Moo Live

參與了話題 ·

Meta Platforms 2026年第二季度業績電話會議

主要收穫（AI生成）

財務表現

- 第二季度總營收爲$608億，同比增長28%

- 應用家族廣告收入爲$594億，同比增長27%

- 淨利潤爲$158億，合每股$6.18

- 營業利潤率爲31%，營業利潤爲$188億

業務亮點

- 所有應用合計日活躍用戶數達到36億

- Instagram日活躍用戶達到20億，Threads月活躍用戶突破5億

- 900萬家小型企業正在使用AI廣告創意工具

- 超過100萬家企業每週使用Meta商務代理

財務指引

- 預計2026年第三季度總收入爲$610億-640億

- 預計2026財年全年總支出爲$1,650億-1,690億

- 預計2026年資本支出爲$1,300億-1,450億

預計2026年剩餘季度的稅率將在15%至17%之間

機會

— 爲數十億用戶在各消息平台上構建個人智能代理

人工智能正在提升廣告效果、內容推薦以及開發效率

與貝萊德合作開發數據中心並分發企業API

擁有多元化收入來源，包括訂閱、API定價和計算資源銷售

風險

計劃於2026年進行的青少年相關試驗可能導致重大虧損

全行業面臨算力容量限制和供應鏈挑戰

完整記錄稿（AI生成）

接線員

下午好。我是Krista，今天將擔任本次會議的接線員。在此，我謹歡迎各位參加Meta Platforms 2026年第二季度業績電話會議。爲避免背景噪音，所有線路目前均處於靜音狀態。在發言人發言結束後，將進入問答環節。如您希望提問，請按*鍵，然後按電話鍵盤上的1鍵；如需撤回提問，請再次按*1。請您僅提出一個問題，本次電話會議將被錄音。非常感謝。有請Meta財務副總裁Chad Heaton開始發言。

Chad Heaton

謝謝大家。下午好，歡迎參加Meta Platforms 2026年第二季度業績電話會議。今天與我一同討論業績的是首席執行官馬克·扎克伯格和首席財務官Susan Lee。我們今天的發言包含前瞻性陳述，該等陳述基於截至今日的假設。由於包括今日業績新聞稿及向美國證券交易委員會（SEC）提交的10-Q季度報告中所述的各種因素，實際結果可能與前瞻性陳述存在重大差異。我們沒有義務對任何前瞻性陳述進行更新。

在本次電話會議中，我們將同時提供GAAP和某些非GAAP財務指標。GAAP與非GAAP指標的調節表已包含在今日的業績新聞稿中。業績新聞稿及配套的投資者演示文稿可在我們的官網 investor.meta.com 上查閱。現在，我將電話會議交予Mark。

馬克·扎克伯格

好的，大家好，感謝各位今天參與。本季度我們的社區和業務表現強勁，每天有36億人至少使用我們的一款應用。我們達成了多個里程碑：Instagram的日活躍用戶達到20億；Threads的月活躍用戶突破5億，成爲有史以來增長最快的對話類應用；Facebook的日活躍用戶早已超過20億；**則剛剛創下歷史最高消息量紀錄，在世界盃決賽期間每秒發送的消息峰值達到3,000萬條。

此外，Kunal Shah剛剛加入我們，擔任**的新任負責人。他創立了印度最重要的支付公司之一，他的加入將爲團隊帶來巨大價值。我們還從Meta超級智能實驗室推出了一些強大的新模型，併發布了新款眼鏡。總體而言，我們的社區在各款應用中的規模和覆蓋範圍非常可觀，這爲我們向數十億用戶交付創新成果提供了堅實的基礎。

我們面前的機會非常巨大。首先，我們現在正處於一個關鍵階段：我們在人工智能領域的投入正在加速推動核心業務的各個主要部分。這些投入正在改善用戶使用我們應用的體驗，提升廣告主的投放效果，並幫助我們的團隊更快地構建新體驗並推出產品。其次，我們正在開發新一代個人智能代理，它們將成爲未來數月乃至數年內我們下一波產品和收入來源的基礎。

第三，我們看到面向企業客戶的巨大機會，包括提供API、企業智能代理，甚至可能直接向客戶銷售算力，以及其他我們正在爲大型客戶構建的服務。今天我想花些時間，具體說明我們的投入當前已取得哪些成果，以及我們如何看待未來推動核心業務加速發展的機遇。

我們在Instagram和Facebook的多個領域已經看到了強勁且富有前景的成果。我對將大語言模型整合進推薦系統的工作非常樂觀。大語言模型能夠從第一性原理出發，理解內容的本質及其吸引力所在，同時更深入地理解用戶興趣以及他們在使用我們應用時的目標。

這意味着我們可以展示更相關、更具吸引力的內容，更好地反映用戶的目標和興趣。我們全新的Muse圖像模型和Muse視頻模型也將極大拓展用戶在我們平台上可發現的內容範圍。目前已有兩大類內容來源：一是來自你的朋友和你關注的人；二是來自你不關注的創作者。而現在，一個全新且近乎無限的個性化內容宇宙即將誕生。這將使我們的服務對用戶變得更加有用和吸引人。

在廣告方面，我們正利用大語言模型改進廣告預測與排序系統。我們擴展了用於判斷廣告相關性的上下文信息，綜合考量用戶的自然行爲和廣告互動數據，從而顯著提升了Facebook和Instagram上廣告的相關性和轉化率。以美元計算，我們的廣告業務同比增長速度超過了其他任何公司公佈的廣告業務增速。由此可見，我們在AI上的投入正在取得回報。

我們還看到市場對我們全新AI驅動的創意工具的強烈需求。900萬家平台上的中小企業目前正在使用至少一種我們的AI廣告創意工具。我們正在推出端到端的創意解決方案，幫助廣告主將效果數據轉化爲創意決策。Muse圖像模型將極大增強這一能力。該模型可以分析圖像、優化自身產出，並根據廣告主輸入生成更優質的廣告變體。目前我們已收到非常積極的反饋。

我們還剛剛推出了Meta One——一項全新的訂閱服務，在我們的各類應用中提供更多的工具和AI功能。隨着需求增長，我們也將提供多種不同層級和定價選項。我也對AI如何幫助團隊加快產品開發感到興奮。今年早些時候，我們推出了Instagram實例。我們還剛剛發佈了Forum（一款獨立的群組應用）和Seller（一款獨立的市場應用）。

我預計未來推出新應用將變得容易得多。因此，我們計劃開發更多創意，並利用我們的推薦系統將其推廣給感興趣的用戶，就像我們對Threads所做的那樣。自我們推出Meta超級智能實驗室以來，已過去一年多時間，而我們的發展勢頭強勁。在過去一個月裏，我們發佈了Muse Spark 1.1 和Muse圖像模型。

自從我們重建Meta AI並集成Muse Spark以來，每天與助手互動的用戶數量增加了60%，並且這一數字仍在持續快速增長。Muse Spark 1.1 是一款強大的智能代理和代碼模型，效率極高，在計算機操作、工具調用和多模態理解方面表現出色。該模型現已通過我們全新的公開API上線，我們將在未來幾周內通過合作伙伴渠道加速分發，並推出更多代碼智能代理。

我們還在開發更多功能，以幫助企業更輕鬆地採用Muse Spark，這也是我們預計將持續專注的領域。我們如此重視提升Muse Spark的智能體能力，是因爲我們認爲存在巨大的機會，可以推出幾類與我們的使命和業務高度契合的智能體。

首先是個人智能體。很快，我們將擁有能夠全天候爲你工作的智能體，幫助你實現目標、改善生活——無論是健康、人際關係、財務，還是任何你想要提升的方面。目前，智能體在編程領域率先取得突破，但工程師群體更具技術背景，也更願意投入時間讓這些智能體發揮作用。

因此，要打造出色的個人智能體，就需要一款卓越的消費級產品，做到開箱即用，並且足夠簡單，讓全球數十億人都能輕鬆採用和使用。我對這一前景感到非常興奮。隨着我們邁向一個人人與多個智能體互動的未來，** 和我們的其他消息平台將變得越來越重要，我們很快會分享更多進展。

** 已經成爲用戶與 Meta AI 互動的主要平台。隨着我們在旗下各消息應用中構建更廣泛的智能體平台，我們將不斷創新，以提供私密且安全的 AI 體驗。本季度，我們在 ** 和 Meta AI 應用中推出了「無痕模式」，讓用戶可以與助手進行連 Meta 都無法查看的私密對話。我們也計劃將強大的隱私和安全保障作爲我們所構建智能體的核心基礎。

我也對我們在商業智能體方面的進展感到非常興奮。本季度，我們已在全球範圍內的 ** 和 Messenger 上推出 Meta 商業智能體，目前已有超過 1,000,000 家企業每週使用它們與客戶溝通或完成銷售。我們現在也開始在 Instagram 上推廣商業智能體。讓智能體每天與客戶對話的一個有趣之處在於，它會隨着時間不斷學習，並將所有洞察反饋給你。

因此，我們正在構建更強的智能體能力，用於彙總所有這些對話、梳理夜間發生的情況，並突出客戶的需求重點。很快，它還將進一步發展，包括提出業務增長建議、提供競爭情報，以及實時洞察哪些策略有效、哪些無效。長遠來看，我們希望將其打造成一套「一站式商業服務」，幫助你在 Meta 平台上啓動並運營整個業務。

至於變現方式，我們將採取訂閱制、按用量計費等多種模式。我預計，未來我們會繼續優化這些產品，使其更像我們的廣告系統——商家僅在我們爲其達成實際效果時才付費。隨着時間推移，這將使我們能夠在算力資源上運行高效的競價機制，類似於當前爲廣告主提供的模式。

隨着我們產品和業務中 AI 使用量持續攀升，我們也在基礎設施方面加大投入以滿足需求。昨天，作爲 Meta 算力計劃的一部分，我們宣佈與貝萊德達成一項新的戰略合作，將在得克薩斯州埃爾帕索開發一座全新的 1 吉瓦數據中心。總體而言，我們預計相當大一部分算力將用於訓練模型、拓展核心業務，以及交付個人智能體和新產品。

但我們同時也預計將發展面向大型客戶的大規模業務。我們已經構建了自己的 API，正在推出商業智能體，並收到了大量算力採購意向，報價遠高於我們的成本。此外，我們的路線圖上還有更多編程和生產力工具。隨着我們日益接近通用超級智能（personal Super intelligence），我們將很快分享更多相關進展。

我們還需要硬件設備，讓你能無縫地與智能體互動。眼鏡是最理想的形態，因爲它可以全天陪伴你，並在不打斷你當下體驗的情況下提供協助。我們的智能眼鏡仍是史上增長最快的消費電子產品之一，我們也在持續擴充產品線。

我們剛剛與 SLR Luxottica 合作推出了自家的 Meta 智能眼鏡系列，其中包括一款與Kylie Jenner聯合設計的款式。這是首款出廠即內置 Muse Spark 的眼鏡，能夠理解你所看到的內容，並提供更有幫助的回答。早期銷量強勁，超出預期。我們將在今年 9 月 23 日的 Connect 大會上進一步介紹眼鏡產品線，歡迎大家屆時關注。

在我結束之前，我想提一下，我剛剛發表了一篇專欄文章，闡述了我爲何如此樂觀地認爲我們正在爲每個人在Meta打造一個積極的未來。我們始終致力於開發技術，將權力交到人們手中，讓他們能與關心的人建立聯繫，並按照自己的意願塑造世界。正因如此，我們一直專注於讓我們的產品對所有人而言都負擔得起且易於使用，這一戰略既造福了我們的社區，也推動了我們的業務發展。

進入下一階段時，同樣的理念將繼續指導我們開發人工智能的方式。我們是唯一一家以將超級智能直接交到人們手中爲主要目標構建AI的大型公司。我們並非集中化超級智能，而是專注於廣泛分發它，讓每個人都能引導它服務於自己關心的事情。這正是社會一直以來取得進步的方式。我認爲，這些價值觀正是構建積極AI未來的正確方向。如果我們能幫助實現這一目標，我相信我們的業務也將持續保持強勁。

以上就是我今天想提前分享的所有內容。如今，AI正在提升我們的核心業務，讓我們的應用程序更具相關性，併爲企業帶來更佳成果。我們已開始推出更多創新產品，未來還將有大量新品陸續面世。我們正在大力投資，因爲潛力巨大，而且我們知道這裏有多種創造價值的途徑。一如既往，感謝各位一路以來的支持。接下來有請Susan。

Susan Lee

謝謝Mark，大家下午好。我們先來看各業務板塊的業績。除非另有說明，所有同比數據均爲與去年同期相比。第二季度Family of Apps總收入爲$604億，同比增長28%。第二季度Family of Apps廣告收入爲$594億，同比增長27%，按固定匯率計算則增長26%。

第二季度，我們在各項服務中提供的廣告總展示次數增加了14%。各地區的展示量均健康增長，主要得益於用戶數量和參與度的提升以及廣告加載量的優化。全球廣告平均單價同比增長12%，主要受廣告效果提升、相比去年第二季度宏觀環境改善以及匯率有利因素推動。但這一增長部分被強勁的展示量增長所抵消，尤其是來自變現能力較低的平台和地區的展示量增長。

本季度Family of Apps的其他收入首次達到$10億，同比增長73%，主要由**付費消息和訂閱收入驅動。在Reality Labs業務板塊，第二季度收入爲$4.31億，同比增長16%，主要得益於AI眼鏡收入的強勁增長，部分被Quest頭顯銷量下降所抵消。

接下來看整體合併業績。第二季度總收入爲$608億，同比增長28%，按固定匯率計算增長27%。第二季度總支出爲$420億，同比增長55%，其中包括與法律訴訟相關的費用$24億，以及與2026年5月裁員相關的遣散費$12億。

同比增長主要由員工薪酬、基礎設施成本、法律相關費用以及第三方AI代幣成本上升推動。剔除前述遣散費用後，員工薪酬的增長主要源於過去一年新增的技術崗位，尤其是AI人才。基礎設施成本的增長則源於更高的折舊費用、數據中心運營成本及第三方雲服務支出。

截至第二季度末，公司員工總數超過75,000人，環比第一季度減少3%。該總數包括受2026年5月裁員影響的大約8000名員工。我們預計，受影響員工中的大多數將在2026年第三季度末前不再計入我們的員工總數。第二季度GAAP營業利潤爲$188億，同比下降8%，營業利潤率爲31%。

若剔除第二季度的法律相關費用和遣散費用，我們第二季度營業利潤將同比增長9%。本季度稅率爲16%。淨利潤爲$158億，合每股$6.18。資本支出（包括融資租賃本金支付）爲$311億，主要用於服務器、數據中心和網絡基礎設施的投資。自由現金流爲$784,000,000。

本季度末，我們持有$903億現金及有價證券，債務爲$837億。接下來談談業務表現，我們的收入表現主要受兩大因素驅動：一是我們爲社區提供引人入勝體驗的能力，二是我們隨着時間推移有效將這種參與度變現的能力。

首先，我們繼續從Instagram上的內容推薦計劃中獲得顯著成效。本季度全球用戶使用時長同比增長達兩位數，這主要得益於Facebook視頻信息流和Reels推薦算法的改進。全球範圍內，用戶使用時長同比增長9%，在美國和加拿大地區增長超過10%，這主要由排序算法的優化所推動。

我們發現，大語言模型（LLM）在提升排序和推薦效果方面正變得越來越強大。一方面，它們通過理解內容的實際含義並生成更優質的訓練數據，使我們現有系統變得更智能；另一方面，由LLM驅動的智能體也在協助工程開發，例如評估內容質量、識別趨勢以及測試排序變更。

今年早些時候，我們達成了一項里程碑：Instagram上所有公開的Reels和信息流帖子均自動通過大語言模型處理，並從話題到語氣等多個維度進行分析。我們正努力將更多Facebook平台的內容也納入這一流程。這些信號隨後可傳遞至下游應用，涵蓋排序推薦和內容政策執行，這是實現更高程度個性化的重要基礎。

本季度，我們還開始使用Muse系列模型對視頻、話題分類和摘要等信號進行內容理解，並已看到積極的初步成果。此外，我們的推薦系統也變得更加個性化，在推送更多新鮮內容的同時，讓用戶對Reels中看到的內容擁有更多直接控制權。

我們推出了迄今爲止規模最大的單次排序算法升級，結合了更快的推理速度和一種新架構，該架構能利用更深層的用戶歷史數據來提升預測準確性。此舉推動Instagram會話量提升了15個點子，尤其在RE分享數和用戶使用時長方面表現強勁，這兩項都是內容與用戶匹配度更高的有力指標。目前我們正將該升級應用於信息流，早期結果表現相當。

我們也在更快地向用戶推送新內容。通過投資建設更實時的基礎設施，並改進針對新視頻的建模能力，我們最大的排序模型如今能在內容創建之初就識別出高質量的新Reels。在Instagram信息流中，目前超過一半的推薦內容發佈不到一天，是去年同期的兩倍以上。

我們還在賦予用戶更多對其所見內容的直接控制權。如今，Instagram用戶可以訪問「你的算法」頁面，通過自然語言提示來調整自己的推薦內容。同樣，Facebook也推出了「自定義信息流」功能。早期數據顯示，使用該功能的用戶留存率超過80%。

展望未來，我們正持續推進長期工作，以開發下一代推薦系統。這包括構建專爲同時支持自然內容和廣告推薦而設計的基礎模型，以及開發原生基於大語言模型的推薦系統。今年上半年，我們達成了首個研究里程碑：通過持續使用推薦數據對一個大規模模型進行預訓練，並在此過程中觀察到了健康的擴展規律。我們對這一進展感到鼓舞，並預計在今年下半年取得持續突破。

再來看驅動收入表現的第二個因素——提升變現效率。這項工作的首要部分是在自然互動中優化廣告投放水平。在這方面，我們持續優化系統，以便在最佳時機和位置展示廣告。第二季度，我們還在較新的展示位擴大了廣告覆蓋範圍，包括完成了**動態（Status）功能在全球範圍的廣告部署。

我們已引入對更多廣告目標類型、廣告主績效目標及狀態的支持，並繼續按計劃推進全球上線。在提升變現效率的第二階段，我們聚焦於爲使用我們服務的企業提升業績表現。在廣告系統內部，隨着我們部署更復雜、更具預測性的模型，正在實現性能提升。

本季度，我們推出了Meta生成式推薦器（Meta Generative Recommender），這是廣告系統運作方式的一次範式轉變。我們不再單獨對每一條可能的廣告進行評分，而是現在利用大語言模型（LLMs）綜合分析廣告內容與用戶偏好，爲每位用戶預測最佳廣告。這使我們的廣告匹配更加智能、精準，從而爲廣告主帶來疊加的業績提升。

我們已在廣告召回系統中部署了首個生成式模型，並觀察到廣告（ADS）性能的顯著提升。第二季度，早期試點項目通過使用大語言模型（LLMs）更深入理解用戶偏好，在Instagram上實現了應用內事件轉化率1%的增長。我們還進一步優化了用戶理解模型，使其能夠同時分析廣告與自然流量活動，從而同步提升用戶體驗和廣告主業績。

結合我們在廣告排序和序列學習方面使用的GEM模型，這些進步共同帶來了Facebook廣告點擊量8.3%的增長，以及轉化率15.7%的提升。我們還利用人工智能賦能企業，使其能更輕鬆地管理廣告活動、製作廣告創意並與其客戶互動。我們基於AI驅動的全鏈路解決方案Advantage Plus持續增長，本季度年化收入運行率已超過$750億。

我們正努力推動廣告主更深入地採用多種工具，因爲使用多種工具的廣告主可獲得疊加的業績提升。我將分享一個案例，說明Advantage Plus如何顯著簡化並提升中小企業（SMBs）的效果營銷效率與成效。在印度，有一家線上服裝品牌此前一直在Facebook和Instagram上手動設置每個廣告活動。

在採用Advantage Plus銷售廣告活動，併疊加使用Advantage Plus受衆定位、廣告位及預算優化功能後，該品牌實現了購買量13%的額外增長，以及加購轉化率16%的提升。我們的生成式AI廣告創意工具的採用規模也在持續擴大，已有超過900萬家中小企業至少使用了一種AI創意工具。

圖像生成功能現已讓廣告主能夠基於現有內容大規模製作更多創意素材，包括一項全新能力——直接從視頻素材生成圖像。本季度該功能的採用率增長了一倍以上。我們還推出了一款全新的端到端創意解決方案，爲廣告主提供AI基礎設施，使其能夠在保留品牌調性與形象的前提下，將真實績效信號轉化爲下一步的創意決策。

我們從一開始就在構建與代理機構工作流的深度集成，使團隊無需離開其現有工作流程，即可診斷、生成並規模化高效創意素材。展望未來，隨着Muse圖像模型的推出，我們預計將進一步拓展廣告主大規模生成高質量、符合品牌形象創意的能力。

藉助Meta商務助手（Meta Business Agent），企業能夠通過我們的消息應用更好地服務客戶，全天候回應諮詢、推薦產品並處理支持請求。本月早些時候，我們還推出了Meta商務助手平台，爲企業提供基礎設施，使其能在**上大規模構建、定製並部署自己的商務助手。

該平台爲大型企業提供企業級控制、安全護欄和內置衡量工具，使其能夠制定規則，並在客戶已經使用的消息應用內提供個性化體驗。Movida是巴西最大的租車公司之一，擁有近400個網點。該公司在**上部署了商務助手，通過單次對話即可完成從選車、定價到支付的整個預訂流程。

回頭客在一個月內僅需發送3條消息即可完成預訂。Movida報告稱，通過**的日均預訂量較去年同期增長了44%，且該渠道85%的對話完全由AI客服自主解決，無需人工介入。

我們還在拓展生態系統內其他變現方式。另外兩種收入來源分別是訂閱服務和通過API對我們的競爭性模型進行變現。Meta One是我們訂閱產品組合的升級版，旨在爲日常用戶、企業和創作者創造更多價值，讓他們獲得更豐富的功能和AI工具，以創作內容、建立連接並脫穎而出。我們期待將這一服務帶給更多用戶，並持續爲訂閱用戶提供增強型工具。

我們近期還以具有競爭力的價格推出了高智能模型API，初步成果令人鼓舞。最近，我們已在美國開發者可訪問的Open Router平台上上線Muse Spark，擴大了其分發範圍，使開發者更易於採用該模型。我們預計很快將該模型API推廣至更多分發渠道，在更多國家上線，並向企業開放。

我們在構建算力容量方面的策略深受幾個關鍵因素影響。首先，無論是短期還是長期，基礎設施建設的整體環境都充滿動態性和不確定性。歷史上，行業對AI普及浪潮的算力建設投入不足，使得包括我們自身在內的現有算力資源極具價值。

從長期來看，必須完善供應鏈，以支持我們及其他各方未來爲AI驅動體驗所需的算力容量。其次，我們高度確信自身有能力高效利用算力資源，在現有體驗基礎上持續擴展，並繼續投資於基礎模型，從而創造大量全新機遇。

因此，我們當前的規劃聚焦於最大化2026年和2027年的產能。過去當我們擁有額外產能時，已被證明極具價值，例如用於擴展類似Wheels等體驗；我們相信在此時間框架內情況也將如此。從更長期來看，具體使用量的增長曲線更難預測，但我們相信自身的分發優勢將使我們有機會爲所有人提供有價值的AI產品。

兩者都服務於36億用戶和數百萬家企業。無論我們的模型是否處於技術前沿，這一點都應成立；但我們認爲處於前沿將打開新的市場和機遇，而這可能需要額外的算力。因此，我們的長期產能戰略旨在通過提前佈局數據中心和網絡基礎設施，爲我們提供在2028年及以後繼續擴大算力的靈活性，以支持未來的服務器部署決策。

這些資產的長期存續特性本身就提供了靈活性，使我們能夠根據AI採用的速度調整投資節奏。此外，我們一直在內部定製芯片等領域進行戰略性投資，這將帶來長期的戰略靈活性和供應鏈議價能力，有助於提升這些長期投資的回報率。

最後，我們認爲整個行業的產能在可預見的未來仍將保持緊張態勢。正如我們之前所述，我們堅信正在構建的模型、消費者體驗和企業解決方案將是基礎設施投入中回報最高、效果最好的用途。正如Mark所提到的，這些企業解決方案可以採取多種形式，例如智能代理工具、API，或鑑於市場對算力的巨大需求，直接對算力進行變現。

我們預計，對這些機會保持靈活應對將幫助我們更高效地爲基礎設施建設融資，同時保留戰略靈活性，在需要時獲得所需算力，並通過多種路徑產生回報，避免資本閒置。在爲這些基礎設施投資融資方面，我們強勁的資產負債表使我們有能力從廣泛的資本市場吸引資金，以補充業務產生的現金流。

我們昨天與貝萊德（BlackRock）宣佈的合作就是一種能夠補充我們基礎設施能力建設方法的夥伴關係範例。接下來談談我們的財務展望：我們預計2026年第三季度總收入將在61億至$640億之間。我們的指引假設，基於當前匯率，外匯將對同比總收入增長構成約1%的不利影響。

關於費用和資本支出展望，我們上調了費用預期區間的下限，以計入第二季度確認的與法律訴訟相關的$24億費用。我們現在預計2026年全年總費用將在165億至$1,690億之間。我們仍預計今年的營業利潤將高於2025年水平。

我們預計2026年資本支出（包括融資租賃的本金支付）將在130至$1,450億之間，較此前預期的125至$1,450億區間有所收窄。若稅收環境不發生任何變化，我們預計2026年剩餘季度的稅率將在15%至17%之間，高於此前預期的13%至16%。

最後，我們持續關注可能對業務和財務業績產生重大影響的活躍法律及監管事項。例如，我們在多個市場持續面臨與青少年相關問題的審查，並且今年在美國已安排多項與青少年相關的訴訟，這些訴訟最終可能導致重大損失。

最後，我們在第二季度繼續保持業務發展勢頭，在覈心廣告和用戶參與度舉措方面表現出色。同時，我們也在積極推進將個人超級智能帶給每個人的願景，已推出令人振奮的新模型，並預計在今年陸續推出新產品，進一步鞏固這一勢頭。接下來，請Krista開放問答環節。

接線員

謝謝。我們現在開放問答環節。如需提問，請在您的電話按鍵上按*1；如需撤回問題，請再次按*1。請每次僅提一個問題。爲確保清晰，請在提問前拿起聽筒。如果您正在觀看今日電話會議的直播，請將電腦揚聲器靜音。第一個問題來自摩根士丹利的Brian Nowak，請講。

布萊恩·諾瓦克

感謝您接受我的提問。我有兩個問題，一個問Mark，另一個問Susan。Mark，非常感謝您詳細介紹了面向消費者和企業智能體、API工具以及算力租賃等領域的豐富新產品管線，這裏確實存在大量機會。但我想問的是，當您審視這些機會及當前產品狀態和算力容量時，您預計哪些業務能在2026和2027年率先實現規模化，並向投資者展示可量化的、實質性的投入資本回報率（ROIC）？

另外，Susan，近期有一些關於2027年產能翻倍的公開評論，也感謝您對資本支出（CapEx）的說明。請問您是否可以就2027年資本支出提供一些早期看法？哪怕是關於潛在上行空間或下行壓力來源的整體思路？您是如何思考通過不同方式爲這一多階段建設融資並規劃2027年資本支出的？

馬克·扎克伯格

我可以先回答第一個問題。就不同的機會以及我們對整體算力的看法而言，相當大一部分算力用於訓練模型，以維持我們作爲領先實驗室的地位，我認爲這是項重要投資。其餘算力則用於一系列不同的產品和收入機會，涵蓋從優化和改進我們的核心業務，到即將推出的新型消費者產品，再到API、企業智能體項目，以及我在路線圖中提到的開發者工具工作。

此外，還存在直接出售算力的機會。正如我提到的，我們已有不少報價，其價格明顯高於我們購買算力的成本。不過，在考慮這個問題時，我們認爲出售智能（intelligence）的利潤率仍將顯著高於直接出售算力。當然，我們也認爲直接出售算力本身同樣存在巨大機會。

因此，我們正在認真思考——您剛才問哪個領域最有可能率先規模化。但事實上，我對所有這些領域都將實現顯著增長持非常樂觀的態度。而且，我相信我們很快會就其中多個領域分享更多信息。

Susan Lee

Ryan，關於您的第二個問題，我們目前暫不提供2027年資本支出的具體展望。基礎設施規劃仍高度動態，即便在今年，我們的展望中也包含了多種可能結果。我在主要發言中提到，我們當前的重點是調整基礎設施規劃，以最大化2026和2027年的產能，同時爲我們2028年及以後的持續增長提供靈活性，也讓我們能夠在適當時機做出服務器採購決策。

使我們能夠評估2028年及以後的實際需求。因此，我們仍在制定未來幾年的產能規劃。總體而言，我們認爲短期產能比長期產能更具價值，而且目前這仍然是一個高度動態的規劃過程。

接線員

下一個問題來自高盛的Eric Sheridan，請發言。

埃裏克·謝裏丹

感謝您接受提問。也許可以問兩個問題，如果允許的話。當您描述企業級業務機會時，基於目前在市場營銷業務基礎上已構建的上市策略（即廣告和營銷業務的延伸），您認爲當前能把握住多少這樣的機會？與之相對的是，還有哪些上市策略尚需從頭構建，才能充分抓住這一機會？

另外，Susan，如果可以的話，我想再擠進第二個問題。展望未來幾年公司業務的資本來源，您昨天提到的交易就是一個例子，說明公司在探索爲未來義務融資的方式。我們持續收到投資者關於如何思考債務與股權組合以及其他資本來源的問題。從理念上講，貴方如何在希望大舉投入支出的同時，又能兼顧對資本的需求？非常感謝。

馬克·扎克伯格

當然，我可以先談談第一部分。我認爲就企業級業務而言，將結合現有業務的拓展——也就是向營銷人員以及那些直接面向客戶、試圖觸達並直接向客戶銷售的企業進行銷售。顯然，這構成了Facebook和Instagram平台上絕大多數的業務。

我們相信，通過在消息應用和其他界面部署商業智能體（business agents），有機會進一步擴展這一模式，以持續與客戶互動。就像廣告系統一樣，我們實際上是在爲企業帶來成效時獲得報酬。因此，我們認爲這是對我們與數百萬廣告主以及數億使用我們平台的小型企業所建立的銷售與合作關係的一種自然延伸。

因此，我認爲這一方向對我們來說是一個非常自然的機會。我們關注的是以一種不追求短期銷售最大化的方式推進這項業務，而是致力於爲客戶創造最佳成效，並打造一個穩健的競價機制——這一點已被證明長期來看對公司業務大有裨益。

此外，我們認爲還有其他類型的企業客戶也將越來越多地得到我們的服務。我們正在內部開發生產力工具，部分原因是我們自己也需要這些工具，並確保擁有符合自身需求的定製化解決方案。現在既然我們已經具備了這些能力，就感到無論面向小企業還是大企業，都存在巨大的服務機會。

這與我們過去擅長的能力略有不同，我們很快會進一步分享計劃如何構建這一新能力。但我認爲這裏確實蘊藏着巨大的機遇。在我看來，雖然最近有很多關於算力（compute）方面的新聞，但企業級機會實際上是所有這些不同要素的總和。

這不僅包括銷售算力，還包括API服務、生產力服務，以及面向營銷以外業務領域的商業智能體等，都是整體產品組合的一部分。我認爲這其中蘊含着非常非常龐大的機會。因此，我們對此高度重視。這將是我們公司需要培養的一項新能力，但我認爲它至關重要，只有這樣我們才能充分把握前方的巨大機遇。

Susan Lee

Eric，關於您的第二個問題——資本來源方面，這是我們一直在審慎考量的問題，尤其是在規劃未來財務安排時。顯然，我們強勁的經營性現金流使我們在爲基礎設施建設提供資金方面處於有利地位。

近年來，我們也在不斷優化資本結構，增加債務融資的比例，以降低整體資本成本。我們認爲，在投資那些本身具有長期回報週期的項目（尤其是AI基礎設施項目）時，持續引入成本效益高、期限較長的資本來源是審慎的做法。

我們也在擴大視野，納入像昨天宣佈的與貝萊德（BlackRock）的合作這類夥伴關係。未來在評估新項目時，我們將繼續審慎評估各種合適的資本來源。

接線員

下一個問題來自伯恩斯坦（Bernstein）的Mark Schmulich。請發言。

馬克·施穆利希

好的，謝謝您接受我的提問，Mark。現在很多人都有這樣的故事：比如有人從硅谷回來，整天深埋代碼堆裏，用人工智能構建智能體（agents），然後回到家告訴父母，你們用AI的方式不對——它其實不過是個高級點的搜索工具罷了。大家都知道，消費者行爲向來很難預測。但讀了您那篇關於『AI普惠化』的專欄文章後，我想請教一下：您如何看待消費者採用率能否彌合當前AI實用性的差距？我們是否正處於某種突破的臨界點，還是說只是需要再多一點耐心？謝謝。

馬克·扎克伯格

我認爲有些事情其實已經實現了突破。相比其他技術，AI的一個有趣之處在於，每隔一年左右（週期甚至可能在加速），你就能獲得全新的能力，從而催生出新的產品線。比如，顯然存在面向消費者的AI助手市場，這正是我們通過Meta AI所做的事情，當然競爭對手在這個領域也有各自的產品。

此外，我認爲在過去一段時間裏，編程智能體（coding agent）市場增長得非常迅速，這也是第一個真正意義上的智能體市場。我認爲編程之所以成爲首個突破口，原因有很多：首先，它的用戶是技術背景人群，願意投入精力讓產品真正發揮作用；其次，編程本身是一種天然數字化、閉環的活動，某種程度上來說，它是一個相對更容易訓練的系統。

但我們押注的方向之一——也是我們正在下注的重要方向——就是我們認爲面向消費者的個人智能體（personal agents）最終將成爲一個極其重要且規模巨大的市場。舉例來說，如果你展望未來五年（或任何你選擇的時間跨度），幾乎可以肯定的是，屆時將有數十億人擁有一個能理解你目標的個人智能體，全天候爲你工作，幫你實現這些目標。

無論你關注哪個領域——無論是健康管理、興趣愛好、個人理財、提升工作效率、更好地管理家庭，還是改善和增進人際關係、助力職業發展，或是幫助處理各種生活事務——這都是一套極其深入且廣泛的應用場景。

但正如你所說，爲普通消費者打造產品與爲開發者打造產品略有不同。如果你的目標用戶不是數百萬，而是數十億人，那麼產品必須做到開箱即用，對吧？它必須足夠簡單。而目前我們看到的很多智能體，或者說早期形態的智能體，往往需要大量調試才能運行。

你得打開終端進行設置，折騰一番才能跑通一個用例。一開始看起來很神奇，但可能隨着時間推移就失效了。我認爲，誰能率先推出真正『開箱即用』的個人智能體，誰就能抓住AI領域的下一個重大機遇。我們對此感到非常興奮。

除了我們在Meta AI上的佈局，除了我們在企業智能體方面的進展，以及所有其他相關工作之外，我們也在持續開發我們認爲能夠不斷推動新能力、催生新產品線的基礎模型。正因如此，我們現在非常樂觀。我知道，雖然在業績電話會上我能透露的內容有限，但我們很快就會推出相關產品，那將非常令人期待——儘管我們尚未正式發佈。

所以，在業績電話會議上我確實不能說得太多。但我認爲這是一個巨大的機會，而且幾乎必然會有公司成功實現這一點。這非常契合Meta作爲一家公司的核心優勢：我們擅長打造觸達數十億用戶的消費級產品；一旦產品可行，我們就能高效地將其大規模推廣；同時我們也擅長構建支撐這類高強度應用所需的基礎設施。

所以，我對這一點感覺非常好。我多少明白，我們需要爲我們的社區交付成果，而這正是我們當前非常專注的事情。

接線員

下一個問題來自摩根大通的Doug Anmuth，請發言。

道格·安穆斯

很好，感謝各位提問。一個問題給Susan，另一個問題給Mark。Susan，您之前提到大語言模型（LLM）在推動排序和推薦效果提升方面的能力正不斷增強。能否請您進一步談談這方面的路線圖？目前在利用更優模型和更多算力方面進展如何？另外，Mark，關於外部向您提供的算力變現機會，您同時也從多家第三方採購算力。能否幫我們理解一下這其中的差異？這僅僅是時間安排和臨時補缺的問題，還是涉及訓練與推理的區別，以及針對不同任務使用最適合的芯片？謝謝。

Susan Lee

謝謝，Doug。我先回答第一個關於推薦系統路線圖進展的問題。首先，我們確實看到在今年剩餘時間和2027年之前，推薦系統仍有進一步提升的空間，我們也預計這將幫助我們在Facebook和Instagram上推動用戶參與度的額外增長。我想重點強調幾點。

第一，我們將繼續讓推薦內容更加個性化，並更貼合用戶的興趣。部分做法是通過推進我們的推薦模型和架構，更精準地捕捉用戶興趣，並更快地響應用戶在特定時刻關注的內容。我們在人工智能領域的投入將在實現這一願景中發揮重要作用，包括擴大

基於大語言模型（LLM）的內容理解能力，以更深入地理解用戶重視的帖子和創作者，從而更精準地捕捉用戶興趣，並更快地響應他們當下的關注點。同時，我們也在利用AI來挖掘高質量、新鮮且熱門的內容，並減少低質量內容的佔比。

第二，我們正在持續改進數據基礎設施，使我們的模型能夠基於更多數據進行訓練，並更有效地利用這些數據。我們正在豐富對用戶過去互動內容的描述細節，並通過更細粒度的內容信息來增強用戶歷史互動序列，從而使模型能更精準地學習哪些互動對用戶更有價值、哪些價值較低。

我們還在持續擴展訓練過程中使用的用戶互動序列長度，並提升Facebook和Instagram上模型架構的複雜度，以充分利用更大的數據集。此外，我們在利用大語言模型（LLM）進行內容理解方面已經取得了顯著進展，未來將進一步將其整合到我們的推薦系統和內容政策執行體系中，因爲它們具備更深入理解內容的能力。

總體而言，我認爲我們對這項工作非常樂觀。我們還投資於基於大語言模型（LLM）的智能體方法來改造推薦系統，並在本半年內增加了排名智能體的上線數量。這也提升了我們工程師的生產力，是我們同樣感到非常興奮的另一條路徑。

馬克·扎克伯格

好的，我可以回答後半部分的問題。我想您的問題是關於我們如何看待外界提供給我們的算力出售機會，但與此同時我們也在採購算力。總體來看，一個顯而易見的事實是：當前算力遠遠無法滿足所有需求。正因如此，我們收到了大量對我們現有算力的購買意向，但同時我們內部也有許多我們認爲極具價值的用途。

在業務運營方面，我們顯然需要在『當下變現多少』和『爲未來開發資產』之間做出權衡。我認爲這始終是一個組合策略，對吧？我們不可能只做長期的事情，而不去驗證那些短期內已經存在的市場機會。

但我認爲，基本上只是把所有的算力全部賣掉，然後賺取短期利潤，這種做法也是愚蠢的。因爲當你有機會在此基礎上構建智能時，這將帶來一種乘數效應，並進一步放大算力之上的價值。

因此，我認爲我們目前的做法就是正確答案：即動用大量資本建設算力基礎設施，因爲我們有信心在適當時機直接將這些算力變現；同時我們也清楚，有多種不同的應用場景可以讓我們通過算力之上的智能實現變現，包括我們之前提到的企業級應用，也包括一些面向消費者和『誘餌』（bait）場景的應用。

還包括我們的核心業務——甚至不一定是我們尚未討論過的全新產品，而是指利用這些能力進一步增強智能，從而改進核心服務中的排序、推薦和廣告效果。我認爲所有這些說法都是成立的，這也形成了一種動態格局：我們正在投入資金並建設數據中心，而這需要一定的前置時間。

這些數據中心將在未來某個時間點上線，在此之前顯然無法產生價值。但我們基本判斷，市場對所有這些能力的需求非常龐大，因此我們希望最大化把握這一機遇，全面推進各項業務的發展。

接線員

下一個問題來自美國銀行的Justin Post，請發言。

賈斯廷·波斯特

很好，謝謝。Mark，大約一年前您聘請了AI實驗室的高級管理團隊。能否請您分享一下對實驗室目前表現的看法？您是否認爲市場很快就能看到產品迭代速度的顯著提升，比如模型、芯片或其他方面的進展？此外，您認爲該實驗室正在構建哪些可持續的競爭優勢？謝謝。

馬克·扎克伯格

是的，總體而言，我對我們當前的發展軌跡感到非常滿意。我們已經發布了一些模型，我認爲它們在我們早期的擴展路徑上表現相當出色。正如我之前所說，我們正在推進更大規模、更先進模型的研發，對此我們感到非常興奮。我認爲這其中既包含智能層面，也包含數據層面。

而且我認爲，無論你進入哪一類產品領域，都會存在某種飛輪效應：你可以從用戶行爲以及該社區中人們使用產品的方式中不斷學習。你在這一方面做得越好，獲得的反饋就越多，進而不可避免地使產品變得更好。

因此我認爲，在這個領域，人們理所當然地癡迷於智能，但要真正服務好用戶，數據和知識部分同樣至關重要。如果你談論的是『個人超級智能』，那麼顯然，對該用戶生活中正在發生的一切及其目標擁有非常清晰的心智模型，將是其中極爲關鍵的一環。

不同公司會從各自不同的優勢、市場和細分領域出發。但另一方面，我認爲我們之所以一開始就推進多個方向，原因之一在於這項技術具有通用性——一旦你構建出智能，它就能適用於多種用途。但與此同時，你也需要投入資源去打造這些領域的飛輪效應，因爲我認爲這才是長期構建可持續競爭優勢的方式。

但我認爲，Meta已經充分證明了：當我們擁有一種行之有效的產品形態時，我甚至敢說，我們可能是全球最擅長將這類體驗規模化至數十億用戶的公司。因此，我對個人智能代理（personal agent）相關工作感覺非常好，對商業智能代理（business agent）的工作也非常有信心。

我們已經擁有了一定規模的廣告主和中小型企業客戶基礎，並具備在此基礎上進一步擴展和推廣的能力。我認爲這些是持久的競爭優勢，此外還有我們在其上構建的數據飛輪效應。另外，顯然在研究方面，你希望打造良好的文化。這聽起來可能很簡單，但我覺得關鍵在於確保團隊建設的方式能夠高效、穩定地推進工作，並以低內耗的方式實現長期複利增長。

這大致就是我們所追求的目標。我認爲，如果你能在這方面做得很好，那麼儘管可能無法給出一個清晰的數學化解釋，但這大概就是商業運作的方式。所以，是的，這就是我們所做的。

接線員

下一個問題來自巴克萊銀行的Ross Sandler，請發言。

羅斯·桑德勒

是的，嘿，Mark，我們繼續聊一聊關於AI實驗室的評論。Muse Spark 1.1 非常接近帕累託前沿，但它處於智能光譜中較低端或者說成本更低的一端。從你剛才的回答來看，你似乎認爲同時在低成本和更高性能兩個方向上競爭都很重要。你能稍微展開說說嗎？

另外，你們實驗室的領導層也提到要重新回歸開源，類似於幾年前的做法。那麼這如何契合你們的整體戰略？又如何與當前圍繞AI產品和模型變現的討論相協調呢？非常感謝。

馬克·扎克伯格

是的。簡單來說，從科研流程的角度看，訓練大模型時，在每個訓練階段你都會觀察到新的行爲表現。因此，理想的做法是從訓練較小的模型開始，逐步過渡到更大的模型。我們迄今爲止發佈的模型都是基於特定規模、沿着擴展路徑不斷向上推進的成果，而我們仍在繼續訓練更大規模的模型。

因此，我認爲Muse Spark 1和Muse Spark 1.1在當前模型規模以及實驗室發展階段下，是非常出色的模型，我對它們相當滿意。當然，我們也希望擁有更先進的模型，這也是我們正在訓練更大規模模型、並圍繞此建設大量研究基礎設施的原因。

但與此同時，我們也希望擁有高效且優質的模型，這類模型將大規模服務於消費者。如果你要爲數十億用戶提供服務，就需要有能力用更先進的模型解決極其困難的問題，同時也需要用更簡單、更高效的模型處理絕大多數普通請求。因此，我認爲這兩者都非常重要——效率真的至關重要。

但我也認爲，我們希望能夠爲全球的企業和客戶解決最棘手的問題。因此，我們對開源和閉源都同樣重視。我們認爲開源一直是生態系統中重要的一環，對世界有益，也能形成對我們有利的正向反饋循環——讓社區更加投入我們的基礎設施棧和相關工作，並貢獻改進。

但我們一直以來都明確表示會採取開源與閉源相結合的策略，這一點在如今加速推進Meta超級智能實驗室（Meta Super Intelligence Labs）的過程中依然成立。事實上，某種程度上反直覺的是，開源模型反而需要更多工作量，因爲如果你只構建一個僅供內部使用的封閉系統，可以容忍一些粗糙之處；

而如果你將其作爲開源項目發佈，並會被廣泛用於各種場景，你就需要讓它更加全面穩健。我只是希望確保MSL團隊在構建我們所能達到的最智能模型時不受限制。我們預計很快就會重新開始發佈一些開源模型。

但就像我們一直說的那樣，我們對此並不教條。我們認爲開源很重要，也希望能爲這個生態系統做出貢獻。我們計劃採取開源與閉源模型相結合的方式。

接線員

我們還有時間回答一個問題，這個問題來自富國銀行的Ken Gorowski。請講。

Ken Gorowski

也謝謝您。如果可以的話，我想請Mark再談一下剛才提到的最後一點，關於開源權重模型（open weight models），這個問題已經有很多討論，您也對此發表過看法——爲什麼支持或不支持？這是否會改變Meta對開發閉源專有前沿模型的看法？如果開源權重模型大量湧現，是否意味着你們就不必自己開發前沿模型了？這是第一個問題。

第二個問題，如果可以的話，我想向Susan澄清一點：您提到我們可以依賴那些模型。我的意思是，目前開源模型的實力還比不上前沿模型，所以基本答案是否定的。此外，圍繞其他公司的行爲，始終存在一個持續不斷的政策辯論和疑問：像Meta這樣的公司能否真正依賴它們？我認爲這非常棘手。

馬克·扎克伯格

因此，我認爲在這兩方面，我們都相信自己能做得更好，而且我們也認爲過度依賴他人存在一定風險。我不認爲那樣做是正確的。要知道，如果我們退後一步來看Meta，很多人只看到表層——我們開發了一些社交媒體應用，並擁有一項廣告業務。

但實際上，我們現在是一家全棧技術公司。從創業初期開始，我們就自建數據中心、基礎設施、芯片，以及底層軟件。我個人有工程背景，寫過大量系統代碼。Facebook之所以成功，很大程度上是因爲它真的能用——當其他社交網絡運行緩慢、效率低下時，我們的平台卻實實在在地高效運轉。

我認爲，我們有能力構建出更加個性化、更優化、更高效的產品。有些高質量的體驗，別人根本無法複製，因爲我們深入到了技術棧的最底層。在我看來，未來能夠自主掌控模型的研發能力，將成爲整個技術棧中至關重要的一環。

這正是爲什麼自主開發模型對Meta如此重要，同時也解釋了爲什麼其他人關心開源，以及爲什麼開源整體上意義重大。因爲其他公司即使沒有能力自己構建這些模型，也不希望只能依賴少數幾家封閉實驗室——在這個世界上，開源模型有着非常重要的位置。

需要明確的是，這並不會削弱API帶來的機會，也不會影響我提到的其他方面，因爲總得有人來運行這些模型、進行推理，並高效地部署它們。擁有足夠的算力來做到這一點，將繼續成爲企業競爭優勢的來源。

所以我並不認爲這兩者必然衝突。但當我思考全球衆多有洞察力的客戶和企業真正想要什麼時，他們一定會希望掌握自己的命運，信任所使用的模型，確保數據安全，不會把數據發送給競爭對手等等。因此，我認爲開源將非常重要，但對我們而言，自主構建模型也將是其中的關鍵部分。

另外，值得一提的是——我知道現在所有模型都在一套通用基準上進行評估，經常被簡單地歸結爲『某個模型比另一個高几分』之類的。但實際上，每個模型在技能組合上確實各不相同，就像人一樣：每個人在某些領域特別突出，性格各異，在不同任務上表現也有優劣之分。

如果你正在嘗試爲個人打造『個人超級智能』，或者爲小企業打造商業智能體，那麼這些智能體可能需要具備與其他實驗室所優化模型不同的技能。就像我們能夠自主完成Instagram推薦系統或廣告系統的全棧工作，正是這種方式讓我們隨着時間推移取得了如今的成果。

我相信，構建這種全棧模型將在長期內形成巨大優勢，幫助我們打造個人超級智能體、商業智能體，以及服務於各類客戶的多樣化應用場景。因此，除了我們已有的龐大用戶覆蓋能力和規模化成功產品的實力外，我認爲這種針對特定場景深度優化並做到極致的能力，將構成我們持久的競爭優勢。

坦白說，我明白這是一項巨大的投入，也是一次重大的押注。但我們已經看到這項技術正在奏效，對實驗室的發展軌跡感到滿意，並對即將推出的產品感到興奮。我們相信這將成爲一件大事。當然，我也理解整個行業都在進行類似的重注。我個人的看法是，那些在此領域投入的人，最終將獲得豐厚回報，並在長期內感到非常滿意。

Susan Lee

我先快速回答你的第二個問題。當我們提到聚焦於2026和2027年的算力容量時，其實主要考慮兩個因素。其一是，目前乃至可預見的未來，我們仍處於需求受限的狀態——這甚至包括我們的核心業務在內，因爲即便現在，我們仍有大量投資回報率爲正的用途可以部署算力，只要我們擁有這些算力。

第二個因素當然是長期算力建設所面臨的不確定性。正如我之前提到的，我們需要更早地着手加強整個供應鏈。因此，當我們展望2028年及更遠的未來時，世界將發生巨大變化，我們內部的需求也會隨之演變，到那時很多事情都會水落石出。

因此，在規劃2028年及以後的佈局時，我們當前的重點是保持靈活性——確保我們擁有土地和電力資源，但將購買芯片及其他大額設備的實際決策推遲到未來再做。所以目前而言，我們清楚知道2026和2027年有大量優質的算力使用場景，這也是我們當前建設的核心目標。

Chad Heaton

非常好。感謝大家今天參與，我們期待不久後再與各位交流。

接線員

今天的電話會議到此結束。感謝各位的參與，現在可以斷開連接了。

詳細信息請訪問 Meta Platforms 投資者關係部

提示：此摘要由AI語言模型基於公開可用的信息生成，包括自動生成的字幕和第三方來源公開發布的音頻。儘管已盡力確保準確性，但AI生成的內容可能包含錯誤或遺漏。請參考各自上市公司發佈的官方材料以獲取最準確和最新的信息。本內容僅供參考，不構成投資建議或購買或出售任何投資產品的推薦。所呈現的觀點和摘要不代表moomoo的官方立場。Moomoo不對本內容的準確性、及時性或完整性作出任何明示或暗示的保證，並且對於因使用本內容而產生的任何損失概不負責。原始電話會議內容的版權歸各自上市公司所有。

瀏覽 96.8萬