计算机行业行业点评报告：Meta模型芯片双轮驱动，AI算力资本开支周期持续
事件：
路透社报道，据其查阅的一份内部备忘录显示，Meta计划于9月开始制造代号为“Iris”的芯片。同日，Meta正式官宣最新模型MuseSpark1.1，定位高性价比的智能体和编程模型。价格上较Opus4.8综合使用成本降低超过4倍，较Grok4.5具备约1/3的价格优势。
Capex预期反转，Meta资本开支有望持续上行。根据备忘录，Meta今年计划部署7GW AI基础设施，并于27年实现翻倍。按每GW400亿美元测算，27年资本开支将达到2800亿美元，较26年4月Meta的全年资本开支指引提升近一倍。为扩大计算基础设施，Meta已围绕存储、光通信和计算基础设施等环节与三星、闪迪、住友电气签订长期、多年的供应协议，而Iris芯片则作为明年整体计算能力提升的重要部分，有望与NVIDIA GPU、AMD AI芯片共同支撑未来AI训练及推理需求。
新模型挤入第一梯队，低成本Agent模型推动AI应用规模化。从模型能力来看，Muse Spark1.1重点强化Agent和代码生成能力，在多个Agent及编程评测基准中已接近Opus4.8、GPT5.5等第一梯队模型，相较上一代Muse Spark实现明显提升。模型提供百万上下文窗口并具备自我管理，自我压缩能力，且支持并行子智能体机制，可把单一复杂任务拆分，多子智能体同步处理，大大增强Agent的运作效率。而在价格上，输入/Cache/输出价格分别为＄1.25/＄0.15/＄4.25每百万tokens，同梯队模型具备明显成本优势，有望推动Agent应用从实验阶段向规模化部署演进。
AI时代算力投入具备长期必要性，CSP资本开支周期仍将持续。过去一周，市场因Meta可能对外出租部分算力资源，担忧公司AI资本开支增速或将放缓。但从最新备忘录及公司战略来看，Meta仍处于持续加码AI基础设施阶段。无论是Muse Spark系列模型持续迭代、Agent和应用的推理算力供给，还是Recsys广告推荐系统升级，均需要更大规模、更高效率的计算资源支撑。对大厂而言，算力已从传统基础设施转变为AI时代的核心生产资料，通过自建算力实现模型、应用与基础设施的内部闭环，有助于提升长期竞争壁垒。因此，算力出租并非意味着降低资本开支，更可能是基础设施存量资源再分配的重要方式。我们认为，随着AI模型能力持续提升以及应用场景不断扩展，全球CSP厂商仍将保持较高强度资本投入，大模型训练及推理需求将推动先进算力规模持续增长，同时也将加速定制化ASIC芯片的发展，形成GPU与ASIC长期共存的AI计算架构。
风险提示：Meta资本开支不及预期；Iris生产良率不及预期；新模型迭代不及预期等。
