2026年6月28日，多家媒体报道谷歌已限制Meta对Gemini AI模型的访问权限。这起事件的根源是Meta提出的算力需求超出了谷歌的供给能力，背后反映的是全行业正在蔓延的AI算力结构性短缺危机。
事件全貌：从百亿合同到算力断供
这条故事线可以追溯到2025年8月——当时Meta与谷歌云签署了一份为期6年、最低价值100亿美元的服务协议。2026年3月，Meta因自研AI模型进展不顺，转而寻求授权使用Gemini模型。然而到了2026年6月，谷歌正式告知Meta：无法足额供应Gemini模型算力额度。此举直接打乱了Meta多项内部AI项目的推进节奏，迫使Meta要求员工节约使用AI算力资源。
算力短缺的深层原因
谷歌自身的算力需求也在每6个月翻倍，年增速需达到300%。自2026年5月17日起，谷歌甚至对自家用户的Gemini使用也引入了基于算力额度的限制——用户不再拥有无限请求，而是在每周滚动更新的5小时窗口内使用，且每周有使用上限。这相当于AI界的"流量套餐"。算力短缺的根本原因有几个：GPU产能跟不上AI模型规模的增长；全球数据中心建设速度滞后；电力基础设施瓶颈。有分析师预测，全球AI算力缺口可能持续到2028年。
Meta的困境与应对
算力断供对Meta的影响是全方位的：核心AI研究项目被迫减速，计划中的新一代AI助手推迟发布，AI驱动的广告推荐系统优化也受到影响。作为应对，Meta正在加紧扩大自有数据中心规模，并探索分布式推理和模型量化压缩等降低算力需求的技术路径。不过，在短期内完全摆脱对外部算力的依赖几乎不可能。如果你对主流AI模型的性能对比感兴趣，可以查看我们的AI大模型综合对比。
行业影响：AI算力成为战略资源
谷歌限制Meta使用Gemini的事件传递出一个清晰信号：AI算力正在成为比石油更稀缺的战略资源。中小型AI企业在融资时，算力保障能力已成为投资者的核心关注点。拥有自建数据中心或长期GPU供应合同的企业，将在这场"算力军备竞赛"中占据先机。预计国内AI企业也会面临类似的算力瓶颈，建议关注DeepSeek等高效率模型的替代方案。
给企业的建议
面对全球AI算力危机，企业可以采取以下策略：第一，多模型策略——不过度依赖单一模型供应商；第二，模型轻量化——关注小参数高效率模型的发展；第三，自建算力——对核心业务场景逐步建立自有推理能力；第四，提前锁定——与云服务商签署包含算力保障条款的长期合同。