即便 Meta 计划推出云服务竞争对手，仍在大规模采购 Microsoft AI

据报道，尽管 Meta 正在大力投资自有模型、数据中心和计算基础设施，但它已成为 Microsoft 最大的 AI 客户之一。

据 Bloomberg 8 月 20 日报道，该公司每年在 Azure AI 服务上的支出高达数亿美元。其开发人员据称每周通过 Microsoft 平台消耗数万亿个 token。

两家公司均未公开确认这些数字。Microsoft 和 Meta 都拒绝就该报道置评，因此具体合同条款和工作负载构成尚未披露。

不过，这一据称存在的合作关系揭示了一个显著转变。Meta 希望进一步掌控其 AI 产品底层的基础设施，并正在考虑向外部客户出售计算能力。然而，其开发人员仍是直接竞争对手平台的重要用户。

这并非又一份大型云服务合同那么简单。它表明，AI 竞争日益依赖于企业之间的合作，而这些企业同时扮演客户、供应商、模型开发者和潜在云服务竞争对手等角色。

只要其他科技公司需要立即获得稀缺的模型和计算能力，Microsoft 就能从中获益。随着内部基础设施扩张，Meta 获得了灵活性；但这种灵活性也形成了它最终希望减少的依赖。

Meta 对 Azure AI 的使用规模比看上去更大

据报道的支出固然重要，但 Meta 每周的 token 消耗量更能说明这一合作关系的实际运营规模。

根据这份 Azure 客户报道，Meta 每年花费数亿美元，通过 Microsoft Azure 获取 AI 模型。一名知情人士称，Meta 是 Microsoft 最大的 AI 客户之一。

该报道发表于 2026 年 8 月 20 日。这证实相关事件是近期发生的，而非一则通过新闻聚合器重新浮现的旧合作公告。

据报道，Meta 每周在 Azure 上消耗数万亿个 token。token 是模型在输入或生成回复时处理的文本或数据的小单位。

如此高的使用量表明，这涉及持续性的生产工作、内部开发或大规模评测，而不像是由单个研究团队进行的有限实验。

据报道，相关活动还包括模型访问，而不仅仅是租用存储空间或传统企业软件。Meta 的开发人员据称曾通过 Microsoft Foundry 提供的 OpenAI 技术，评估 Meta 自有模型的输出结果。

Microsoft Foundry 是该公司用于访问、测试、部署和监控 AI 模型的托管平台。它通过共享的 Azure 环境提供多家供应商的模型。

对于 Meta 而言，该平台提供了一种获取外部模型能力的方式，无需为每家供应商单独构建集成。团队可以比较输出结果、测试软件，并根据成本或可用性调度工作负载。

这种灵活性很重要，因为模型开发并非孤立进行。工程师在评估代码生成、推理能力、安全行为和回答质量时，需要参考系统。

一家自行开发模型的公司，在测试过程中仍可从外部模型中受益。它可以将该模型用作评判者、对比基准，或应用中的临时组件。

不过，据报道的使用规模远超偶发的基准测试。每周数万亿个 token 表明，第三方访问已成为 Meta 更广泛 AI 开发流程的一部分。

这一差别很重要。Meta 并未将其全部 AI 战略外包给 Microsoft，报道也未表明 Azure 在运行 Meta 的核心消费者产品。

相反，这表明 Meta 正以外部能力补充自有基础设施。只要这能帮助团队更快推进工作，或获得暂时无法在内部复现的模型，它就会购买相应访问权限。

这一安排反映出云计算领域更广泛的变化。客户不再为所有工作负载只选择一家供应商，并在多年内维持不变的合作关系。

AI 团队正越来越多地在模型供应商和云平台之间调度工作。容量、延迟、区域可用性和模型质量，可能比对单一平台的忠诚度更重要。

据报道，Meta 会根据可用性和成本，从多项服务中购买模型访问权限。这种方式降低了对任何单一外部供应商的依赖，但并未消除对第三方的依赖。

Microsoft 很适合这种模式。它既可以提供 OpenAI 模型访问权限，也可以通过统一的托管市场托管 Meta 及其他开发者的模型。

这使模型实验室之间的竞争转化为额外的 Azure 消耗。只要客户持续付费比较和部署多个模型，Microsoft 无需让某一个模型家族赢得每一项基准测试。

为什么 Meta 仍需要竞争对手的基础设施

拥有庞大的数据中心，并不意味着每个团队都能在需要时获得合适的模型、容量或部署环境。

Meta 计划在 2026 年投入 1300 亿至 1450 亿美元的资本支出。其 第二季度展望通过上调下限缩小了这一范围。

这项投资包括服务器、网络设备、数据中心以及其他支持 AI 的基础设施。因此，Meta 是全球最大的计算能力建设者之一。

在这一计划之外采购 Azure 服务，表面上看似矛盾。实际上，这两类支出解决的是不同的限制因素。

内部基础设施使 Meta 能够掌控长期运行的工作负载，以及与 Facebook、Instagram、WhatsApp、广告业务和自有模型研究紧密相连的系统。

外部平台则提供弹性。它们让开发人员能够获得额外容量、使用不同模型，或在内部资源到位前先行推进项目。

当需求变化快于数据中心建设时，这一区别尤为关键。建筑、电力系统、冷却设备和芯片集群都需要漫长的规划和部署周期。

软件团队的工作周期更短。在测试一个想法之前，他们并不总能等待新设施或内部集群建成。

Microsoft 销售的不只是计算能力，同样也是时间。Azure 让客户无需先购置硬件并自行集成所有组件，就能开始处理 token。

Meta 还有一个特定理由去考察自身产品组合之外的模型。只让 Meta 模型与其他 Meta 系统进行评估，可能掩盖共同的弱点。

外部模型拥有不同的训练历程、架构和行为特征。它可以揭示内部开发的评估器可能忽略的失败模式。

将另一家公司的模型作为评判者存在局限。模型评估可能继承偏见、偏好特定回答风格，并产生不一致的评分。

但在结合人工审查和可重复的基准测试时，独立比较仍然有用。另一种做法，是让一个模型家族在缺乏有意义参考点的情况下评判自己的工作。

这一安排也可能加快软件开发。一个团队可能使用一种模型编程，另一种模型进行评估，并以内部模型作为最终面向用户的功能。

这种多模型模式正变得普遍，因为没有单一供应商在所有任务中都领先。模型排名的变化速度也快于大多数企业的采购周期。

因此，Meta 可以将 Azure 视为灵活的供应层，同时将内部基础设施保留给战略性工作负载。该公司在不放弃长期容量计划的情况下获得速度优势。

代价是控制力下降。使用外部模型可能引入数据治理问题、服务依赖、成本波动，以及受制于其他供应商可用性的风险。

大型客户会谈判详尽的保护措施，但合同无法消除所有运营风险。一次重大的平台变更仍可能影响模型行为、配额或部署进度。

Meta 还必须决定哪些信息可以安全地离开自身基础设施。敏感训练数据、未发布的产品代码和内部研究，需要比通用评估任务更严格的边界。

报道未说明通过 Azure 处理的数据。因此，它无法确定 Meta 如何将敏感工作负载与限制较少的开发活动分开。

这种不确定性应当限制过于宽泛的结论。这一合作关系显然具有重要意义，但并不能证明 Microsoft 控制着 Meta 的核心产品或机密模型训练流程。

它所证明的是更具实践意义的一点：即便是一家正在建设庞大基础设施的公司，在速度和模型多样性至关重要时，仍会发现外部 AI 能力很有价值。

Meta 和 Microsoft 的旧角色已经互换

Microsoft 曾通过 Azure 分发 Meta 的模型，但如今 Meta 也在付费使用 Microsoft，以接触由其他公司开发的模型。

在据报道的客户关系达到目前规模之前，两家公司已经拥有一项公开可见的 AI 合作关系。

Microsoft 通过 Azure 提供 Meta 的 Llama 模型，为开发人员提供了另一条部署途径。Meta 则在无需建立传统云服务销售组织的情况下获得了企业分发渠道。

那项较早的安排将 Meta 主要定位为模型供应商。Microsoft 则充当基础设施供应商，将 Llama 与企业客户连接起来。

最新报道也揭示了相反方向的流动。Meta 如今似乎成为同一平台内的重要采购方。

这种双向关系是本文的核心反转。Meta 一方面向 Microsoft 的市场提供模型，另一方面又通过 Microsoft 的基础设施购买其他模型的访问权限。

Microsoft 在两端都获得价值。它以广泛的模型目录吸引开发人员，随后对围绕这些模型使用的计算能力和托管服务收费。

即使供应商彼此竞争，市场平台依然可以受益。比较多个模型的客户，仍会通过测试、部署、监控和推理产生平台活动。

Microsoft 最新财务业绩表明，这一机制为何重要。根据公司的 财报电话会议，Azure 在 2026 财年年收入超过 1000 亿美元。

Microsoft 还报告称，在最后一个财季，Azure 和其他云服务收入增长 43%。同期其整体云业务收入达到 593 亿美元。

这些结果并未披露 Meta 贡献了多少收入。它们为理解大型 AI 客户为何已成为 Microsoft 增长战略的重要组成部分提供了背景。

据报道，Microsoft 的客户群还包括 ByteDance、Adobe、Perplexity 以及 AI 客户服务初创公司 Sierra 等其他科技企业。

这不同于 Microsoft 在公开营销中常呈现的企业形象。制造商、银行、医院和零售商仍然重要，但科技公司能够产生异常集中的 AI 使用量。

它们的工程师将模型直接集成到产品和开发系统中。这会产生持续的 token 消耗，其规模可能不是传统办公部署所能匹敌。

字节跳动提供了一个更早的例子。据报道，该公司有望在 2026 年每年投入超过 10 亿美元，用于 Microsoft 的 AI 和云服务。

据报道，Meta 的支出低于这一数字。因此，现有证据支持将 Meta 称为 Microsoft 最大的 AI 客户之一，而不一定是其中最大的单一客户。

这种措辞很重要，因为 Microsoft 不会公布按排名列出的客户名单。记者援引的私下说法提供了有价值的信息，但不足以构成完整比较。

OpenAI 进一步增加了排名的复杂性。它与 Microsoft 的商业和基础设施关系不同于普通外部客户合同。

Microsoft 已投资 OpenAI，承载其重要工作负载，并从双方合作中获得经济收益。要将这种结构与 Meta 的采购进行比较，需要两家公司均未披露的合同细节。

更稳妥的结论关乎 Microsoft 的平台战略。即使这些公司拥有大量基础设施，或在其他领域与 Microsoft 竞争，Azure 仍在吸引大型 AI 开发者。

对 Microsoft 而言，这降低了其对销售单一自研助手的依赖。只要客户通过其平台使用 OpenAI、Llama 或其他托管模型，它就能产生收入。

对 Meta 而言，这一安排反映出：当某一选择能够提升开发速度时，该公司愿意向竞争对手采购。它将基础设施视为资产组合，而非意识形态承诺。

这种务实做法目前让两家公司都受益。但如果 Meta 开始自行销售类似服务，它也为更尖锐的冲突创造了条件。

未来的云服务竞争对手仍是 Azure 客户

Meta 对 Azure 的依赖之所以变得更具影响力，是因为据报道，该公司正准备争夺外部 AI 工作负载。

Bloomberg 在 7 月报道称，Meta 正在开发云业务，以出售 AI 计算能力和模型的访问权限。

这项拟议业务与 Meta Compute 有关，后者是负责协调公司基础设施战略的组织。Meta 尚未宣布完整的公共云产品或发布时间表。

不过，该公司已讨论了几种可能路径。它可以出租闲置计算能力、提供模型托管访问，或结合这两种方式。

托管模型服务将使 Meta 更接近 Microsoft Foundry、Amazon Bedrock 和 Google 的 Vertex AI。原始计算服务则会更直接地与云服务提供商和专业 GPU 运营商竞争。

这项云业务计划赋予了 Azure 关系新的含义。Meta 在考虑成为供应商的同时，也在了解大型 AI 客户最看重什么。

这种经验可能很有价值。Meta 的团队可以观察大型云平台如何提供模型、衡量用量、管理可用性，并为跨多个项目的开发者提供支持。

然而，购买 Azure 容量并不会自动让 Meta 准备好运营商业云服务。

Meta 在为自有产品运行基础设施方面拥有深厚经验。外部客户会带来不同要求，包括计费、服务承诺、技术支持、合规控制和可预测的容量分配。

消费者平台可以在供应紧张时优先保障自身应用。云服务提供商则必须管理对稳定访问抱有预期的各类客户义务。

Microsoft 花费了数十年时间建立企业客户关系和区域基础设施。它还将 Azure 与身份认证、安全、数据库、GitHub 和商业软件整合在一起。

Meta 无法迅速复制这一配套产品组合。其最强的初始产品可能会聚焦于专业 AI 容量，或直接提供其自有模型的访问权限。

即使在这些领域，该公司也面临战略冲突。最优质的计算资源或许在 Meta 自身的广告、推荐和面向消费者的 AI 系统中更具价值。

出售闲置容量只有在这些容量确实可用时才合理。如果 Meta 只要内部需要更多算力，资源就会消失，那么云服务的可信度就会下降。

Meta 不断增长的基础设施预算表明，它预计内部需求将持续存在。其开发先进模型的雄心进一步加剧了对芯片和电力容量的竞争。

因此，该公司必须决定，外部客户究竟代表一项可持续业务，还是仅仅是将暂时性富余资源变现的一种方式。

Microsoft 没有同样的身份定位问题。向外部组织销售基础设施和软件本就是其核心业务。

Meta 仍主要是一家广告公司。其基础设施在历史上是为了提升自有服务的互动度、广告表现和产品开发。

商业云服务能够带来收入多元化，但也需要不同的运营纪律。Meta 必须将外部工作负载视为承诺，而不是闲置硬件的可选用途。

Azure 关系凸显了这一挑战。Meta 看重 Microsoft 提供的即时访问、模型选择和可靠的用量服务。

未来的 Meta 云客户也会要求这些同样的特质。他们还会将 Meta 的服务与 Meta 当前付费使用的平台进行比较。

这并不意味着云业务计划不可能实现。它确立了 Meta 必须达到的标准，只有达到这一标准，该计划才会成为严肃的竞争威胁。

这份报道仍未证明什么

这一客户关系具有重要意义，但私下消息来源和缺失的工作负载细节，使若干重要结论仍无法得到验证。

Bloomberg 将支出和 token 数量归因于一位知情人士。Microsoft 和 Meta 均拒绝置评。

这类报道可以构成可信的线索，尤其是在消息源掌握直接信息时。但它并未提供经审计的数字或正式合同。

因此，读者不应将报道中的年度支出视为固定的公开承诺。基于用量的云账单会随着模型选择、工作负载规模和协商条款而变化。

“数万亿 token”这一表述也需要语境。不同模型提供商的 token 数量存在差异，因为其分词系统对文本和其他输入的切分方式不同。

token 总量并不能揭示工作负载的复杂性或价值。有些任务会消耗很长的上下文，却带来有限的商业影响。

其他任务使用的 token 更少，却支持关键的软件、广告、安全或研究决策。仅凭用量无法衡量生产力。

报道并未说明 Meta 使用哪些 OpenAI 模型、多少流量用于评估，或是否有任何用量来自面向生产环境的应用。

它也没有披露 Meta 在其他云服务和模型提供商上的支出。没有这些数字，Azure 在 Meta 外部 AI 使用中的占比仍然未知。

这一差别对依赖程度很重要。使用三家可互换供应商的公司，比软件依赖单一平台的公司拥有更大的谈判灵活性。

然而，模型访问并不总是可以互换。应用可能依赖某家提供商的响应行为、工具接口、安全设置或上下文限制。

即使另一款模型接受类似的 API 请求，迁移工作负载也可能需要重新测试。多模型架构能够降低锁定效应，但无法消除迁移成本。

安全性则是另一个悬而未决的问题。Meta 处理敏感代码、用户数据、广告系统和未发布的研究成果。

该报道并未声称 Meta 会通过 Microsoft 的模型发送私密用户信息。任何这样的暗示都超出了现有证据的范围。

企业云平台提供隔离和治理控制，但客户仍需负责配置这些控制措施，并选择合适的数据。

Meta 的内部政策并不公开到足以评估其如何处理每一项 Azure 工作负载。因此，这一风险仍属理论层面，而非已被证实。

同样没有证据表明，Meta 在 Azure 上的支出反映了其自有模型的失败。外部访问可以用于比较、平衡容量或处理专业任务，而无需替代内部系统。

这一关系反而表明，拥有模型和使用模型服务于不同目标。一家公司可以高度相信自身研究，同时采购外部能力。

投资者也应对 Microsoft 所获收益保持同样谨慎。报道指出了一个大客户，但没有披露 Azure 在 Meta 业务上的利润率。

AI 推理需要昂贵的芯片、内存、网络、电力和冷却资源。高收入并不会自动转化为类似软件业务的盈利能力。

Microsoft 承认，其近期资本支出中约三分之二用于使用寿命较短的资产，主要是 CPU 和 GPU。这些组件的更换周期快于建筑物。

该公司必须保持足够高的利用率，以收回这些投资。大型客户有助于填充容量，但大额买家也可能谈到优惠条款。

Microsoft 的规模仍可能通过采购、地理覆盖和共享基础设施带来优势。精确的经济账目仍被隐藏在更广泛的云业务报告中。

随着两家公司都在扩大支出，这种不确定性尤为相关。AI 支出激增已经加剧了外界对于资本投资能否带来持久回报的审视。

该报道支持一个明确的战略结论，而非完整的财务结论。Meta 需要大规模使用外部 AI 服务，而 Microsoft 已成为重要提供商。

它并不能证明 Meta 无法建设可比的基础设施，也不能证明通过 Azure 销售的每一个 token 都能带来具有吸引力的利润率。

三个信号将显示 Meta 能否降低对 Azure 的依赖

下一阶段将由容量分配、商业产品细节以及 Meta 外部模型用量的变化决定。

第一个信号是 Meta 正式推出云服务。投资者和开发者应关注是否出现具名服务、客户访问条款、支持的模型和容量承诺。

正式产品将强化 Meta 计划成为直接基础设施供应商的观点。又一次探索性表态则不会具有同等分量。

产品设计将揭示 Meta 的目标竞争对手。原始 GPU 租赁将瞄准专业计算提供商，而托管模型访问则会更直接挑战 Microsoft、Amazon 和 Google。

可信的发布还需要明确的客户承诺。Meta 必须说明，当内部研究或消费者产品需要额外计算资源时，它将如何保障外部容量。

第二个信号是 Meta 对新增基础设施的分配。该公司不断上升的资本支出并不自动意味着外部开发者可获得的容量会增加。

应关注数据中心启用、大型电力协议、芯片部署，以及将商业资源与内部工作负载分开的合作伙伴关系。

Meta 在 7 月宣布与 BlackRock 建立战略合作，以开发位于 El Paso 的数据中心。此类安排可以在扩张基础设施的同时分摊融资需求。

它们并不能证明某个设施将服务于外部客户。Meta 必须将新增容量与商业服务联系起来，才能改变竞争格局。

第三个信号是 Azure 用量出现任何已披露的变化。Microsoft 或 Meta 最终可能通过财报电话会议、监管文件或客户演示承认这一关系。

Meta 增加内部算力后，若其报告的 token 消耗下降，将支持“替代”这一论点。若消耗持续增长，则表明尽管 Meta 在扩张，外部模型仍然具有价值。

Azure 使用量保持稳定，也可能意味着双方关系具有结构性。即使容量限制有所缓解，Meta 仍可能继续使用 Microsoft 进行评估并保持模型多样性。

开发者应当关注，因为结果将影响模型的可用性和平台选择。可信的 Meta 服务将增加一个获取 AI 算力的渠道。

企业采购方应关注集中度问题。该报告显示，即使是规模最大的科技公司，也会将内部基础设施与外部供应商结合使用。

知识工作者将通过基于这些系统构建的产品感受到影响。模型路由决策能够改变响应质量、可用性、隐私控制和运营成本，而不会带来可见的界面变化。

比较模型主张的团队应保留自己的证据和评估结果。可搜索的 AI 知识库 有助于追踪基准测试、供应商变化，以及部署决策背后的理由。

核心问题不再是 Meta 是否能建设大规模计算基础设施。它已经做到了。

问题在于，Meta 能否将这些基础设施打造为可靠的外部平台，同时其自身开发者仍继续从 Microsoft 购买访问权限。

目前，答案仍未揭晓。Meta 正朝着更强的掌控力迈进，但 Azure 仍提供了宝贵的算力和模型选择。

请关注 Meta 的首个商业化云服务、其新数据中心的资源分配，以及其报告的 Azure 消耗是否发生变化。这些信号将共同表明，Meta 究竟是在摆脱依赖，还是在将多云战略制度化。