個股深度 · 超大型雲端 AGI 軍備系列 · ISSUE #161
Meta 的算力帝國：唯一把算力百分之百壓在自家 AGI 的超大型雲端業者
所有目光在 OpenAI 與 Google，但年底能把最多算力壓在自家前沿訓練的，可能是最沉默的 Meta。
過去一年，市場的注意力幾乎都在 OpenAI 與 Google 之間來回。但如果把「誰能把最多算力指向自家前沿訓練」這條線拉出來看，最沉默的那一家反而站在最前面。依 SemiAnalysis 2026-07-09 的預估，Meta 內部擁有的 AI 算力，在 2026 年底前將超越 OpenAI 與 Anthropic 的總和。支撐這個判斷的不是一句口號，而是 Zuckerberg 砸 $14.3B 投資「Scale AI」、同時開建 5 個 1GW 級資料中心的實體動作。這篇要拆的，是這座算力帝國怎麼蓋、錢從哪來、又會流向哪些供應鏈，以及一條大多數人沒定價的隱形護城河。
🔄從 Llama 4 挫敗到 MSL：Zuckerberg 的親自重啟
2025 年「Llama 4」發布失利，是這整個故事的起點。對一家把「開源領先」寫進品牌的公司來說，模型落後不只是產品問題，是戰略問題。Zuckerberg 的回應不是修補，而是打掉重練，親自重建 Meta 的整個 AI 組織，成立「Meta Superintelligence」部門，簡稱 MSL，把人才、數據與算力三件事同時往上堆。
這個重啟的力度，從它願意承受的代價就看得出來。SemiAnalysis 觀察到，Meta 願意將自由現金流轉為負值，以全力建置 AI 算力。多數上市公司的管理層會盡量守住自由現金流這條線，因為那是股票估值與股利政策的基礎；一家市值級別的公司主動宣告要把它燒到負的，等於在告訴市場：這一輪賭的是位置，不是短期利潤。SemiAnalysis 用「AGI-pilled」形容這種心態，意思是真的把通用人工智慧當成非贏不可的目標在打。
值得先釐清的是，Meta 並不是從領先位置出發。依「Sensor Tower」的口徑，Meta AI 在 2026 年第一季多個美洲市場的下載榜進到前 5 到 7 名、美國第 6；但把 AI 助理的實際使用時間拉出來看，高度集中在前三名，光是 ChatGPT 全球就佔 71%。換句話說，Meta 目前仍是追趕者，不是領先者。這一點很重要，因為它決定了本篇的立場：這不是一篇宣告 Meta 已經贏了的慶祝文，而是一篇拆解「為什麼這個追趕者的勝率被低估」的研究。
💰史詩級人才戰：用資本買時間
追趕者要縮短差距，最貴也最快的路徑是直接買人。Meta 這一年的動作，規模大到「史詩級」不算誇張。先看幾筆最硬的：
- $14.3B 投資「Scale AI」：本質是為了挖角創辦人「Alexandr Wang」，以及旗下負責安全、評估與對齊的「SEAL」團隊頂尖人才。這不是普通的策略投資，是一筆用公司級資本換一整支隊伍的交易。
- 超過 $1B 收購創投基金：Meta 花費超過 $1B 收購「Nat Friedman」與「Daniel Gross」的風投基金，把兩位在 AI 圈極具號召力的人物與其人脈網一起納入。
- 數億到十億級的薪酬包：為頂尖研究員與工程師開出數億美元、少數甚至超過 $1B 的股權與薪酬包。
人只是第一步，怎麼組織這些人更關鍵。Meta 在 2026 年 5 月底的裁員重組中，成立了新的應用 AI 工程部門，調動約 3,000 名工程師全職投入強化學習的任務與環境建置。這個數字值得停一下：3,000 名工程師不是去做模型架構研究，而是去蓋強化學習訓練需要的「題目」與「沙盒」。這反映一個判斷：Meta 認為當前能力提升的瓶頸不在演算法本身，而在餵給演算法的高品質任務與環境夠不夠多。
團隊的具體組成也透露野心。依 SemiAnalysis，Meta 已挖角至少 14 名頂尖研究員，多數來自 OpenAI，少數來自 Anthropic 與 Google；2026 年 1 月更聘來前朝白宮顧問「Dina Powell McCormick」出任總裁兼副董事長，專責協助建立算力艦隊。把政商經驗的人放到管算力建置的位置，暗示 Meta 很清楚：這一輪的瓶頸不只是晶片，是土地、電力與許可，需要能搞定地方政府與電網的人。
1.1模型線：Muse Spark 追上來了嗎
人才與算力最終要在模型上見真章。Meta 在 2026 年 4 月推出首個閉源模型「Muse Spark」，初代表現平庸，落後於「DeepSeek v4 Pro」與「Kimi K2.6」；但隨後的「Muse Spark」1.1，依 SemiAnalysis 的評比，在一般代理型場景的效能已大致與「Claude Opus 4.6」相當、定價略低於「GLM 5.2」。
這裡要誠實地打個折。這組模型評比來自 SemiAnalysis 單一來源，而基準測試好看與真實能力之間本來就常有落差。所以本篇的立場是：「Muse Spark」1.1 的追趕只當「依 SemiAnalysis、待獨立驗證」的旁證，不當論點支柱。這篇要論證的「勝率被低估」，靠的是算力與建置的實體證據，不是一張模型跑分表。
🏗️算力帝國：5 個 1GW 級的超級叢集
如果說人才是軟體，那算力就是硬體，而 Meta 在硬體上的動作是這個故事裡最難被複製的部分。Meta 正同時建造 5 個規模在 1GW 以上的巨人級資料中心園區，內部代號「Titan clusters」。兩個已經有名字、有座標：
| 項目 | 「Prometheus」 | 「Hyperion」 |
|---|---|---|
| 位於 | 俄亥俄州 | 路易斯安那州「Richland Parish」 |
| 2025 年 7 月 Zuckerberg 公告 | 1GW、預計 2026 上線 | 目標 5GW，2030 前先到 2GW |
| SemiAnalysis 2026-07 更新 | 由 27 個資料中心組成、分布 6 個園區的星座，兩年內從 1GW 擴至超過 3GW，採用為搶速度而簡化的帳篷式資料中心設計 | 目前在建 1.5GW，由 3 座 400MW 大樓與 3 座 100MW 大樓構成 |
另外三個園區分別在德州、愛荷華州與印第安納州，其中愛荷華僅用一年就從無到有簽下 1GW 租約。把這件事放進產業史的座標會更有感覺：這是人類史上首次有人同時建造多個 1GW 園區。此前業界最大的單一 AI 建置是 AWS 的「Project Rainier」，也只有 800MW。Meta 一次開五個 1GW 級園區，等於把過去的天花板當成起跑線。
錢的體量也對得上。Meta 2025 年實際資本支出約 $72.2B，含融資租賃；2026 的資本支出指引一路上修，2025 年第四季法說時是 $115B–$135B，到 2026-04 已上修到 $125B–$145B，財務長「Susan Li」明確把增幅歸因於支持「Meta Superintelligence Labs」的投資。這不是把既有預算重新分配，而是在既有的高基期上再翻一倍量級的新增投入。
🌐Scale-Across：當單一園區塞不下 5GW
蓋五個 1GW 級園區，會撞到一個很多人沒想到的物理牆：算力愈集中愈好，但單一地點的電力、土地與冷卻有上限，於是你被迫把算力拆到相距很遠的多個園區，然後想辦法讓這些園區像一台機器一樣協同訓練。這就是跨園區互聯，也就是「Scale-Across」要解的問題，也是這篇技術含量最高的一段。
難點是光速。在資料中心內部的區域網裡，延遲是 1 到 10 微秒等級；但一旦跨到 100 公里的距離，光纖傳播延遲物理上就不可能低於 500 微秒。這不是工程能優化掉的，是光在光纖裡跑的速度上限。對需要頻繁同步梯度的大模型訓練來說，500 微秒的來回延遲足以讓整套同步訓練效率崩掉。
Meta 的解法有兩層。第一層是訓練策略上分而治之：預訓練這種對延遲最敏感的階段，限制在單一區域內同步進行；而強化學習因為天生可以非同步，就放手讓它在全球多個園區分散跑。這個「預訓練綁單址、強化學習全球非同步」的切分，是整套架構能成立的關鍵前提。第二層是自研網絡骨幹「AI-Backbone」，簡稱 AIBB：它用多個高階聚合層互聯多達 5 個或 7 個運算區域，再經由單一樞紐聚合，為整個「Prometheus」叢集提供約 22 Pbps 的雙向頻寬。而 SemiAnalysis 指出，這套技術未來要連接的，是相距達 2,000 公里的不同園區。
我的判斷｜把「Scale-Across」直接外推成「長距光通訊需求無限大」的多頭故事，會過度樂觀。真正該記住的是那條物理限制：2,000 公里這個數字目前只對得上強化學習這種可非同步的階段，預訓練仍然被綁在單一區域內。所以我把「Scale-Across」定位成一個領先指標，而不是一張可以直接外推的長距光市場支票。它告訴你的是方向：任何人想蓋超過單址上限的算力，遲早都要面對跨區互聯這道題，Meta 只是第一個公開撞上並給出工程解的玩家。要盯的訊號是跨資料中心相干光的實際訂單有沒有跟上這個敘事——方向對，但別把時程和量級一起樂觀化。
🛡️隱形稅：為什麼「沒有雲端生意」反而是 Meta 的武器
到這裡，一個反直覺的問題浮上來：Google、微軟、亞馬遜都有龐大的雲端事業，總算力規模也更大，為什麼年底能把最多算力留給自家前沿訓練的反而是 Meta？
答案藏在一個大多數人沒定價的結構差異裡。Google、微軟、亞馬遜的算力，有相當一部分必須優先滿足雲端租賃客戶，也就是把 GPU 租給外部客戶、賺雲端利潤。這是好生意，但代價是這些算力不能百分之百拿去訓練自家的前沿模型。而 Meta 沒有對外的雲端租售事業，這意味著它蓋出來的每一瓦算力，理論上都可以百分之百投向內部模型訓練與廣告推薦系統。
把這個差異想成一種隱形稅：有雲端租售生意的公司，等於在自家 AGI 競賽上繳一筆稅，你的算力要先分一塊給客戶。Meta 不繳這筆稅。這就是為什麼在同樣的資本開支下，Meta 指向自家前沿訓練的有效算力可以更高。SemiAnalysis 甚至直接下判斷：目前前沿 AI 第三名的爭奪，是在 Meta 與「SpaceXAI」之間展開，而不是 Google。
算力純度最高
財務容錯率被壓低
我的判斷｜「沒有雲端租售壓力」是真優勢，但它是一把雙面刃，只寫其中一面就是不誠實。優勢那一面很清楚：算力純度最高，加上「Instagram」與「Facebook」的社群廣告盤源源不絕地供血，Meta 有一個外部現金引擎替算力帳單買單。但風險那一面同樣真實：正因為沒有雲端租賃業務，Meta 的算力成本沒有一個對外收入去攤銷，這條路是純支出，回報全押未來。所以我對這條護城河的判斷是：純度是真的，但它同時把 Meta 的財務容錯率壓低了。真正該盯的單一變數，是廣告盤的成長能不能持續替這張愈來愈大的算力帳單買單；一旦廣告引擎熄火，這條免稅優勢會瞬間變成無人分攤的壓力。
順帶說一句，這條「租算力就是繳隱形稅」的框架，正好有一個完美的反例：有一家超大型雲端業者，增資的金額比 Meta 更兇，算力卻反而落後。那家公司是誰、為什麼會這樣，是這個系列下一篇的主題。
🔀錢流向誰：算力帝國的受益層級
對散戶來說，Meta 是這個故事裡唯一上市可買的主角。但一座年開支 $125B–$145B 的算力帝國，錢會沿著實體供應鏈往下流，這些節點很多是可交易的。先講清楚立場：本篇把 META 當主角，供應鏈當「錢流向誰」的受益層級來讀，是輔攻不是喧賓奪主。以下每一層都有公開的產業事實支撐，而不是 Meta 的下單名單。
先看電力這一層，它最直接、也最有 Meta 的指紋。「Hyperion」這座園區的電從哪來，已經有實體答案：Meta 出資，讓「Entergy」路易斯安那為當地興建合計 10 座天然氣電廠，既有 3 座加上新增 7 座，光新增的 7 座就有 5.2GW，還配了 240 英里的 500-kV 高壓輸電線與電池儲能；這個方案在 2026-04-15 由當地公用事業委員會以快速通道核准。這一層的投資邏輯不是成長故事，是瓶頸故事：變壓器交期已被拉到 128 週，燃氣電廠建置成本漲到每千瓦 $2,157，渦輪機與升壓變壓器交期依 SemiAnalysis 口徑拉到 3 到 4 年。當設備本身變成卡口，能供貨、有排程的廠商就握有定價權。把單一個 Meta 案放大到全局：依「Wood Mackenzie」，美國資料中心容量在 2026 到 2030 年間可能從約 24GW 增至 110GW，占這段期間美國總負載成長的 68%。
再看光通訊這一層，它是機制橋接。Meta 要連相距 2,000 公里的園區、撐起 22 Pbps 級的骨幹，走的必然是長距相干光。既有研究把跨資料中心相干互聯這一層的對應標的、以及更上游的窄線寬與泵浦雷射光源盤點出來，收進下面的受益層級表。第三層是強化學習數據，看得到、多半吃不到：前面提過 Meta 調 3,000 名工程師全職做強化學習環境，這件事的外溢，是一整批強化學習數據與環境供應鏈公司的估值被快速推高。
下面這張表把資金路徑攤成可查的受益層級，每一格都是機制上對應 Meta 資本路徑的受益環節，不是 Meta 已公開的採購清單：
| 層級 | 環節 | 受惠代碼 | 一句話定位 |
|---|---|---|---|
| 電力 | 供電主體 | ETR | 「Hyperion」供電的當地電力公司，最直接 |
| 電力 | 天然氣渦輪機 | GEV | 新增燃氣機組的渦輪機供應 |
| 電力 | 輸電、變壓、工程 | PWR、MYRG、ETN、VRT、HUBB、POWL、NVT | 設備卡口，交期即定價權 |
| 電力 | 晶片旁供電 | WOLF、TXN、NVTS、SEDG、ENPH | 48V 轉 800V 直流、固態變壓器新鏈 |
| 光通訊 | 跨資料中心相干互聯 | CIEN、NOK | 長距互聯整機與相干層 |
| 光通訊 | 窄線寬、泵浦雷射 | LITE | 多軌長距的關鍵光源，NVDA $2B 鎖產能 |
| 光通訊 | 晶片旁光學、高功率光源 | COHR | 拿下大型晶片旁光學訂單，NVDA $2B 鎖產能 |
| 強化學習數據 | 環境、任務、評分 | 未上市 | 「Surge AI」、「Mercor」等，需求端定價 |
光通訊這一層有兩點要說清楚。第一，目前沒有公開資料顯示 Meta 向這些廠商下單；2,000 公里、22 Pbps 是 Meta 的規格，這些個股是這個技術層的供給端，兩者是機制對應，不是 Meta 已揭露的採購事實。第二，光路交換常被誤讀成買點：它取代的是交換層、不取代伺服器端的光模組需求，而且 Google 那套是自研、不流入設備商的營收，所以不能直接串成買訊號。它在這裡是架構脈絡，不是交易訊號。
我的判斷｜強化學習數據這一層，我刻意壓成訊號、不展開成主戲，原因是它幾乎全是未上市公司，散戶買不到。但它的價值在證據，不在標的：前沿實驗室願意為每個高品質代碼任務支付 $5,000 以上，「Surge AI」以不足 110 名員工、無外部資本的模式做到約 $3B 年營收與約 $30B 估值，「Mercor」的年營收在 4 個月內翻倍到 $2B 以上、估值 $10B。這替本篇的核心敘事補了一塊拼圖：Meta 那 3,000 名工程師不是亂調的，是壓在整個產業公認的能力瓶頸上。回到可交易的落點：主角始終是 META 本體，供應鏈的電力層與光通訊層提供的是第二層機會，適合想要間接曝險、又願意自己判斷風險等級的讀者。這張受益層級表的用途，是讓你順著 Meta 的資本往下看，而不是叫你照著買。
⚖️反方論點
一篇只講多頭的研究不值得信任。以下是我認為最強的四個反方觀察，逐一攤開再給我的讀法。
大象難再起舞
市值級別已大，AI 投入就算成功，要對股價產生顯著推力也比小公司難；回報多久、以什麼形式回到損益表，目前沒有清楚答案。
燒錢沒有回收路徑
沒有雲端租賃收入去攤銷，算力帳單是純支出。一旦模型與推薦系統變現不如預期，燒掉的現金就是實打實的股東成本。
執行風險被低估
同時蓋五個 1GW 級園區、跨 2,000 公里做非同步訓練、把 14 名不同陣營的頂尖研究員捏成一隊，每件都是高難度工程。帳篷式資料中心搶速度、代價可能是良率。
需求端反轉
Meta 自己揭露，大企業對代幣用量的預算控管，可能壓縮整體市場的年營收增幅。若推論走到「需求見頂」，今天超前的算力建置，明天可能變成閒置產能。
我的判斷｜四個反方裡，最致命的是反方二「燒錢沒有回收路徑」，它跟前面隱形稅的雙面刃是同一條線。但我的讀法是：只要社群廣告盤能持續替帳單買單，這條在中期站得住；真正會讓論點翻車的，是廣告成長熄火與需求端反轉「同時」發生。這兩件事單獨出現都還能撐，一起出現才是那個關掉開關的時刻。次要要盯的是執行面的帳篷式資料中心良率，那是最容易被樂觀敘事蓋過去的細節。
🎯為什麼這對散戶重要
散戶不該是最後一個知道的人。市場現在對 Meta 的定價，主力還是社群廣告與那個沒賺錢的元宇宙；「它可能是這一輪 AGI 競賽勝率最高的追趕者」這件事，還沒被普遍計入。這篇的價值不在喊一個目標價，而在給你一把提早看懂佈局的尺：分辨「增資金額」與「有效算力」不是同一件事，看懂「沒有雲端生意」為什麼反而可能是武器，並且順著 Meta 的資本，看清楚錢會先流進電力、再流進長距光通訊。想追蹤這些資金實際流進哪些板塊，可以對照 Trend Core 的板塊資金流向。我們反對的，是把「誰增資最多」當成「誰領先」的表面敘事；真正的領先，是誰能把最多算力指向自家的前沿。
⚠️風險與注意事項（必讀）
🧭研究結論與追蹤框架
核心結論：Meta 是這一輪超大型雲端業者裡，唯一能把算力接近百分之百指向自家前沿訓練的玩家；它的優勢來自沒有雲端租售這筆隱形稅，但同一枚硬幣的背面是財務容錯率被壓低。順著它的資本往下，錢會先流進電力，再流進長距光通訊。盯這幾條線，數據往哪走、就知道方向：
| 追蹤軸 | 偏多訊號 | 偏空 / 中性訊號 |
|---|---|---|
| Meta 算力兌現速度 | 若「Prometheus」如期擴至超過 3GW、「Hyperion」1.5GW 段順利放量 → 偏多：暗馬論點往上走 | 若園區完工率延後、供電或良率卡關 → 偏空：資本支出兌現延遲，短期偏利空 |
| 廣告盤與自由現金流 | 若廣告成長持續替算力帳單買單、自由現金流轉負幅度可控 → 偏多：隱形稅優勢成立 | 若廣告成長熄火、自由現金流轉負擴大且無回收路徑 → 偏空：無雲端收入攤銷的風險兌現 |
| 跨園區長距光通訊需求 | 若跨資料中心相干互聯與窄線寬、泵浦雷射訂單跟上敘事 → 偏多：長距互聯從概念走向出貨 | 若需求只停在強化學習非同步、預訓練仍綁單址 → 中性：領先指標成立但別過度外推市場規模 |
| GW 級電力瓶頸 | 若變壓器與渦輪機交期持續拉長、供電與設備商在手訂單增加 → 偏多：設備卡口等於供貨方定價權 | 若交期鬆動、產能開出 → 偏空：瓶頸紅利收斂 |
| 強化學習數據供應鏈融資 | 若「Surge AI」、「Mercor」等新一輪融資與估值續創高 → 偏多：強化學習為最重要規模化路徑的定價持續強化 | 若估值回落、年營收增速放緩 → 偏空：需求見頂訊號 |
📋一頁速看（給沒時間的人）
五個重點速覽
- Meta 在「Llama 4」挫敗後由 Zuckerberg 親自重啟，成立 MSL，砸 $14.3B 投資「Scale AI」、調 3,000 名工程師全職做強化學習。
- 同時開建 5 個 1GW 級超級叢集：「Prometheus」俄亥俄超過 3GW、「Hyperion」路易斯安那在建 1.5GW；人類史上首次同時蓋多個 1GW，此前 AWS 最大也僅 800MW。
- 跨園區互聯解相距 2,000 公里的難題：100 公里光纖延遲達 500 微秒，故預訓練綁單址、強化學習全球非同步，自研骨幹達 22 Pbps。
- 核心護城河：沒有雲端租售這筆隱形稅，算力可近乎百分之百自用；依 SemiAnalysis，年底內部算力將超越 OpenAI 加 Anthropic。判斷：是真優勢，也是雙面刃，財務容錯率被壓低。
- 錢流向誰：電力層最直接，變壓器交期已達 128 週；光通訊層為機制橋接；強化學習數據多未上市、當訊號讀。全部整理進受益層級表。
同樣是超大型雲端業者、同樣在 AGI 上砸重金，卻走出完全相反的結果。本系列下一篇會拆一家增資金額更兇、算力卻反而落後的公司：它繳的正是本篇說的那筆隱形稅，而且繳得比誰都重。我們會用同一把尺，量出「租算力」與「自用算力」如何把兩家公司推向命運的兩端。
📚來源與參考
本文每個關鍵論點 都有對應公開來源、按權威分三級列出。所有連結均為原始公司 IR、SEC 申報、產業專業媒體或財經媒體分析、不引用散戶論壇或無來源 blog。
第一級公司官方加上 SEC 主要文件
- Meta 官方新聞稿：與 Blue Owl Capital 合資開發 Hyperion 資料中心（Meta Newsroom 2025-10-21、含 $27B 總開發成本、Meta 20% 對 Blue Owl 80%、PIMCO 主要債權人）
- Meta Investor Relations：財報與 2026 資本支出指引（Meta 官方、含 2025 實際資本支出 $72.2B、2026 指引 $125B–$145B、財務長歸因 Superintelligence Labs）
- Meta Platforms Form 10-Q（FY2025 Q3）（SEC EDGAR、資本開支與承諾原文）
- Meta Newsroom：資料中心與 superintelligence 建置（Meta 官方、園區公告出處）
第二級產業專業媒體加上分析師報告
- SemiAnalysis：The Future of Meta Superintelligence, A 1 Year Progress Update（2026-07-09、人才、超級叢集、跨園區互聯、強化學習數據供應鏈主要來源）
- TechCrunch：Mark Zuckerberg says Meta is building a 5GW AI data center（2025-07-14、園區公告）
- CNBC：Meta partners with Blue Owl Capital on $27 billion AI data center project（2025-10-21、融資結構）
- DataCenterDynamics：Meta estimates 2026 capex to be between $115-135bn（資本支出指引）
第三級財經媒體與 KOL 訪談
- Invest Like the Best：Gavin Baker 對 Meta 與 Zuckerberg 的評論（聰明錢視角、給 Zuckerberg 唯一讓 Meta 真正內部 AI-first 的評價）
數據股價與估值來源
- 個股股價與市值：Yahoo Finance 或 Massive 即時報價，本文未寫個股即時價、供延伸查證
- 未上市公司年營收與估值，如「Surge AI」、「Mercor」：SemiAnalysis 2026-07-09 整理、屬未上市揭露、時間敏感
方法事實核查方法論
本文每個關鍵論點 至少要求 2 個獨立來源、優先第一級公司官方與 SEC。Meta 算力帝國的建置細節，包含超級叢集、跨園區互聯、自研骨幹與 22 Pbps 頻寬，以 SemiAnalysis 2026-07-09 為主來源，並以 Meta 官方「Hyperion」新聞稿、Zuckerberg 2025-07 公告與資本支出指引交叉；園區規格因時間演進，「Prometheus」由 1GW 擴至超過 3GW、「Hyperion」5GW 目標而目前在建 1.5GW，一律分別標日期。「年底內部算力超越 OpenAI 與 Anthropic 的總和」一項，發稿前以 SemiAnalysis 原文電子報與 TipRanks、Yahoo Finance 轉述交叉確認「combined」用詞後保留、標為預估。供應鏈受益層級的個股均引自 Trend Core 既有光通訊與 AI 電力研究、非本文新生成；涉及未來預期，如年底算力超越、長距光通訊需求，明確標示為預估或展望、不假裝是事實。