Meta 位于美国俄亥俄州的鲍灵格林数据中心（图片来源：Meta）

随着生成式 AI 的快速发展，算力需求呈指数级增长。Meta 在这一浪潮中选择了“双轮驱动”的路径：

• 一方面，以 液冷技术 提升数据中心能效与算力密度；

• 另一方面，通过 资本结构优化 释放资金灵活度，支撑 AI 基础设施长期投入。

这两大方向结合，正推动 Meta 从“社交媒体公司”加速转型为“AI 基础设施巨头”。

液冷技术：算力爆发的必然选择

过去，数据中心普遍依赖风冷系统，但随着 GPU 集群功耗持续攀升，传统风冷已无法满足高密度 AI 训练的需求。Meta 因此大规模部署 液冷与混合冷却 技术，导热效率是空气的数千倍，单机架功率可从 10kW 提升至 80kW 以上。

商业案例：

• 在 爱荷华州 Altoona 数据中心，Meta 通过直液冷技术，将单机架功率从 15kW 提升到 70kW+，支撑大规模 AI 推理。

• 在 北卡 Forest City 数据中心，Meta 尝试将液冷余热回收，用于周边设施供暖，实现绿色循环。

• 面向未来自研 AI 芯片（MTIA），Meta 正研发专属液冷方案，确保芯片与冷却系统高度匹配。

液冷不仅解决了算力散热难题，也帮助 Meta 提升数据中心的资产价值与可持续表现。

资本结构：从重资产到轻资产

2025 年，Meta 将 20 亿美元在建数据中心重新分类为“待售资产”。这意味着其不再坚持所有数据中心都自建，而是通过 出售或联合开发 来降低资本开支。

这种“轻资产化”策略的逻辑在于：

• 释放现金流：广告业务带来高额利润，但 AI 投资动辄数十亿美元，资金调度必须灵活。

• 分散风险：应对能源价格波动、碳排放监管和政策不确定性。

• 聚焦核心：将更多资源投向 AI 芯片、液冷和超算集群，而非沉淀在地产和土建。

最终，Meta 形成了一个“盈利—优化—再投资”的循环：广告利润支撑基础设施，资本结构释放资金，再投入 AI 技术与数据中心，反过来增强广告与 AI 产品的变现能力。

双轮驱动的结合效应

液冷与资本结构并非两条孤立路径，而是互为支撑：

• 资本优化为液冷普及提供资金保障；

• 液冷技术提升数据中心的商业价值，使出售或合作时更具吸引力；

• 同时，液冷的节能优势也帮助 Meta 在 ESG 与监管压力中占得先机。

未来展望

未来 3–5 年，Meta 有望：

• 建立业内领先的液冷标准；

• 将自研芯片与冷却系统深度绑定；

• 持续采取“出售 + 合作 + 投资聚焦”的资本策略，在高投入周期保持财务健康。

这种“液冷 + 资本优化”的双轮驱动，或将成为全球 AI 巨头的共同模式。

Meta 在液冷技术和资本结构上的双重布局，不仅体现了对 AI 基础设施的前瞻判断，也展示了在可持续与经济性之间的平衡能力。既能支撑超级智能的算力需求，又能保持财务灵活和绿色发展，这让 Meta 在未来的 AI 竞争中站上了更有利的位置。