2026年，随着生成式AI应用快速渗透，企业级大模型调用量激增，算力供应紧张问题日益凸显。近日，《金融时报》（Financial Times）独家报道，Google已对Meta使用其Gemini模型实施容量上限，这一举措直接反映了当前AI基础设施供需失衡的严峻现实。

据报道，Google Cloud作为Meta部分Gemini模型的底层算力提供方，因整体AI需求远超预期，已采取限制措施以保障服务稳定。这一事件并非孤例，而是全球云巨头在AI热潮下普遍面临的算力瓶颈缩影，预计将对AI生态链中的模型开发、部署成本和竞争格局产生深远影响。

2025-2026年度，生成式AI从消费级聊天工具快速扩展到企业级Agent、代码生成、多模态分析等高强度应用场景，导致对高性能GPU/TPU算力的需求呈指数级增长。Meta作为AI重度玩家，在Gemini模型的训练与推理上依赖包括Google Cloud在内的多家云服务商。

《金融时报》指出，Google此次实施容量上限，主要针对Meta的高强度调用请求。业内人士分析，这反映了Google自身数据中心容量已接近饱和，同时需优先保障内部业务（如Google DeepMind模型训练）和核心企业客户的需求。类似情况此前已在其他云巨头中出现，显示AI算力已成为稀缺战略资源。

1. 需求端爆发

2. 供给端制约

数据中心建设滞后：虽然各大云厂商加速扩建，但GPU供应链紧张（尤其是H100/H200/B200系列）、电力供应限制和建设周期问题，导致新增容量无法快速跟上需求。
优先级分配：云服务商需平衡内部研发需求、大客户合同和公开市场供应，Meta等外部重度用户成为首先受限对象。
成本与能耗压力：AI训练和推理的巨额电费与散热成本，也迫使云厂商更谨慎分配资源。

对Meta的影响：

对整个AI产业链的影响：

这一事件凸显了AI发展的“基础设施瓶颈”问题。过去一年，多家分析机构预测，到2027年全球AI算力需求将远超当前供给能力。Google限制Meta用量的举措，可能成为行业信号，促使更多玩家提前布局：