Google因受算力限制而对Meta的Gemini模型访问进行了配额管理，迫使Meta更谨慎地使用token，并转而依靠自家的内部模型Muse Spark。
你一定熟悉这种感觉：花钱买了云服务，以为它是无穷无尽的，满怀信心地扩展自己的项目……结果突然撞上一堵你压根不知道存在的墙。现在想象一下，被卡住的那个客户不是你，而是Meta——地球上最有钱的公司之一，而给它设限的，正是Google。这正是《金融时报》在2026年6月28日披露的事：Google限制了Meta对其Gemini模型的访问，原因很简单，它没有足够的算力供所有人使用。当巨头们也用不上GPU时，问题就不再抽象，而是迅速变得无比真实。
瓶颈不再是人才，而是硬件
多年来我们理所当然地认为，AI的天花板是模型的智能，或者训练模型的人才。而2026年的现实更朴素也更残酷：瓶颈是让模型运转起来的物理基础设施。Google只部分批准了Meta追加算力的请求，还向自家内部团队下达命令：AI的token要省着花，要遵守新的配额。Sundar Pichai在财报电话会上毫不避讳地承认："短期内我们受到算力的限制"，并坦言如果能满足所有需求，Google Cloud的营收本会更高。当卖铲子的人自己都没铲子了，你就知道这场淘金热是真的。
让人眩晕的数字
短缺的规模从数字上一目了然，看得人倒吸一口凉气。Google Cloud的订单积压在单个季度几乎翻倍，达到4600亿美元，token使用量达到每分钟160亿。Google每年在资本支出上花掉超过1800亿美元，却依然不够用，甚至同意每月向SpaceX支付9.2亿美元，租用11万块Nvidia的GPU作为过渡算力。Meta这边则把工作负载从Gemini转移到了自家的内部模型Muse Spark，并把7000名员工重新调配到AI岗位。这幅图景清清楚楚：2026年没人算力有富余，连那些成吨往外卖算力的公司也一样。
这跟NeuralOS有什么关系
这场巨头之间的碰撞，正好实时印证了我们从一开始就做出的一个架构决策：不把产品绑死在单一的模型供应商上。如果连坐拥数千亿的Meta，在供应商供不上货时都得自谋出路，那么任何认真的平台都需要能够切换模型或基础设施，而不必重写整个应用。在NeuralOS里，模型是通过配置来选择的，供应商是可替换的，正是为了不沦为单一玩家短缺或涨价的人质。我们不会向你承诺解决全球GPU危机，那样太可笑了。但我们确实做了这样的设计，让这些波动不至于掀翻你的产品。供应商的灵活性已经不再是奢侈品，而是变成了生存的必需。