Meta卖算力、SAP冻结招聘、Anthropic押注工作流——AI大战的下一局，不在模型而在基建

2026 年 7 月初的科技圈，出现了一组耐人寻味的信号。三天之内，三家全球顶尖科技公司分别做出了看似无关、实则同源的决策：Meta 宣布将闲置 AI 算力变成一门生意，SAP 选择冻结招聘和差旅来为 AI 转型筹钱，Anthropic 则推出了一个不依赖”更大模型”、而是围绕科研工作者日常工作流打造的 AI 平台。

如果只看其中任何一个故事，你可能只会得到一个行业新闻。但把它们放在一起，一条清晰的产业演进脉络就浮现出来了——AI 的竞争，正在从”模型层”下沉到”基础设施层”和”工作流层”。这不是又一个炒作周期，而是一场深刻的商业范式转换。

一、Meta Compute：把”浪费的 GPU”变成一门生意

据彭博社和路透社 7 月 1 日报道，Meta 正在构建一个全新的云计算业务——Meta Compute，核心思路简单却极具颠覆性：把公司数据中心里闲置的 AI 算力卖出去。

这听起来像是”把多余的电卖给邻居”，但实际上它触及了当前 AI 产业最痛的神经——算力瓶颈。过去一年，从 OpenAI 到 Anthropic 再到无数中小企业，所有人都面临同一个问题：不是没有好的模型，而是买不到足够的 GPU 算力来运行这些模型。英伟达的 H100 和 B100 显卡一卡难求，排队周期动辄数月。

Meta 的算盘打得很精。公司每年在 AI 基础设施上投入数百亿美元，建设了庞大的数据中心集群。但这些集群的利用率并非 100%——训练高峰期过后，大量 GPU 处于闲置或低负载状态。与其让它们浪费电费和空间，不如通过 Meta Compute 将这些”剩余产能”打包成云服务卖给第三方。

消息公布后，Meta 股价单日暴涨 9%，市场用真金白银投票认可了这一战略转向。24/7 Wall St. 的分析指出，此举直接挑战了亚马逊 AWS、微软 Azure 和谷歌云在 AI 算力领域的垄断地位——而这三家正是 Meta 在社交广告领域的主要竞争对手。

这引发了一个有趣的悖论：Meta 的社交广告业务正在被 Google 和 Apple 侵蚀，但它却可能通过在 AI 基础设施层面与 Google 和 Microsoft 结盟来获得新的杠杆。商业世界的阵营划分，从来不是非黑即白的。

二、SAP 的”向内收缩”：用冻结招聘豪赌 AI 未来

几乎在同一时间，另一条来自欧洲的信号同样引人注目。据彭博社 7 月 2 日报道，德国软件巨头 SAP 正在冻结招聘和商务旅行，将省下来的钱全部投入到 AI 转型中。

这个动作的罕见之处在于它的姿态——不是”增加 AI 预算”，而是”砍掉其他一切来供养 AI”。SAP 首席执行官 Christian Klein 在内部沟通中将这一举措描述为”重大 AI 推进”（”significant AI push”），暗示公司将进行一场资源重新分配级别的战略调整。

纽约时报的深度报道进一步指出，SAP 是少数公开承诺”不裁员转型 AI”的大型企业之一——公司选择冻结新增招聘而非裁减现有员工，试图在 AI 转型和员工稳定之间找到平衡。但这同时也暴露了一个现实：AI 转型的成本之高，已经迫使一家年营收 300 多亿欧元的企业不得不采取如此激进的财务措施。

SAP 的故事反映了一个更广泛的现象：企业正在重新评估 AI 投资的优先级。过去两年，许多公司在 AI 上”什么都想要”——聊天机器人、内容生成、数据分析、客户支持自动化。但随着 Tokenmaxxing 时代的结束（如我们之前报道的，企业开始认真计算 AI 使用的 ROI），公司被迫做出选择：哪些 AI 投入真正创造价值，哪些只是”看起来很酷”。

SAP 的选择很明确——把有限的预算集中在最能影响核心业务的 AI 能力上。对于一家以企业资源规划（ERP）软件闻名的公司来说，这意味着 AI 将深度嵌入其核心的业务流程管理软件，而不是作为一个独立的”聊天功能”存在。

三、Anthropic 的 Claude Science：不拼模型，拼工作流

如果说 Meta 和 SAP 的故事讲的是”钱和算力”，那么 Anthropic 在 7 月 1 日发布的 Claude Science 讲的则是”人怎么用 AI”。

根据 TechCrunch 和路透社的报道，Claude Science 是一个专为科研人员设计的 AI 工作台（workbench）。它不追求”更大的语言模型”，而是专注于整合科学家的日常工作流——文献检索、实验设计、数据分析、论文撰写——通过 AI Agent 的能力让科研流程本身变得更高效。

这个策略选择很有意思。在当前 AI 行业”模型军备竞赛”的背景下，大多数公司都在强调”我的模型参数更多、benchmark 分数更高”。Anthropic 反其道而行，明确表示 Claude Science 的核心竞争力不在于模型本身，而在于如何将模型嵌入到具体的专业场景中。

Anthropic 在官方博客中写道：”我们相信，AI 对科学的最大影响不会来自’更聪明的聊天机器人’，而会来自’更好的研究工具’。”这句话实际上揭示了一个行业共识的转变——AI 的价值不再取决于它能回答多么复杂的问题，而取决于它能多么无缝地融入专业人士的日常工作。

Claude Science 对所有 Anthropic 付费用户开放，这意味着它不是一个封闭的”B2B 大客户产品”，而是一个面向更广泛用户群体的工具。这种策略既扩大了潜在用户基础，也为 Anthropic 在”AI 工作流”领域建立了先发优势。

四、三条线索的共同主题：AI 的下半场

Meta Compute、SAP 的冻结招聘、Claude Science——这三个故事分别来自美国社交巨头、欧洲软件巨头和 AI 安全先锋，看似毫不相干。但它们共同描绘了一幅清晰的图景：

理解这个转变的关键在于认识到：AI 正在从”技术产品”变成”运营基础设施”。就像云计算在 2010 年代从”新技术概念”变成了”企业 IT 标配”一样，AI 算力、AI 工作流和 AI 预算分配正在经历同样的演变。

Meta 把算力变成商品，SAP 把 AI 当作运营优先级，Anthropic 把工作流嵌入专业场景——这三者共同构成了 AI 下半场的基础设施三角：算力（Compute）、场景（Workflow）、预算（Budget）。谁能在这三个维度上都建立优势，谁就能在接下来的竞争中占据主导地位。

五、对中国 AI 产业的启示

这套”算力-工作流-预算”三角框架，对中国 AI 企业同样具有参考价值。过去两年，中国 AI 产业在”模型追赶”上取得了显著进展——GLM-5.2 在多项 benchmark 上追平 GPT-5.5，Kimi、通义千问等模型也在快速迭代。

但 Meta Compute 式的”算力商业化”思路、SAP 式的”预算优先级重构”、以及 Anthropic 式的”工作流嵌入”策略，恰恰是中国 AI 产业下一阶段可能需要的能力。当模型差距逐渐缩小，真正的护城河将来自于谁能把 AI 更好地嵌入到具体的产业场景和运营流程中。

值得一提的是，字节跳动的 AI 视频模型 Seedance 2.5 已经在 6 月底展示了”30 秒原生视频生成”的能力——这正是工作流嵌入的一个典型案例：不是做一个”更聪明的聊天机器人”，而是解决视频创作者具体场景中的痛点。