今年四月，Meta 内部做过一笔令人生畏的预算：全年在 Anthropic 的人工智能服务上花掉 100 亿美元。
据《纽约时报》8月27日报道，这家社交媒体巨头曾一度预计 2026 年对 Anthropic 的 AI 服务支出将达到百亿级别。100 亿美元是什么概念？它接近于 Meta 2026 年第二季度 61 亿美元营收的两倍，也超过了其同期 60 亿美元的净利润。更直观的对比是：Anthropic 在 2025 年底的全年营收运行率才刚到 90 亿美元。Meta 一家公司的潜在支出，几乎抵得上竞争对手全年的收入。
但这笔预算最终没有变成现实。随着外部 AI 服务价格上涨，Meta 结束了内部一场被称为“词元最大化”（tokenmaxxing）的竞赛，一种鼓励员工尽可能多地消耗 AI token、并按用量排名的内部文化，并将更多需求转移到自研工具上。到 6 月，Meta 对全年 AI 应用支出的指引已下调至“数十亿美元”。
这笔天价预算虽未落地，却揭示出 AI 产业最深层的一个矛盾：当你的竞争对手同时也是你不可或缺的供应商时，商业的边界在哪里？
一杯 100 亿美元的“大杯拿铁”
Meta 与 Anthropic 的关系，是硅谷最典型的竞合样本。前者拥有全球最大的开源大模型系列 Llama，后者则是闭源阵营最耀眼的明星，Claude 系列在代码生成、长文本推理和 agent 能力上持续领跑。
然而竞争归竞争，业务归业务。《纽约时报》的报道指出，Meta 是 Anthropic 的主要客户之一。Meta 一度在 Hatch 智能体平台的内部测试中使用了 Anthropic 的 AI 模型。也就是说，Meta 要用最大竞争对手的模型，来构建自己的核心 AI 产品。
这就像隔壁咖啡店的老板走进你的店买咖啡，而他自己也开着一家咖啡店。
Hatch 是 Meta 对标 AI agent 赛道的关键产品。根据 The Information 和 Business Insider 的报道，这款内部代号为 Project Hatch 的个人智能体，能在后台自主执行订餐、购物、填表、深度研究等任务，最高定价或达每月 199.99 美元。Meta CEO 扎克伯格在 8 月的一份宣言中称，公司致力于“为每个人构建个人超级智能”。
这样一款核心产品在测试阶段却依赖竞对模型，本身就意味着 Meta 在内部 AI 能力上的一个缺口。至少在 agent 类任务上，Claude 展现出了 Meta 自研模型在某些维度上尚未企及的能力。
词元最大化：一场烧钱的内部竞赛
Meta 内部此前存在一种被称为 tokenmaxxing 的文化。员工被鼓励尽可能多地使用 AI 模型，内部甚至设有排行榜，根据消耗的 token 量对员工进行排名。这本质上是一种“用量驱动”的 AI 推广策略，先让员工用起来，再谈效率和成本。
但这种策略在外部 API 价格持续攀升后变得不可持续。2025 年以来，Anthropic、OpenAI 等前沿模型提供商多次提价。当消耗量以百亿级 token 计，哪怕每百万 token 的价格只涨零点几个百分点，对 Meta 这样的超级客户来说也是天文数字。
100 亿美元这个数字，正是在这种用量最大化文化下的自然产物。当员工不受限制地调用市场上最贵的竞对模型，年度账单当然会膨胀到令人窒息的程度。
Meta 在 6 月做出的调整，结束 tokenmaxxing 竞争、将需求转移至内部工具，本质上是一次理性的“断舍离”。与其把钱送给竞争对手，不如逼自己一把，让自家模型扛起核心产品的重任。
值得注意的是，就在同一时期，Meta 将其 2026 年全年资本支出预期提升至 1300 亿至 1450 亿美元，其中绝大部分投向 AI 基础设施建设。百亿级别的外部 AI 服务支出，在这样的投资盘子中虽大，却并非不可替代，关键只在于内部模型是否已经准备好了。
Anthropic IPO 前夕的暗流
Meta 的转向，恰好发生在 Anthropic 上市的最关键时刻。
据彭博社和《洛杉矶时报》报道，截至 2026 年 7 月底，Anthropic 的年化营收运行率（ARR）已突破 650 亿美元，较 2025 年底的约 90 亿美元飙升超过 7 倍。其最近一个完整季度的初步收入超过 115 亿美元，而 2025 年同期仅为 7.87 亿美元。Anthropic 已秘密提交 IPO 文件，最早将于 2026 年秋季上市，目标估值在近期二级市场上已达到约 1.2 万亿美元。
在这样一组爆炸性数字中，Meta 作为大客户的贡献不可忽视。Meta 减少对 Anthropic 服务的使用，意味着年化收入中每年可能减少数十亿美元的贡献。对一家即将上市、需要向投资者展示持续加速度的公司来说，这显然不是一个好消息。
不过，Anthropic 的用户基础已极为广泛。据公开信息，它已与亚马逊、谷歌、CoreWeave 甚至比特币矿商 Riot Platforms 等签署了数十亿乃至上百亿美元的算力与合作协议。Meta 一家的需求缩水，尚不足以动摇其增长基本面，但至少会在 IPO 前的路演中，给投资者留下一个值得追问的注脚：当你的大客户同时也是你的竞争对手，你的收入有多“粘性”？
Llama 的成年礼
更深层看，Meta 这笔“险些花出去”的 100 亿美元，其实是 Llama 系列模型的一场压力测试。
自 2023 年 Meta 首次推出 Llama 以来，扎克伯格的策略一直明确：开放权重，生态为王。通过开源 Llama，Meta 吸引了全球数百万开发者在之上构建应用，成功将模型层做成了一种基础设施，正如 Google 用 Android 掌控移动生态一样。
但开源不等于免费。当 Meta 自家产品需要在最关键、最复杂的任务上调用模型时，Llama 未必是最优选择。Hatch 团队在内部测试中选用 Anthropic 的 Claude，正是这一现实困境的直观体现。
然而 2026 年夏天，Meta 正在密集补课。8 月初，Meta 发布了编程 agent Muse Code，直接对标 Anthropic 的 Claude Code 和 OpenAI 的 Codex。随后又推出了多模态模型 Muse Spark 和新一代模型 Watermelon。8 月中旬，Meta AI 桌面版应用上线 Mac，开始在用户体验层面与 Claude 和 ChatGPT 正面竞争。
将 Hatch 正式版从 Anthropic 模型切换为内部模型，与其说是成本决策，不如说是一次战略宣誓：Llama 系列已经成熟到可以扛起最核心的产品了。选择在 Hatch 即将面向消费者推出之前做出这一切换，也意味着 Meta 对自家模型在 agent 场景下的表现有了足够的信心。
AI 时代的竞合悖论
Meta 与 Anthropic 之间的这段插曲，揭示了一个有趣的产业悖论：越是在 AI 上投入巨大的公司，越难完全摆脱对竞争对手模型的依赖。
谷歌自研了 TPU 和 Gemini，但旗下部分产品仍在调用竞对模型。亚马逊有 Bedrock 平台和 Titan 模型，但 AWS 同时是 Anthropic 最大的算力合作伙伴之一。微软是 OpenAI 的最大投资人，但也在测试 Meta 的 Llama 和 Anthropic 的 Claude。就连 AI 赛道的领跑者 OpenAI 自身，此前也被曝出在内部测试中使用过竞品模型。
这种“互相嵌入”的产业生态，在 AI 基础设施日益昂贵的今天，正在变成一种微妙的博弈。当一家公司的核心产品依赖竞对模型时，它随时面临两种风险：一是供应商提价带来的成本失控；二是供应商在关键能力上“卡脖子”，限制其核心赛道的竞争空间。
Meta 在 100 亿悬崖前的急刹车，给整个行业提供了一个启示：在 AI 时代，自研能力不只是技术实力的体现，更是一种战略对冲。它意味着你在竞合的钢丝上行走时，始终有一条回家的路。
而对 Anthropic 来说，客户流失的风险才刚刚开始。随着各大科技公司的自研模型持续迭代，越来越多的“Meta们”将面临同样的抉择：继续为竞对的模型买单，还是咬牙把自己的模型推到聚光灯下？
这场百亿美元的“差点花掉”，或许只是 AI 产业竞合大戏的开场白。
当你的客户同时也是你的对手，你赚的每一分钱，都是在帮对手磨刀。
快报