Moo Live

参与了话题 ·

Meta Platforms 2026年第二季度财报电话会议

要点摘要（由AI生成）

财务表现

- 第二季度总收入为$608亿，同比增长28%

- 应用家族广告收入为$594亿，同比增长27%

- 净利润为$158亿，或每股$6.18

- 营业利润率为31%，营业利润为$188亿

业务亮点

- 所有应用的日活跃用户数达到36亿

- Instagram日活跃用户达到20亿，Threads月活跃用户突破5亿

- 900万家中小企业正在使用AI广告创意工具

- 超过100万家企业每周使用Meta商务代理

财务指引

- 预计2026年第三季度总收入为$610亿-640亿

- 预计2026财年全年总支出为$1,650亿-1,690亿

- 预计2026年资本支出为$1,300亿-1,450亿

预计2026年剩余季度的税率将在15%至17%之间

机遇

- 在各大消息平台上为数十亿用户构建个人智能体

人工智能正在提升广告效果、内容推荐以及开发效率

与贝莱德合作开发数据中心并分发企业API

拥有多元化的收入来源，包括订阅、API定价和算力销售

风险

计划于2026年进行的青少年相关试验可能导致重大亏损

全行业面临算力产能限制和供应链挑战

完整文字记录（AI生成）

主持人

下午好。我是Krista，今天将担任本次电话会议的主持人。在此，我谨欢迎大家参加Meta 2026年第二季度财报电话会议。为避免背景噪音，所有线路目前处于静音状态。在发言人发言结束后，将进入问答环节。如需提问，请按*键，然后按电话键盘上的1键；如需取消提问，请再次按*1键。请每位提问者仅限一个问题，本次电话会议将被录音。非常感谢。Meta财务副总裁Chad Heaton，您可以开始发言了。

Chad Heaton

谢谢大家。下午好，欢迎参加Meta Platforms 2026年第二季度财报电话会议。今天与我一同讨论业绩的是首席执行官马克·扎克伯格和首席财务官Susan Lee。我们今天的发言包含前瞻性陈述，该等陈述基于截至今日的假设。由于包括今日财报新闻稿及向美国证券交易委员会（SEC）提交的10-Q季度报告中所述的各种因素，实际结果可能与前瞻性陈述存在重大差异。我们没有义务更新任何前瞻性陈述。

在本次电话会议中，我们将同时提供GAAP和某些非GAAP财务指标。GAAP与非GAAP指标的调节信息已包含在今日的财报新闻稿中。财报新闻稿及配套的投资者演示文稿可在我们的网站 investor.meta.com 上查阅。现在，我将电话会议交予Mark。

马克·扎克伯格

好的。大家好，感谢各位今天参加。本季度我们在社区和业务方面表现强劲，每天有36亿人使用我们至少一款应用。我们达成了多个里程碑：Instagram的日活跃用户达到20亿；Threads的月活跃用户突破5亿，成为史上增长最快的对话类应用；Facebook的日活跃用户数早已超过20亿；**在世界杯决赛期间创下单秒发送消息数量的历史新高，峰值达到每秒3,000万条消息。

此外，Kunal Shah刚刚加入我们，担任**的新任负责人。他创立了印度最重要的支付公司之一，他的加入将为团队带来巨大价值。我们还从Meta超级智能实验室推出了一些强大的新模型，并发布了新款智能眼镜。总体而言，我们各应用中社区的规模和覆盖范围非常可观，这为我们向数十亿人交付创新产品提供了坚实的基础。

我们面前的机遇十分巨大。首先，我们现在正处于一个关键阶段：我们在人工智能领域的投入正在加速推动核心业务的每个主要部分。这些投入正在提升用户使用我们应用的体验，为广告主带来更佳的广告效果，并帮助我们的团队更快地构建新体验并加速产品发布。其次，我们正在开发新一代个人智能代理，这将成为未来数月乃至数年我们下一波产品和收入来源的基础。

第三，我们看到面向企业客户的巨大商机，包括API、企业智能代理，甚至可能直接向企业销售算力，以及其他我们正在为大型客户打造的服务。今天我想花些时间详细说明，我们的投入如何已经在当下产生实际成果，以及我们如何看待未来持续加速核心业务的机会。

我们在Instagram和Facebook的多个领域都看到了强劲且富有前景的成果。我对将大语言模型（LLM）整合进推荐系统的进展非常乐观。LLM能够从第一性原理出发理解内容的本质及其吸引力所在，同时更深入地洞察用户兴趣以及他们在使用我们应用时的目标。

这意味着我们可以展示更相关、更具吸引力的内容，更好地反映用户的目标和兴趣。我们的全新Muse图像和Muse视频模型也将极大拓展用户在我们平台上可发现的内容范围。目前已有两大类内容来源：一是来自你的好友和关注对象，二是来自你未关注的创作者。而现在，将出现一个全新且近乎无限的个性化内容宇宙，这将使我们的服务对用户变得更加实用和吸引人。

在广告方面，我们正利用大语言模型（LLM）优化广告预测与排序系统。我们扩展了可用于评估广告相关性的上下文信息，涵盖用户的自然内容互动和广告互动行为，从而显著提升了Facebook和Instagram上的广告相关性和转化率。按美元计算，我们的广告业务实现了比其他公司已公布的广告业务更快的同比增长。因此，这些AI投入正在取得回报。

我们还看到市场对我们全新AI驱动创意工具的强烈需求。目前，我们平台上有900万家中小企业正在使用至少一种我们的AI广告创意工具。我们正在推出端到端的创意解决方案，帮助广告主将效果数据转化为创意决策。Muse图像模型将极大强化这一能力——该模型可以分析图像、自我优化，并根据广告主的输入生成更优质的广告素材变体。目前我们已收到非常积极的反馈。

我们还刚刚推出了Meta One，这是一项全新的订阅服务，在我们的各款应用中提供更多的工具和AI功能。随着需求增长，我们也将提供多种不同层级和定价选项。我也非常期待AI如何帮助我们的团队加速产品开发。今年早些时候，我们推出了Instagram Instant；最近又发布了Forum——一款独立的群组应用，以及Seller——一款独立的市场应用。

我预计未来推出新应用将变得容易得多。因此，我们计划开发更多创意点子，并利用我们的推荐系统将它们精准推送给感兴趣的用户，就像我们对Threads所做的那样。自我们推出Meta超级智能实验室以来已过去一年多，目前发展势头强劲。在过去一个月，我们发布了Muse Spark 1.1和Muse图像模型。

自从我们重构Meta AI并集成Muse Spark以来，每天与助手互动的用户数量增加了60%，且这一数字仍在每周快速攀升。Muse Spark 1.1是一款强大的智能代理和代码模型，效率极高，在计算机操作、工具调用和多模态理解方面表现卓越。该模型现已通过我们的全新公开API提供，并将在未来几周通过合作伙伴渠道和更多编码代理加速分发。

我们还在构建更多功能，以帮助企业更轻松地采用Muse Spark，这也是我们未来将持续关注的重点领域。我们之所以如此专注于提升Muse Spark在智能体能力方面的表现，是因为我们认为存在巨大的机会，可以推出几种与我们的使命和业务高度契合的智能体类型。

第一是个人智能体。很快，我们将拥有能够全天候为你工作、帮助你实现目标并改善生活方方面面的智能体——无论是健康、人际关系、财务，还是其他任何你关心的事情。智能体最早真正取得突破的领域是编程，但工程师群体更具技术背景，也更愿意花时间让这些智能体发挥作用。

因此，要打造出色的个人智能体，必须将其做成一款开箱即用、体验流畅的优秀消费级产品，让全球数十亿用户都能轻松采用和使用。我对这一点感到非常兴奋，随着我们迈向一个人人都与多个智能体互动的未来，**和其他消息平台将变得越来越重要，我们也将很快分享更多进展。

** 已经是用户与 Meta AI 互动的主要平台。随着我们在各消息应用中构建更广泛的智能体平台，我们将持续创新，以提供私密且安全的 AI 体验。本季度，我们在 ** 和 Meta AI 应用中推出了“无痕模式”，让用户能与助手进行连 Meta 都无法看到的私密对话。我们也计划将强大的隐私和安全保障作为我们所构建智能体的核心基础。

我也对我们商业智能体的进展感到非常兴奋。本季度，我们将 Meta 商业智能体在全球范围内的 ** 和 Messenger 上线，目前已有超过 1,000,000 家企业每周使用它们与客户沟通或完成销售。我们现在也开始在 Instagram 上推出商业智能体。让智能体每天与客户对话有一个有趣之处：它会随时间不断学习，并将所有洞察反馈给你。

因此，我们正在构建更强的智能体能力，用于汇总所有对话内容、梳理夜间发生的情况，并提炼出客户的核心需求。很快，这些功能还将进一步扩展，包括提出业务增长建议、提供竞争情报，以及实时洞察哪些策略有效、哪些无效。长远来看，我们希望将其打造成一套“一站式商业服务”，帮助你在 Meta 平台上启动并运营整个业务。

至于如何实现变现，我们采用了订阅制、按用量计费等多种模式。我预计，未来我们会继续推动更多此类产品向广告系统靠拢——即企业只有在我们为其达成实际成果时才付费。随着时间推移，这将使我们能够在计算资源上运行高效的竞价机制，类似于今天我们为广告主提供的模式。

随着我们产品和业务中的 AI 使用量持续攀升，我们也在基础设施方面积极投入以满足需求。昨天，作为 Meta 计算计划的一部分，我们宣布与贝莱德达成一项新的战略合作，将在得克萨斯州埃尔帕索开发一座全新的 1 吉瓦（GW）数据中心。总体而言，我们预计大部分计算资源将用于模型训练、核心业务拓展以及个人智能体和新产品的交付。

但我们也期望发展面向大型客户的大规模业务。我们已构建了 API，正在推出商业智能体，并收到了大量计算资源采购意向，其报价远高于我们的成本。此外，我们的路线图上还有更多编码和生产力工具。随着我们逐步接近个人超级智能，我们将很快分享更多相关内容。

我们还需要能够让你无缝交互的硬件设备。眼镜是最理想的形态，因为它可以全天陪伴你，并在不打断你当下体验的情况下提供协助。我们的智能眼镜仍是史上销量增长最快的消费电子产品之一，我们也在持续丰富产品线。

我们刚刚与依视路陆逊梯卡（SLR Luxottica）合作推出了自有品牌的 Meta 智能眼镜系列，其中包括一款与Kylie Jenner联合设计的款式。这是首款出厂即内置 Muse Spark 功能的眼镜，能够理解你所看到的内容，并提供更有帮助的回答。早期销售表现强劲，超出预期。我们将在今年 9 月 23 日的 Connect 大会上进一步介绍眼镜产品线，欢迎大家届时关注。

在我结束之前，我想提一下，我刚刚发表了一篇专栏文章，阐述了我为何如此乐观地认为我们正在为每个人构建一个积极的未来。我们始终致力于开发技术，将力量交到人们手中，让他们能够与关心的人建立联系，并以自己希望的方式塑造世界。正因如此，我们一直专注于让我们的产品对所有人来说都负担得起且易于使用，这一战略既惠及了我们的社区，也推动了我们的业务发展。

在进入下一阶段之际，同样的理念也指引着我们开发人工智能的方式。我们是唯一一家以将超级智能直接交到人们手中为主要目标来构建人工智能的大型公司。我们并非集中化超级智能，而是专注于广泛分发它，让每个人都能将其用于对自己重要的事情上。这正是社会一直以来取得进步的方式。我认为，这些价值观正是构建积极人工智能未来的正确方向。如果我们能帮助实现这一目标，我相信我们的业务也将持续保持强劲增长。

以上就是我今天想首先分享的所有内容。如今，人工智能正在提升我们的核心业务，使我们的应用更具相关性，并为企业带来更好的成果。我们已经开始推出更多创新产品，未来还将有更多新品陆续面世。我们也在大力投资，因为这里的潜力巨大，而且我们知道有许多方式可以创造价值。一如既往，感谢各位一路以来与我们同行。接下来有请Susan。

苏珊·李

谢谢，Mark，大家下午好。我们先来看各业务板块的业绩。除非另有说明，所有比较均为同比。第二季度Family of Apps（应用家族）总收入为$604亿，同比增长28%。第二季度Family of Apps广告收入为$594亿，同比增长27%，按固定汇率计算则为26%。

第二季度，我们各平台服务的广告总展示次数同比增长14%。所有地区的展示量均健康增长，主要得益于用户数量和参与度的提升，以及广告加载量的优化。全球广告平均单价同比上涨12%，主要受广告效果提升、宏观环境较去年同期改善以及汇率有利因素推动。但这一增长部分被强劲的展示量增长所抵消，尤其是来自变现能力较低的界面和地区的展示量增长。

本季度Family of Apps其他收入首次达到$10亿，同比增长73%，主要由**付费消息和订阅收入驱动。在Reality Labs板块，第二季度收入为$4.31亿，同比增长16%，主要得益于AI眼镜收入的强劲增长，部分被Quest头显销量下降所抵消。

接下来看合并财务表现。第二季度总收入为$608亿，同比增长28%，按固定汇率计算为27%。第二季度总支出为$420亿，同比增长55%，其中包括与法律诉讼相关的$24亿费用，以及与2026年5月裁员相关的$12亿遣散费。

同比增长主要由员工薪酬、基础设施成本、法律相关费用以及第三方AI代币成本上升推动。剔除前述遣散费用后，员工薪酬的增长主要源于过去一年新增的技术岗位，尤其是AI人才。基础设施成本的增长则源于更高的折旧费用、数据中心运营成本以及第三方云服务支出。

截至第二季度末，公司员工总数超过75,000人，环比下降3%。该数字包括受2026年5月裁员影响的大约8000名员工。我们预计，到2026年第三季度末，大部分受影响员工将不再计入我们的员工总数。第二季度GAAP营业利润为$188亿，同比下降8%，营业利润率为31%。

若剔除第二季度的法律相关费用和遣散费用，我们第二季度营业利润将同比增长9%。本季度税率为16%。净利润为$158亿，合每股$6.18。资本支出（包括融资租赁本金支付）为$311亿，主要用于服务器、数据中心和网络基础设施的投资。自由现金流为$784,000,000。

本季度末，我们持有$903亿的现金及有价证券，以及$837亿的债务。接下来谈谈业务表现，我们的收入表现主要受两大因素驱动：一是我们为社区提供引人入胜体验的能力，二是我们随着时间推移将这种用户参与有效变现的能力。

首先，我们继续从Instagram上的内容推荐计划中获得显著成效。本季度，全球用户在平台上的使用时长同比增长达两位数，这主要得益于Facebook视频信息流和Reels推荐算法的改进。全球范围内，使用时长同比增长9%，而在美国和加拿大地区增幅超过10%，主要由排序算法的优化所驱动。

我们发现，大语言模型（LLM）在提升排序和推荐效果方面正变得越来越强大。第一，它们通过理解内容的实际含义并生成更优质的训练数据，使我们现有的系统变得更智能；第二，由LLM驱动的智能体也在协助工程开发，例如评估内容质量、识别趋势以及测试排序变更。

今年早些时候，我们达成了一项重要里程碑：Instagram上所有公开的Reels和信息流动态均已通过大语言模型自动处理，并从主题到语气等多个维度进行分析。我们正努力将这一能力扩展至Facebook更多界面。这些信号随后可传递给下游应用，涵盖排序推荐和内容政策执行，这是实现更高程度个性化的重要基础。

本季度，我们还开始使用Muse系列模型对视频、主题分类和摘要等信号进行内容理解，并已看到积极的初步成果。此外，我们的推荐也变得更加个性化，在推送更多新鲜内容的同时，让用户对Reels中看到的内容拥有更多直接控制权。

我们推出了迄今为止规模最大的单次排序算法升级，结合了更快的推理速度和一种新架构，该架构利用更深入的用户历史数据来提升预测准确性。此举推动Instagram会话量提升了15个基点，尤其在转发互动（RE shares）和使用时长方面表现突出，这两项都是内容与用户匹配度提升的有力指标。我们现在正将该升级应用于信息流，初步结果表现相当。

我们也在更快地向用户推送新内容。通过对实时基础设施的投资以及针对新视频的建模改进，我们最大的排序模型现在能够在Reels创建之初就识别出高质量内容。在Instagram信息流中，目前超过一半的推荐内容发布不到一天，是一年前的两倍多。

我们还在赋予用户对其所见内容更多的直接控制权。如今，Instagram用户可以访问“你的算法”（Your Algo）页面，通过自然语言提示来调整自己的推荐内容。同样地，在Facebook上，我们推出了“定制你的动态”（Shape Your Feed）功能。早期数据显示，使用该功能的用户留存率超过80%。

展望未来，我们正持续推进长期战略，开发下一代推荐系统。这包括构建专为同时驱动自然内容和广告推荐而设计的基础模型，以及开发原生基于大语言模型的推荐系统。今年上半年，我们达成了首个研究里程碑：通过持续用推荐数据对一个大规模模型进行预训练，并在此过程中观察到了健康的缩放规律。我们对这一进展感到鼓舞，并预计在今年下半年取得持续突破。

再来看驱动收入表现的第二个因素——提升变现效率。这项工作的第一部分是优化广告在自然内容互动中的投放水平。在这方面，我们持续改进系统，以在最佳时机和位置展示广告。第二季度，我们还扩大了在较新界面的广告覆盖范围，包括在全球范围内完成**动态（Status）上的广告扩展。

我们已引入对更多类型广告落地页、广告主绩效目标及状态的支持，并继续按计划推进全球上线。在提升货币化效率的第二阶段，即提升使用我们服务的企业业务表现方面，我们的广告系统正通过部署更复杂、更具预测性的模型来实现性能提升。

本季度，我们推出了Meta生成式推荐系统（Meta Generative Recommender），这标志着我们的广告系统运作方式发生范式转变。我们现在不再对每个可能的广告逐一评分，而是利用大语言模型（LLMs）综合分析广告内容与用户偏好，为每位用户预测最佳广告。这让我们的广告匹配更加智能、精准，从而为广告主带来叠加的性能提升。

我们已在广告召回系统中部署了首个生成式模型，并观察到广告表现的显著提升。第二季度，早期试点项目利用大语言模型更深入地理解用户偏好，在Instagram上推动应用内事件转化率提升了1%。我们还进一步优化了用户理解模型，可同时分析广告和自然内容活动，同步提升用户体验和广告主表现。

结合我们用于广告排序和序列学习的GEM模型，这些进步共同带来了Facebook广告点击量提升8.3%，转化率提升15.7%。我们也在利用AI赋能企业更轻松地管理广告活动、创作广告素材并与客户互动。本季度，我们基于AI的端到端解决方案Advantage Plus持续增长，年化收入运行率已超过$750亿。

我们正努力推动广告主更深度地采用多项工具，因为使用多种工具的广告主能获得叠加的性能提升。我举一个例子说明Advantage Plus如何切实让中小企业（SMBs）的绩效营销变得更简单、更高效：一家印度在线服装品牌此前需在Facebook和Instagram上手动设置每个广告活动。

在采用Advantage Plus销售广告活动，并叠加使用Advantage Plus受众定位、广告位及预算优化功能后，该品牌实现了购买量额外提升13%，加购转化率提升16%。我们的生成式AI广告创意工具的采用规模也在持续扩大，已有超过900万家中小企业至少使用了一款AI创意工具。

图像生成功能本季度采用率增长了一倍以上，该功能现在允许广告主从现有内容（包括新推出的从视频素材生成图像的能力）大规模制作更多创意素材。我们还推出了一项全新的端到端创意解决方案，为广告主提供AI基础设施，使其能够将真实的绩效信号转化为下一次创意决策，同时保留品牌调性和识别度。

我们从一开始就与代理商工作流深度集成，使团队无需离开现有工作环境即可诊断、生成并规模化高性能创意素材。展望未来，随着Muse图像功能的推出，我们预计将进一步扩大广告主大规模生成高质量、符合品牌形象创意素材的能力。

借助Meta商务助手（Meta Business Agent），企业能够通过我们的消息应用更好地服务客户，全天候响应咨询、推荐产品并处理支持请求。本月早些时候，我们还推出了Meta商务助手平台，为企业提供基础设施，使其能够在**上大规模构建、定制并部署自己的商务助手。

该平台为大型企业提供内置的企业级管控机制、安全护栏和衡量工具，使其能够定义规则，并在客户已使用的消息应用内提供个性化体验。Movida是巴西最大的租车公司之一，拥有近400个网点，已在**上部署商务助手，在单次对话中完成从车型选择、定价到支付的整个预订流程。

回头客在一个月内仅需发送3条消息即可完成预订。Movida报告称，通过**的日均预订量同比增长了44%，且该渠道85%的对话完全由AI代理解决，无需人工干预。

我们还在拓展生态系统的其他变现方式。另外两个收入来源分别是订阅服务以及通过API对我们的竞争性模型进行变现。Meta One是我们订阅产品组合的升级版，旨在为日常用户、企业和创作者创造更多价值，让他们获得更丰富的功能和AI工具，以进行创作、建立连接并脱颖而出。我们期待将这一服务带给更多用户，并持续为订阅用户提供增强型工具。

我们最近还以具有竞争力的价格推出了高智能模型API，初步成果令人鼓舞。我们近期已在美国开发者可使用的Open Router平台上推出Muse Spark，扩大了其分发范围，并使开发者更容易采用该模型。我们预计很快会将该模型API扩展到更多分发渠道，在更多国家上线，并向企业开放。

我们在构建算力容量方面的策略深受几个关键因素影响。首先，无论是短期还是长期，建设基础设施的整体环境都充满动态性和不确定性。历史上，行业对AI普及浪潮的算力准备不足，使得现有算力（包括我们自身的）极具价值。

从长期来看，供应链需要进一步完善，以支撑我们及业界未来对AI驱动体验所需的算力。其次，我们对自己有效利用算力扩容、在现有体验基础上持续迭代，并不断投资于基础模型以创造重大新机遇的能力充满信心。

因此，我们当前的计划聚焦于最大化2026年和2027年的产能。过去当我们拥有额外产能时，已被证明极具价值，例如推动了轮式设备等规模化体验的发展；我们相信在此期间情况也将如此。从更长期来看，精确预测使用量的增长曲线更为困难，但我们相信自身的分发优势将使我们有机会提供对所有人都有价值的AI产品。

两者都是36亿用户和数百万家企业。无论我们的模型是否处于技术前沿，这一点都应成立；但我们认为处于技术前沿将为我们打开新的市场和机遇，这可能需要额外的算力支持。因此，我们的长期产能战略旨在通过建设数据中心和网络基础设施，为未来服务器部署决策奠定基础，从而确保我们在2028年及以后继续灵活扩展算力的能力。

这些资产的长期存续特性本身就提供了灵活性，使我们能够根据AI采用的速度调整投资节奏。此外，我们一直在自有定制芯片等关键领域进行战略性投资，这将带来长期的战略灵活性和供应链议价能力，有助于提升这些长期投资的回报率。

最后，我们认为整体行业产能在未来可预见的时间内仍将保持紧张状态。正如我们之前所说，我们坚信正在开发的模型、消费者体验和企业级产品将成为我们基础设施投入中回报最高、效果最佳的用途。正如Mark所提到的，这些企业级产品可能采取多种形式，包括智能体工具、API，或直接基于强劲市场需求对算力进行变现。

我们预计，对这些机会保持灵活应对将帮助我们更高效地推进基础设施建设，同时保留战略灵活性——确保在需要时拥有充足算力，并为我们提供多种途径来实现回报，避免资本闲置。在为这些基础设施投资提供资金方面，我们强劲的资产负债表使我们有能力从广泛的资本市场吸引资金，以补充业务产生的现金流。

我们昨天与贝莱德（BlackRock）的公告便体现了我们可以构建此类合作伙伴关系，以补充我们建设基础设施产能的方法。接下来谈谈我们的财务展望：我们预计2026年第三季度总收入将在61亿至$640亿之间。我们的指引假设，在当前汇率下，外汇因素将对同比总收入增长构成约1%的不利影响。

关于支出和资本开支展望，我们将支出预期的下限上调，以纳入第二季度确认的与法律诉讼相关的$24亿费用。我们现在预计2026年全年总支出将在165亿至$1,690亿之间。我们仍预计今年的营业利润将高于2025年水平。

我们预计2026年资本支出（包括融资租赁本金支付）将在130至$1,450亿之间，较此前预期的125至$1,450亿有所收窄。若税收环境不发生任何变化，我们预计2026年剩余季度的税率将在15%至17%之间，高于此前13%至16%的预期。

最后，我们持续关注可能对业务和财务业绩产生重大影响的活跃法律和监管事项。例如，我们在多个市场继续面临与青少年相关问题的审查，并且今年在美国已安排多项与青少年相关的诉讼，这些诉讼最终可能导致重大损失。

最后，我们在第二季度继续保持业务发展势头，在核心广告和用户参与计划方面执行有力。同时，我们也在积极推进让每个人都能拥有个人超级智能的工作，已推出令人振奋的模型，并预计在今年陆续推出新产品，进一步巩固这一势头。接下来，请Krista开放问答环节。

主持人

谢谢。我们现在开放电话会议进行问答环节。如需提问，请在您的电话键盘上按*1；如需撤回问题，请再次按*1。请每位参与者仅提一个问题。提问前请拿起听筒以确保声音清晰。如果您正在收听本次电话会议的网络直播，请关闭电脑扬声器静音。现在，第一个问题来自摩根士丹利的Brian Nowak，请讲。

Brian Nowak

谢谢回答我的问题。我有两个问题，一个问Mark，另一个问Susan。Mark，非常感谢您详细介绍了消费者和企业智能体、API工具以及算力租赁方面丰富的新产品管线，这里确实存在大量机会。但我的问题是，当您审视这些机会以及当前产品和算力容量的现状时，您预计哪些业务能在2026年和2027年率先实现规模化，并向投资者展示可量化的实质性投资回报率（ROIC）？

另外，Susan，外界已有一些关于2027年产能以及产能翻倍的公开评论，感谢您对资本支出的说明。能否就2027年资本支出提供一些初步看法？比如关于上行潜力或下行压力来源的整体思路，或者您在思考如何为这一多阶段建设融资并规划2027年资本支出时的不同考量？

马克·扎克伯格

我可以先回答第一个问题。就不同机会以及我们对整体算力的看法而言，大量算力用于训练模型，以保持我们作为领先实验室的地位，我认为这是一项重要投资。其余算力则用于一系列不同的产品和收入机会，涵盖从优化和改进核心业务，到即将推出的新型消费者产品，再到API、企业智能体，以及我之前提到的开发者工具路线图。

此外，还有直接出售算力的机会。正如我提到的，我们已有相当数量的报价，价格明显高于我们当初购买算力的成本。不过，在思考这个问题时，我们认为出售智能（intelligence）的利润率将显著高于直接出售算力。当然，我们也认为直接出售算力本身也存在巨大的机会。

因此，我们正在认真考虑这个问题。您问的是哪个领域最有可能率先实现规模化，但我实际上相当乐观地认为，所有这些领域都将实现显著增长。而且，我认为我们很快会在其中多个领域分享更多进展。

苏珊·李

Ryan，关于您的第二个问题，我们目前暂不提供2027年资本支出的具体展望。基础设施规划仍处于高度动态变化中，即便是今年，我们的展望中也包含了多种可能的结果。我在主要发言中提到，我们当前的重点是调整基础设施规划，以最大化2026年和2027年的产能，并为我们2028年及以后的持续增长保留灵活性，同时也能在适当时机做出服务器采购决策。

这样我们就能在2028年及以后根据实际需求进行评估。因此，我们仍在规划未来几年的产能规模。总体而言，我们认为短期内的产能比长期产能更具价值，而且目前的规划过程依然非常动态。

主持人

下一个问题来自高盛的Eric Sheridan，请发言。

埃里克·谢里丹

感谢您的提问。如果可以的话，我想提两个问题。当您描述企业级市场机会时，基于目前已构建的上市策略（作为现有广告和营销业务的延伸），您认为当前有多大比例的机会是可以把握的？又有多少机会需要建立全新的上市策略才能加以利用？

然后，也许，Susan，如果我能再插一个问题。当您考虑未来几年公司资本来源时，您提到了昨天宣布的交易，作为探索如何为未来义务融资的一个例子。我们持续收到投资者的问题，他们想知道应该如何看待债务与股权的组合以及其他资本来源。从理念上讲，你们是如何在希望积极投入支出的同时，又能兼顾对资本的需求？非常感谢。

马克·扎克伯格

当然，我可以先谈谈第一部分。我认为，就企业业务而言，未来将结合现有业务的拓展，也就是向营销人员以及那些面向客户、试图直接触达并销售给客户的企业进行销售。显然，这构成了我们在Facebook和Instagram平台上绝大多数的业务。

我们相信，有机会通过消息应用和其他界面部署商业代理（business agents），继续与客户互动。就像我们的广告系统一样，当我们为这些企业带来实际效果时，我们就会获得收入。因此，我们认为这是对我们与数百万广告主及数亿使用我们平台的小型企业之间现有销售合作的自然延伸。

因此，我认为这对我们来说是一个非常自然的机会。我们正专注于以一种不追求短期销售最大化的方式推进这项业务，而是力求为客户带来最佳效果，并构建一个稳健的竞价系统。我们过去的经验表明，这种做法长期来看对公司非常有利。

此外，我们也越来越关注服务其他类型的企业客户。我们正在内部开发生产力工具，部分原因是我们自身也需要这些工具，并确保我们拥有专为我们需求优化的解决方案。现在既然已经打造了这些工具，我们觉得无论是小型企业还是大型企业，都存在巨大的服务机会。

这在一定程度上不同于我们以往擅长的领域，我们将很快分享更多关于如何推进这一业务的计划。但我认为这里存在非常巨大的机会。在我看来，虽然近期有很多关于计算基础设施（compute）方面的新闻，但企业级市场的机会其实是所有这些不同要素的总和。

这不仅包括销售计算能力，还涵盖API服务、生产力服务，以及用于营销以外业务环节的商业代理等，都是整体企业级产品组合的一部分。我认为这其中蕴藏着极其庞大的机会。因此，我们对此高度专注。这将是我们公司需要打造的一种新能力，但我认为这是非常关键的一环，有助于我们充分把握前方的巨大机遇。

苏珊·李

Eric，关于您的第二个问题——资本来源，这是我们一直在认真思考的问题，尤其是在规划未来财务策略时。显然，我们强劲的经营性现金流使我们在为基础设施建设提供资金方面处于有利地位。

但近年来，我们也在不断优化资本结构，增加债务融资的比例，以降低整体资本成本。我们认为，在投资那些本身具有长期回报周期的项目（尤其是人工智能基础设施项目）时，继续引入成本效益高、期限较长的资本来源是审慎的做法。

我们也在扩大视野，纳入像昨天宣布的与贝莱德（BlackRock）的合作这类伙伴关系。未来，在评估具体项目时，我们将继续审慎地评估各种合适的资本来源。

主持人

下一个问题来自伯恩斯坦（Bernstein）的Mark Schmulich，请发言。

马克·施穆利希

是的，谢谢您接受提问，Mark。大家都有类似的故事，比如有人从硅谷回来，在家深度写代码，用AI构建智能体，然后告诉父母他们使用AI的方式不对——AI对他们来说不过是个高级点的搜索工具罢了。消费者行为一向很难预测。但读了您那篇关于‘AI普惠化’的专栏文章后，您如何看待消费者采用能否弥合当前AI实用性的差距？我们是否正处于某种突破的临界点，还是说只是需要再多一点耐心？谢谢。

马克·扎克伯格

我认为有些事情其实已经取得突破了。我觉得AI与其他技术相比的一个有趣之处在于，每隔一年左右（这个周期可能还在加速），你就会获得新的能力，从而催生出全新的产品线。比如，显然存在一个面向消费者的AI助手市场，这正是我们正在通过Meta AI所做的事情，当然竞争对手也在这一领域推出了自己的产品。

此外，过去一段时间里，我认为编程智能体市场增长得非常迅速，这实际上是第一个真正意义上的智能体市场。我认为编程之所以能率先落地，有几个原因：首先，它的用户是技术人群，他们愿意投入精力去让它发挥作用；其次，编程本身就是一种数字化且闭环的活动，因此在某种程度上，它是一个相对更容易训练的系统。

但我们押注的是——或者说我们正在下注的一个方向是——我们认为面向消费者的个人智能体最终将成为一个极其重要且规模巨大的市场。举例来说，如果你展望未来五年，无论你选择哪个时间点，几乎可以肯定的是，将有数十亿人拥有一个理解自己目标的个人智能体，全天候为你工作，帮你实现目标。

无论你关注哪个领域——无论是健康管理、兴趣爱好、个人理财、提升效率和更好地管理家庭，还是改善并增进人际关系、助力职业发展，以及处理各种各样的事务——这都是一套非常非常深入的应用场景。

但正如你所说，为消费者打造产品与为开发者打造产品略有不同。如果你的目标不是服务数百万用户，而是数十亿用户，那么产品就必须做到开箱即用，对吧？它必须足够简单。而我认为，目前我们看到的很多智能体，包括那些早期原型，往往都需要大量调试和设置。

你得打开终端才能完成配置，设好一个使用场景后，一开始看起来很神奇，但可能过段时间就失灵了。我认为，谁能率先推出真正‘开箱即用’的个人智能体，谁就将抓住AI领域的下一个重大机遇，对此我们感到非常兴奋。

除了我们在Meta AI上的布局，除了我们在商业智能体方面的工作，以及所有其他相关举措之外，我们还在持续开发我们认为能够不断推动新能力、催生全新产品线的模型。正因如此，我们现在非常乐观。我知道……我们很快就会推出相关产品，那将是非常令人激动的时刻——尽管我们尚未做到这一点。

所以，在财报电话会上我能透露的内容其实有限。但我认为这是一个巨大的机会，而且几乎可以肯定，迟早会有人实现它。我认为这非常契合Meta作为一家公司的核心优势：我们擅长打造触达数十亿用户的消费级产品；一旦某个产品跑通，我们就非常擅长将其大规模推广；同时我们也具备构建基础设施的能力，以支撑这些计算密集型应用。

因此，我对这一方向非常有信心。我深知我们需要为我们的社区交付这样的产品，而这正是我们当前高度专注的事情。

主持人

下一个问题来自摩根大通的Doug Anmuth，请发言。

Doug Anmuth

很好，感谢各位提问。一个问题给Susan，另一个给Mark。Susan，您之前谈到大语言模型（LLM）在推荐和排序方面的能力正不断增强。能否再详细谈谈这方面的路线图？目前你们在利用更优模型和更多算力方面进展到什么程度了？另外，Mark，关于外部向你们提供算力变现机会的数量，你们同时也从多家第三方采购算力。希望您能帮我们厘清这其中的差异——这只是时间安排和临时补缺的问题，还是涉及训练与推理的不同需求，以及使用最适合各自任务的芯片？谢谢。

苏珊·李

谢谢，Doug。我先回答第一个关于推荐系统路线图的问题。首先，我们确实看到今年剩余时间直至2027年，推荐系统仍有进一步提升的空间，我们也预期这将帮助我们在Facebook和Instagram上推动用户参与度的额外增长。我想重点强调几点。

第一，我们将继续让推荐内容更加个性化，并更贴合用户的兴趣。这在一定程度上是通过推进我们的推荐模型和架构，从而更精准地捕捉用户兴趣，并更快地响应用户当下关心的内容。我们在人工智能领域的投入将在实现这一愿景中发挥重要作用，包括扩展

基于大语言模型（LLM）的内容理解能力，以更深入地理解用户重视的帖子和创作者，从而更精准地捕捉用户兴趣，并更迅速地响应他们当下的关注点。同时，利用AI发掘高质量、新鲜且热门的内容，并减少低质量内容的占比。

第二，我们持续改进数据基础设施，使模型能够基于更多数据进行训练，并更高效地利用这些数据。我们正在丰富对用户过往互动内容的描述细节，并通过更细粒度的内容信息来增强历史用户交互序列，从而使模型能够更准确地学习哪些互动对用户更有价值、哪些价值较低。

我们还在持续扩大训练过程中使用的用户交互序列长度，并同步提升Facebook和Instagram上模型架构的复杂度，以充分利用更大的数据集。此外，我们已在利用大语言模型（LLM）进行内容理解方面取得了显著进展，未来将进一步将其整合到推荐系统和内容审核策略体系中，以充分发挥其深度理解内容的能力。

总体而言，我认为我们对这项工作非常乐观。我们还投资于基于大语言模型的智能体（agentic）方法，以改造我们的推荐系统，并在本半年度增加了排序智能体的上线数量。这也提升了我们工程师的生产力，是我们非常期待的另一条发展路径。

马克·扎克伯格

好的，我可以回答这个问题的第二部分。我想你的问题核心在于：我们一方面收到大量出售算力的邀约，另一方面又在采购算力。从宏观角度看，当前算力远远无法满足全部需求。因此，我们一方面收到大量针对现有算力的购买邀约，另一方面我们也有很多内部用途，我们认为这些用途将带来巨大价值。

在经营业务时，一个常见的权衡就是：今天变现多少，还是为未来开发资产。我认为这始终是一个组合策略，对吧？我们不可能只做长期的事情，而完全忽视短期内已经存在的市场机会并加以验证。

但我也认为，如果仅仅把所有算力都卖掉换取短期利润，那就太愚蠢了——尤其是当你有机会在其之上构建智能能力时，这种智能会带来倍数效应，并不断复利式地放大算力本身的价值。

所以，我认为答案就是我们正在做的事情，也就是基本上动用大量资本去建设算力基础设施，并且我们有信心在适当时机直接将这些算力变现。同时我们也清楚，除了直接变现算力之外，还有许多不同的应用场景可以基于这些算力来实现智能服务的变现，包括我们之前提到的企业级应用，也包括一些面向消费者和引流场景的应用。

还包括我们的核心业务——甚至不一定是那些我们尚未讨论过的新产品，而是指利用这些能力进一步增强智能水平，从而改进核心服务中的排序、推荐和广告效果。因此，我认为上述所有情况都是事实，这也形成了一种动态：我们需要提前投入并建设数据中心，而这存在一定的前置时间。

这些数据中心将在未来的某个时间点上线，在它们真正上线之前，显然我们还无法从中获得价值。但我们基本上看到了对所有这些能力的巨大需求，并希望最大限度地抓住机会，推动这些不同业务的发展。

主持人

下一个问题来自美国银行的Justin Post，请发言。

贾斯汀·波斯特

很好，谢谢。Mark，您大约一年前聘请了AI实验室的高级管理团队。您能否分享一下您对实验室目前表现的看法？您是否认为市场很快会看到贵公司在模型、芯片或其他方面的产品推出速度明显加快？此外，您认为该实验室正在构建哪些可持续的竞争优势？谢谢。

马克·扎克伯格

是的，我对目前的发展轨迹相当满意。我们已经发布了一些在我看来非常出色的模型，这些模型处于我们早期扩展路径上。正如我之前所说，我们正在推进更大规模、更先进模型的研发，对此我们感到非常兴奋。我认为这其中既涉及智能层面，也涉及数据层面。

我认为，在任何你想进入的产品类别中，都会形成某种正向飞轮效应：你从用户行为以及该社区中人们如何使用产品中不断学习。你在这一方面做得越好，获得的反馈就越多，而这必然会让产品变得更好。

因此，我认为在这个领域，人们理所当然地痴迷于智能本身，但要真正服务好用户，数据和知识部分同样至关重要。如果你谈论的是个人超级智能，那么显然，对用户生活中发生的一切及其目标拥有非常清晰的心智模型，将会成为其中极为关键的一环。

不同的公司起步时在不同市场和领域拥有各自的优势。但另一方面，我认为之所以要在初期就布局多个方向，首先是因为这项技术具有通用性——一旦你构建出这种智能能力，它就能应用于多种不同场景。其次，你还需要投入资源去构建这些场景下的飞轮效应，因为我认为这才是随着时间推移建立可持续竞争优势的方式。

但我认为，Meta已经明确证明了一点：当我们拥有一种行之有效的产品形态时，我甚至可以说，我们可能是全球最擅长将这类体验规模化到数十亿用户的公司。因此，我对个人智能代理（personal agent）的工作充满信心，对商业智能代理（business agent）的工作也非常看好。

我们在广告主和中小企业客户群体方面已有坚实基础，并具备围绕这些客户大规模推广和部署相关能力。我认为这些构成了持久的竞争优势，再加上我们正在构建的数据飞轮效应。此外，显然在研究层面，你需要打造良好的文化氛围。这听起来可能很简单，但我认为关键在于确保团队建设方式合理，管理得当，并以低内耗的方式持续复利式成长。

这在某种程度上就是你所追求的目标。我认为，如果你能在这方面做得很好，那么即使它可能无法用清晰的数学方式来解释某件事，但我觉得这大概就是商业运作的方式。所以，是的，这就是我们所做的。

主持人

下一个问题来自巴克莱银行的Ross Sandler，请发言。

Ross Sandler

是的，嘿，Mark，继续聊聊关于AI实验室的评论。Muse Spark 1.1非常接近帕累托前沿，但它处于智能光谱或成本较低的一端。而且从你刚才的回答来看，你似乎认为在低成本和高性能两个方面都要具备竞争力非常重要。你能稍微谈谈这一点吗？

此外，你们实验室的领导层也提到要重新回归开源，就像你们几年前那样。那么这如何融入整体战略？又如何与围绕AI产品和模型货币化的讨论相契合呢？非常感谢。

马克·扎克伯格

是的。我想稍微深入一点讲讲其中的科学流程——基本上，训练大模型时，在每个训练阶段都会出现新的行为。因此，理想的做法是从训练较小的模型开始，逐步过渡到更大的模型。我们迄今为止发布的模型都是基于特定规模、沿着扩展路径逐步提升的，而我们也在持续训练更大规模的模型。

因此，我认为Muse Spark 1和Muse Spark 1.1对于当前模型的规模以及实验室的发展阶段来说，都是非常出色的模型，我对它们感到相当满意。当然，我们现在也希望拥有更先进的模型，这正是我们正在扩展更大模型的原因，也是我们正在围绕这一目标建设大量研究基础设施的原因。

但与此同时，我们也希望拥有高效且优质的模型，这些模型将大规模服务于消费者。如果你要为数十亿人提供服务，就需要有能力使用更先进的模型来解决极其困难的问题，同时也需要能够用更简单、更高效的模型处理绝大多数的用户请求。因此，我认为这两者都非常重要，效率真的至关重要。

但我也认为，我们希望有能力为全球的企业和客户解决最棘手的问题。因此，我们在开源方面同样重视。我们认为开源一直是生态系统中的重要组成部分，对世界有益，并且能形成对我们有利的正向反馈循环——让社区投入到我们的基础设施栈和工作中，并贡献改进。

但我们一直明确表示，我们会采取开源与闭源相结合的策略，这一点在如今加速推进Meta超级智能实验室（Meta Super Intelligence Labs）的过程中依然成立。事实上，在某些方面，开源模型反而需要更多工作，因为如果你开发的是仅用于自身场景的闭源系统，可以稍微粗糙一些。

而如果你将模型以开源形式发布，并会被广泛用于各种用途，你就需要让它更加全面和稳健。我只是想确保MSL团队在构建我们所能打造的最智能模型时不受限制。我们预计很快就会重新开始发布一些开源模型。

但正如我们一直以来所说的那样，我们对此并不教条。我们认为开源很重要，希望为这一生态系统做出贡献，并计划继续采用开源与闭源模型相结合的方式。

主持人

我们还有时间回答一个问题，这个问题来自富国银行（Wells Fargo）的Ken Gorowski。请讲。

Ken Gorowski

也谢谢您。如果可以的话，我想再请Mark稍微回顾一下刚才提到的最后一点，关于开源权重模型（open weight models），这个问题已经有很多讨论，您也参与其中。您能否谈谈为什么支持或不支持这一做法？这是否会改变Meta对开发闭源专有前沿模型的看法？如果开源权重模型大量涌现，是否意味着我们就不必自己开发前沿模型了？这是第一个问题。

第二个问题，如果可以的话，想请Susan澄清一下：您提到我们可以依赖某些模型。我的意思是，目前开源模型的能力还比不上前沿模型，所以基本答案是否定的。此外，始终存在一个持续的政策争论和疑问，即其他公司的行为是否真的可靠——像Meta这样的公司是否能真正依赖它们。我认为这非常棘手。

马克·扎克伯格

因此，在这两方面，我们认为自己能够做得更好，同时也认为这种依赖存在一定风险。我不认为依赖外部是正确的做法。要知道，如果我们退后一步审视Meta，很多人只看到表层——我们开发了一些社交媒体应用，并拥有一项广告业务。

但实际上，我们现在是一家全栈技术公司。从创业之初，我们就自建数据中心、基础设施、芯片，以及底层软件。我个人有工程背景，曾亲自编写大量系统代码。Facebook之所以成功，很大程度上是因为它确实“能用”——当其他社交网络运行缓慢、效率低下时，我们的产品却能快速高效地运行。

我认为，我们有能力构建更加个性化、更优化、更高效的产品。有些体验在本质上是其他公司根本无法实现的，因为我们深入到了技术栈的最底层。在我看来，未来在技术栈中拥有自主构建模型的能力将变得至关重要。

这不仅对Meta很重要，也是其他人关注开源、以及开源整体意义重大的原因。因为像其他公司，即使它们没有能力自己构建这些模型，也不希望只能依赖少数几家封闭实验室——在这个世界上，开源模型有着非常重要的地位。

需要明确的是，开源模型的存在并不会削弱API的机会，也不会影响我所谈到的其他方面，因为总得有人来运行这些模型、进行推理，并高效地部署它们。拥有足够的算力来做到这一点，将继续成为企业竞争优势的来源。

因此，我不认为这两者必然矛盾。但当我思考全球众多有洞察力的客户和企业真正想要什么时，他们会明白：他们希望掌控自己的命运，信任所使用的模型，确保数据安全，不会把数据发送给竞争对手等等。所以我认为开源非常重要，但对我们而言，自主构建模型也将是其中的关键一环。

另外，尽管我知道现在所有模型都会在一套通用基准上进行评估，被简单地归为“某些模型与另一模型相差几个百分点”之类，但实际上每个模型的技能组合都各不相同，就像人一样——不同的人在不同领域有各自的优势，有不同的“个性”，在不同任务上表现也有好有坏。

如果你的目标是为用户打造个人超级智能，或是为小企业构建需要具备特定技能的商业智能体，而这些技能可能与其他实验室调优的方向不同，那么就像我们在Instagram推荐系统或广告系统上所做的那样——通过全栈式的深度优化，我们才得以随时间不断取得优异成果。

我认为，构建这种全栈模型将在长期内形成巨大优势，帮助我们打造个人超级智能代理、商业代理，以及面向各类客户的不同应用场景。因此，除了我们已有的分发渠道和触达大量用户并规模化成功产品的能力之外，我认为这种针对特定应用场景进行定制并做到极致的能力，正是我们所构建的持久竞争优势所在。

当然，我明白这是一笔巨大的投资，也是一次重大的押注。我们已经看到这项技术正在发挥作用，对实验室的发展轨迹感到满意，也对即将推出的产品感到兴奋，并相信这将成为一件大事。所以，虽然我理解整个行业都在进行这样一次重大押注，但我个人的看法是，那些在此投入资源的人最终将获得丰厚回报，并在长期内感到非常满意。

苏珊·李

我可以先快速回答你的第二个问题。当我们提到聚焦于2026年和2027年的产能时，实际上有两个因素：其一是我们目前处于需求受限的状态，而且在可预见的未来仍将如此——这甚至包括我们的核心业务在内，因为即便现在，我们仍有许多能带来正向投资回报率（ROI）的地方，只要我们有算力资源，就会投入进去。

第二个因素当然是长期产能建设所面临的不确定性。我在之前的发言中也提到了，我们需要更早地拓展供应链。因此，我认为，展望2028年及更远的未来，世界将发生巨大变化，我们自身的内部需求也会演变，到那时我们也将掌握更多信息、看清更多情况。

因此，当我们今天为2028年做规划时，我们真正关注的是灵活性——也就是确保我们拥有土地和电力资源，但将实际采购芯片及其他高价值设备等重大决策推迟到更晚的时候。所以目前而言，我们知道在2026年和2027年有很多优质的产能使用场景，这也正是我们当前建设的重点方向。

Chad Heaton

非常好，感谢大家今天参与，我们期待很快再次与各位交流。

主持人

今天的电话会议到此结束，感谢各位的参与，现在可以断开连线了。

详情请见 Meta Platforms投资者关系部

提示：本摘要由AI语言模型根据公开信息生成，包括第三方来源自动生成的字幕和公开发布的音频。尽管已尽力确保准确性，但AI生成的内容可能存在错误或遗漏。请以相关上市公司发布的官方资料为准，以获取最准确和最新的信息。本内容仅供信息参考，不构成投资建议，亦不构成购买或出售任何投资产品的推荐。所述观点和摘要不代表moomoo的官方立场。moomoo对本内容的准确性、及时性或完整性不作任何明示或暗示的保证，且不对因使用本内容而产生的任何损失承担责任。任何原始电话会议内容的版权均归相关上市公司所有。

浏览 96.8万