azure Foundry的護城河在於它綁定OpenAI的模型生態系，而Meta的Llama雖然開源聲量高，要轉化為企業級API服務，還需要補上維運、合規、技術支援等硬功夫。短期內，Meta恐怕還是得一邊咬牙自建、一邊砸錢外包，兩條腿走路，直到Iris晶片量產或新一代資料中心上線為止。
這場算力大戰的關鍵看點，整理如下：
- Meta每年付給微軟數億美元租用算力，以新台幣計算達數百億元，用途包括模型評估與開發驗證
- Azure Foundry客戶數突破10萬，營收年增翻倍，但微軟坦承「產能仍跟不上需求」
- Meta全年資本支出上看1,450億美元，是去年近兩倍，但自由現金流年減91%，燒錢速度驚人
- 內部正在評估推出自家API服務，有意與Foundry直接競爭，但技術與生態系仍有差距
- Azure實際AI晶片安裝量引發爭議，學者認為公開數據不足以反映真實算力，產能透明度有待提升
算力，已經是AI時代最稀缺的戰略資源。Meta這則新聞最值得玩味的地方，不是它花多少錢，而是一個擁有全球頂尖AI團隊的公司，竟然也逃不過「不夠用」的命運。這告訴我們一件事：在AI這條路上，沒有人能真正「準備好」——你只能一邊跑、一邊補給，然後祈禱自己的引擎不會在半路過熱。
身為開發者或企業決策者，你該關心的不是Meta花了多少，而是當你的AI專案開始規模化時，算力來源在哪裡？你準備好面對同樣的產能瓶頸了嗎？
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資料中心就好，還要花錢向微軟買算力？
因為Meta自家AI基礎建設的擴建速度追不上內部開發需求的爆炸性成長。即使資本支出已調高到近去年兩倍，仍然無法完全滿足模型訓練、評估和推論所需的即時算力，因此必須透過微軟Azure Foundry這類外部平台來分攤負載，確保開發進度不受延誤。
Azure Foundry平台提供的算力服務，跟一般雲端租用有什麼不同？
Foundry不只是提供算力，它還彙集了多款頂尖AI模型（包含OpenAI的模型），讓開發者可以在同一個平台上進行模型評估、比較與快速迭代。這也是Meta工程師會用它來「校準」自家Llama模型輸出的原因，而不只是把它當作單純的運算資源。
Meta的AI晶片Iris量產後，能完全擺脫對微軟的依賴嗎？
短期內很難。Iris預計2026年9月投產，但要達到足以支撐全公司需求的規模化部署，至少還需要一至兩年的時間。在此之前，Meta仍需要同時依賴自建資料中心和外部雲端合約來滿足算力需求，雙軌並行的策略短期內不會改變。
這則新聞對一般企業導入AI有什麼警示？
最大的警示是：算力成本往往被嚴重低估。許多企業只看到模型授權費或API呼叫費，卻忽略了大規模推論所需的基礎建設成本。連Meta這種等級的公司都得向外求援，代表算力規劃必須從專案初期就納入評估，否則進入生產環境後會面臨嚴重的成本失控風險。
※ 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。