Meta Compute: Meta bắt đầu bán phần hạ tầng AI xây dư

Ngày 1/7, Bloomberg đưa tin Meta đang xây Meta Compute, một mảng kinh doanh cloud bán phần hạ tầng AI dư thừa cho khách hàng bên ngoài. Gói dịch vụ gồm hai thứ: năng lực GPU thô (instance bare-metal và ảo hóa trên chip NVIDIA mới nhất cùng silicon tùy chỉnh của Meta) và API mô hình được host sẵn để chạy các model Llama trong môi trường được quản lý. Thị trường phản ứng tức thì — cổ phiếu Meta tăng khoảng 8%, lần đầu vượt $600, trong khi CoreWeave và Nebius, hai bên từng ký hợp đồng nhiều tỷ đô cung cấp compute cho Meta, lao dốc.

Từ trung tâm chi phí thành sản phẩm

Meta đã dành hai năm xây dư: cơ sở Hyperion ở Louisiana được thiết kế đạt 1,5 gigawatt vào cuối 2027, hướng tới 5 gigawatt và hơn 1,3 triệu GPU vào 2030, và công ty vừa mở rộng quan hệ với NVIDIA thành thỏa thuận chip nhiều năm, quy mô multi-gigawatt. Meta Compute biến năng lực đó từ rủi ro trên bảng cân đối thành doanh thu — và đặt Meta vào thế cạnh tranh trực diện với AWS, Azure và Google Cloud.

Thời điểm không hề ngẫu nhiên. Tại town hall ngày 2/7, Mark Zuckerberg thừa nhận các sản phẩm AI agent của công ty giậm chân nhiều tháng, trong khi giám đốc AI Alexandr Wang tuyên bố mô hình Watermelon chưa phát hành đã bắt kịp GPT-5.5 trên đánh giá nội bộ, được cho là huấn luyện với lượng compute lớn hơn một bậc độ lớn (~1 triệu GPU-tương-đương). Watermelon thành hay bại, hạ tầng giờ cũng tự nuôi được mình. Đó chính là nước cờ phòng hộ.

Chú thích: Một khoản đầu tư hạ tầng, hai lối ra — huấn luyện frontier chạy bên trong, năng lực dư bán ra ngoài.

Điều gì thay đổi với người mua compute

Một hyperscaler thứ tư gia nhập thị trường GPU quan trọng nhất với các đội AI cỡ vừa. Meta cần khách hàng mỏ neo, mà theo thông lệ nghĩa là giá khuyến mãi rất mạnh tay. Và tầng Llama-host-sẵn đánh vào một giả định phổ biến — rằng mô hình open-weights là thứ bạn buộc phải tự vận hành. Bạn sẽ ngày càng thuê mô hình mở như thuê mô hình đóng, với tính mở của weights đóng vai trò phương án thoát hiểm thay vì yêu cầu vận hành.

Cú bán tháo CoreWeave và Nebius mang cảnh báo riêng: nếu khách hàng lớn nhất của nhà cung cấp GPU có thể thành đối thủ của họ sau một đêm, rủi ro tập trung chạy theo cả hai chiều của chuỗi cung ứng.

Lời khuyên kỹ thuật: Định giá compute bằng đơn vị của chính bạn

Giá GPU-giờ không so sánh được giữa các nhà cung cấp — interconnect, băng thông lưu trữ và overhead của scheduler có thể làm throughput thực tế lệch nhau 2 lần. Trước bất kỳ cam kết năng lực nào, hãy benchmark workload thật của bạn và rút ra một con số duy nhất: chi phí mỗi bước huấn luyện, hoặc chi phí mỗi triệu token phục vụ. Giữ bộ benchmark khả chuyển (đóng container, một config cho mỗi nhà cung cấp) để khi Meta Compute hay tay chơi tiếp theo xuất hiện với giá ra mắt, bạn tạo được bảng so sánh thật trong một ngày thay vì một quý — và đàm phán bằng số liệu thay vì bảng giá niêm yết.

Nguồn: Bloomberg, Tom's Hardware, Data Center Dynamics, NVIDIA Newsroom.

Bạn nghĩ sao? Bạn có dám chạy workload production trên một cloud sinh ra để hấp thụ phần công suất dư thừa của người khác?