当前位置: 首页 > news >正文

Meta刚砸崩科技股,转头又牵手三星签下超10亿芯片订单

家人们,昨天的A股可以说是完完全全的黑色星期四了。。。。

昨天A股四大指数集体下挫,创业板指收跌5.71%,创年内最大单日跌幅;科创50大跌7.70%。AI硬件链成了重灾区:光模块三巨头集体下挫,存储方向也大面积重挫,多只个股跌超10%。

恐慌还蔓延到美股。第二天,美股半导体指数下跌5.44%,闪迪跌超11%,美光、英伟达也同步走弱。

◈Meta卖算力

从时间线来看,这一切的导火索应该是Meta卖算力的新闻。

(Ps:下图是网友整活的图,太有意思了)

根据彭博社7月1日的报道:

Meta计划通过出售闲置的AI算力和模型访问权限,把一部分AI基建投资转成创收渠道。 内部代号叫 "Meta Compute",应该是以两种路径实施: 第一条路径类似AWS Bedrock—在AI基建上开放多种模型; 第二条路径类似CoreWeave—直接卖裸算力。

报道放出来第一天,Meta的股价竟然意外地开始涨,一度涨超10%,最终收盘涨幅8.81%。不过,涨幅并没有维持多久,7月2日Meta股价又下跌4.9%。

但供应链可是实打实被带着崩了:美光、闪迪跌超10%,整个板块哀嚎遍野。

在此之前,市场原来的叙事是AI算力永远不够用:

2025年全球大厂AI基建投入约4000亿美元,2026年预计超7000亿(微软1900亿、谷歌1800~1900亿、亚马逊约2000亿。

这个叙事撑起了过去半年的AI硬件的超级牛市,但是Meta这个信号让市场开始对这个叙事的信心开始怀疑了:

如果连巨头都开始往外转租算力,AI基建会不会从供不应求变成阶段性过剩?

◈AI硬件主线结束了吗?

这个事儿我看了下很多网友的分析。

一部分认为,算力板块此前赖以支撑估值的持续稀缺的逻辑,已经开始松动。

还有一部分认为,Meta这次动作更像是存量资产的运营优化,并不能直接和全球算力已经过剩划等号。

换句话说,把部分闲置算力拿出来变现,和继续加码AI基础设施并不矛盾,现在高端训练算力依然偏紧。

但是Meta今天的两条报道给第二种论点添加了实证:

首先是,据Business Insider独家报道,Meta超级智能负责人亚历山大·王在内部透露,代号“Watermelon”的下一代模型正在训练中。

这个模型是Avocado、Muse Spark的继任者,训练所使用的算力比Avocado高出一个数量级,并且在主流基准测试中,表现已经追上OpenAI的旗舰模型GPT-5.5。

这意味着,Meta一边把闲置算力拿出来提升资产利用率,另一边仍在用更大规模的算力训练下一代模型。

另一条消息则来自财联社。今天下午,财联社报道,三星与Meta合作,拿下了超过10万亿韩元的AI芯片代工订单,计划采用2纳米尖端工艺量产数十万组。

这就很微妙了(很离谱了)。

前脚市场还在因为Meta卖算力恐慌,担心AI基建是不是要见顶;后脚Meta又被曝出训练更大模型、追加先进制程芯片订单。

所以,至少从这些动作看,Meta更像是在优化存量算力的利用率,而不是停止加码AI。

刷了一波网友评论,有一句也是我的心声:

◈结语

整体来看,这件事多少有点乌龙。

和我上次写的“溜溜梅被误认成AI概念股,上市后一路狂涨”还有点异曲同工:

上涨时,大家愿意把所有细节都往“产业大趋势”里装;下跌时,只要叙事出现一点松动,股价就会先一步剧烈反应,仿佛整个产业逻辑也被一并推翻。

更何况,有多少人真正注意到,Meta这次对外租售的,主要是相对老旧型号的推理GPU?

拿“二手卡”的流转,去定义尖端算力的未来,这波恐慌多少有点错位。

家人们,你们怎么看?欢迎评论区一起讨论。

http://www.jsqmd.com/news/1140079/

相关文章:

  • SpringBoot+Vue 当代中国获奖知名作家信息管理系统管理平台源码【适合毕设/课设/学习】Java+MySQL
  • ICM-42688-P与STM32F415ZG在工业自动化中的高性能应用
  • IDM激活脚本:三步永久解锁下载管理器,告别试用期限制
  • Windows与Linux服务器应急响应实战:从账户排查到Tomcat入侵处置
  • Okbiye AI|开题报告专属创作通道,一站式解决毕业生开题全流程卡点
  • 企业人才梯队接不上,效率低下怎么办?
  • AI芯片智能供电管理:从传统LDO到AI控制方案的升级实践
  • 5分钟找回QQ空间青春记忆:GetQzonehistory完整数据备份指南
  • 大模型流式网关:Java 后端别把 SSE 当简单转发
  • FDE:AI时代的“宝藏岗位”,小白程序员也能收藏看懂如何转型!
  • TEA、XTEA与XXTEA:轻量级加密算法在嵌入式与物联网中的选型与实战
  • 计算机毕业设计之jsp-齐鲁历史文化名人网站
  • 数据本地化与高自由度:开源解决方案的优劣势客观分析
  • Camera Shakify:一键为Blender动画注入电影级真实感
  • Biotinyl-Met-Enkephalin ;Bio-YGGFM
  • 小米穿戴表盘设计终极指南:使用Mi-Create打造个性化智能手表界面
  • okbiye AI|开题报告一键智能生成,告别熬夜卡壳,搞定规范合格开题文稿
  • Java学习--面向对象基础
  • 匿名类·学习笔记
  • SITS 2026:基于语义理解与行为建模的下一代AI自动化测试框架
  • Lumafly完整指南:3分钟学会空洞骑士模组管理新方法
  • 如何轻松找回丢失的QQ空间记忆:GetQzonehistory实用数据恢复指南
  • 薄膜分选的困境与突围:高光谱助力从混合垃圾到纯净再生资源
  • 大模型Prompt模板管理:从硬编码到配置中心的工程化演进
  • CNC加工厂成本核算为什么总算不清?材料、工时、外协和返工怎么管
  • 我在CSDN踩过的10个技术坑:真实运维/开发/AI实战避坑指南
  • 电磁寻迹智能车PCB设计:从5路电感布局到0603/0805封装选择的3个避坑点
  • 新手小号选购指南!3种学习场景对号入座,高口碑型号推荐
  • Excel-to-JSON本地化Excel插件发布 - 在Excel中安全离线转换数据
  • 5款录音转文字工具测评:专业场景转写效率对比