หุ้น Meta ร่วงหลังต้นทุน AI พุ่งสูง: เมื่อไหร่จะถึงเวลาคืนทุน?

Moo Live

เข้าร่วมการพูดคุย ·

การประชุมทางโทรศัพท์เพื่อแจ้งผลประกอบการไตรมาส 2 ปี 2026 ของ Meta Platforms

ข้อควรจำหลัก (สร้างโดย AI)

ผลการดำเนินงานทางการเงิน

- รายได้รวมใน Q2 อยู่ที่ 6.08 หมื่นล้านดอลลาร์ เพิ่มขึ้น 28% เมื่อเทียบกับปีก่อน

- รายได้จากโฆษณาในกลุ่มแอป (Family of apps) อยู่ที่ 5.94 หมื่นล้านดอลลาร์ เพิ่มขึ้น 27% เมื่อเทียบกับปีก่อน

- กำไรสุทธิอยู่ที่ 1.58 หมื่นล้านดอลลาร์ หรือ 6.18 ดอลลาร์ต่อหุ้น

- อัตรากำไรจากการดำเนินงาน (Operating margin) อยู่ที่ 31% โดยมีกำไรจากการดำเนินงาน 1.88 หมื่นล้านดอลลาร์

ไฮไลท์สำคัญของธุรกิจ

- จำนวนผู้ใช้งานรายวัน (DAU) ทะลุ 3.6 พันล้านคนจากทุกแอปในเครือ

- Instagram มีผู้ใช้งานรายวันแตะ 2 พันล้านคน ส่วน Threads มีผู้ใช้งานรายเดือนเกิน 500 ล้านคนแล้ว

- มีธุรกิจขนาดเล็กกว่า 9 ล้านรายที่ใช้เครื่องมือ AI ช่วยสร้างสรรค์โฆษณา

- มีธุรกิจมากกว่า 1 ล้านรายที่ใช้งาน Meta business agents เป็นรายสัปดาห์

แนวโน้มทางการเงิน (Financial Guidance)

- คาดการณ์รายได้รวมในไตรมาส 3 ปี 2026 จะอยู่ที่ 6.1-6.4 หมื่นล้านดอลลาร์

- คาดการณ์ค่าใช้จ่ายรวมทั้งปี 2026 จะอยู่ที่ 1.65-1.69 แสนล้านดอลลาร์

- คาดการณ์งบลงทุน (CapEx) ปี 2026 จะอยู่ที่ 1.30-1.45 แสนล้านดอลลาร์

- คาดการณ์อัตราภาษีสำหรับไตรมาสที่เหลือของปี 2026 จะอยู่ที่ 15-17%

โอกาสทางธุรกิจ

- กำลังพัฒนาผู้ช่วยส่วนตัว (Personal Agents) ให้กับผู้ใช้งานหลายพันล้านคนผ่านแพลตฟอร์มรับส่งข้อความ

- AI ช่วยเพิ่มประสิทธิภาพของโฆษณา การแนะนำคอนเทนต์ และเพิ่มผลิตผลในการพัฒนาซอฟต์แวร์

- การเป็นพันธมิตรกับ BlackRock เพื่อพัฒนาศูนย์ข้อมูล (Data Center) และการจัดจำหน่าย API สำหรับองค์กร

- แหล่งรายได้ที่หลากหลาย ทั้งจากระบบสมาชิก, การกำหนดราคา API และการขายกำลังการประมวลผล (Compute Sales)

ความเสี่ยง

- การพิจารณาคดีที่เกี่ยวข้องกับเยาวชนซึ่งมีกำหนดในปี 2026 อาจส่งผลให้เกิดการขาดทุนอย่างมีนัยสำคัญ

- ข้อจำกัดด้านกำลังการประมวลผลทั่วทั้งอุตสาหกรรมและความท้าทายในห่วงโซ่อุปทาน

บันทึกการประชุมฉบับเต็ม (สร้างโดย AI)

พนักงานรับสาย

สวัสดีตอนบ่ายค่ะ ดิฉัน Krista จะทำหน้าที่เป็นผู้ดำเนินการประชุมในวันนี้ ในขณะนี้ ดิฉันขอต้อนรับทุกท่านเข้าสู่การประชุมทางโทรศัพท์เพื่อแถลง ผลประกอบการ ไตรมาสที่ 2 ปี 2026 ของ Meta ทุกสายจะถูกปิดเสียงเพื่อป้องกันเสียงรบกวน หลังจาก การกล่าวถ้อยแถลงของผู้พูด จะมี ช่วงเวลาเทรด ถาม-ตอบ หากคุณต้องการ Ask คำถาม กรุณา กด * ตามด้วยหมายเลข 1 บนแป้นโทรศัพท์ของคุณ หากต้องการถอนคำถาม ให้กด *1 อีกครั้ง ดิฉันขอให้จำกัดคำถามไว้ที่คนละหนึ่งคำถาม และการ Call ครั้งนี้จะถูกบันทึกไว้ ขอบคุณมากค่ะ คุณ Chad Heaton รองประธานฝ่ายการเงินของ Meta เชิญเริ่มได้เลยค่ะ

แชด ฮีตัน

ขอบคุณครับ สวัสดีตอนบ่ายและยินดีต้อนรับสู่การประชุมทางโทรศัพท์เพื่อแถลง ผลประกอบการ ไตรมาสที่ 2 ปี 2026 ของ Meta Platforms ผู้ที่จะมาร่วมพูดคุยเกี่ยวกับผลลัพธ์กับผมในวันนี้คือ Mark Zuckerberg CEO และ Susan Lee CFO คำแถลงของเราในวันนี้จะรวมถึงข้อความที่เป็นการคาดการณ์อนาคต ซึ่งอ้างอิงจากข้อสันนิษฐาน ณ วันนี้ ผลลัพธ์จริงอาจแตกต่างอย่างมีนัยสำคัญจากปัจจัยต่างๆ รวมถึงปัจจัยที่ระบุไว้ในข่าวประชาสัมพันธ์ ผลประกอบการ วันนี้และในรายงานรายไตรมาสแบบ Form 10Q ที่ยื่นต่อ SEC เราไม่มีข้อผูกมัดในการอัปเดตข้อความคาดการณ์อนาคตใดๆ

ในระหว่างการ Call ครั้งนี้ เราจะนำเสนอทั้งมาตรวัดทางการเงินแบบ GAAP และแบบ non-GAAP บางรายการ การกระทบยอดระหว่างมาตรวัด GAAP และ non-GAAP ได้รวมอยู่ในข่าวประชาสัมพันธ์ ผลประกอบการ ของวันนี้แล้ว ข่าวประชาสัมพันธ์ ผลประกอบการ และการนำเสนอนักลงทุนที่เกี่ยวข้อง เปิดจองซื้อ บนเว็บไซต์ของเราที่ investor.fb.com และตอนนี้ผมขอส่งต่อการ Call ให้กับ Mark ครับ

มาร์ก ซักเคอร์เบิร์ก

เอาล่ะ สวัสดีทุกคนครับ ขอบคุณที่มาร่วมในวันนี้ เรามีไตรมาสที่แข็งแกร่งสำหรับ คอมมิวนิตี และธุรกิจของเรา โดยมีผู้คน 3.6 พันล้านคนใช้แอปอย่างน้อยหนึ่งแอปของเราในแต่ละวัน เราบรรลุเป้าหมายสำคัญหลายอย่าง Instagram มีผู้ใช้งานรายวัน (DAU) ถึง 2 พันล้านคน Threads มีผู้ใช้งานรายเดือนเกิน 500 ล้านคน ทำให้เป็นแอปสนทนาที่เติบโตเร็วที่สุดเท่าที่เคยมีมา Facebook มีผู้ใช้งานรายวันถึง 2 พันล้านคนมาสักพักแล้ว WhatsApp เพิ่งทำสถิติส่งข้อความสูงสุดเป็นประวัติการณ์ โดยพุ่งสูงสุดที่ 30 ล้านข้อความต่อวินาทีในช่วงนัดชิงชนะเลิศฟุตบอลโลก

และ Kunal Shah ก็เพิ่งมาร่วมงานกับเราในฐานะหัวหน้าคนใหม่ของ WhatsApp เขาเป็นผู้สร้างบริษัทรับชำระเงินที่สำคัญที่สุดแห่งหนึ่งของอินเดีย และจะเป็นส่วนเสริมที่ยอดเยี่ยมของทีม นอกจากนี้เรายังได้เปิดตัวโมเดลใหม่ที่ทรงพลังจาก Meta Super Intelligence Labs และเปิดตัวแว่นตารุ่นใหม่ โดยรวมแล้ว ขนาดและการเข้าถึงของ คอมมิวนิตี ของเราผ่านแอปต่างๆ นั้นน่าทึ่งมาก และมันทำให้เรามีแพลตฟอร์มที่แข็งแกร่งในการส่งมอบนวัตกรรมใหม่ๆ ให้กับผู้คนหลายพันล้านคน

โอกาสที่อยู่ตรงหน้าเรานั้นมหาศาลมาก อย่างแรกคือ ตอนนี้เรามาถึงจุดที่การลงทุนใน AI กำลังเข้ามาเร่งการเติบโตในทุกส่วนหลักของธุรกิจเรา โดยช่วยปรับปรุงประสบการณ์ของผู้ใช้งานแอปฯ ขับเคลื่อนประสิทธิภาพที่ดีขึ้นสำหรับผู้ลงโฆษณา และช่วยให้ทีมของเราสร้างสรรค์ประสบการณ์ใหม่ๆ รวมถึงปล่อยฟีเจอร์ได้เร็วขึ้น อย่างที่สองคือ เรากำลังพัฒนา Personal Agents ใหม่ๆ ซึ่งจะเป็นรากฐานสำหรับผลิตภัณฑ์และรายได้ระลอกใหม่ในอีกไม่กี่เดือนและไม่กี่ปีข้างหน้า

และอย่างที่ 3 เราเห็นโอกาสมหาศาลในกลุ่ม Enterprise ที่จะขายโซลูชันให้ภาคธุรกิจ ทั้ง API, Business Agents ที่อาจจะขายกำลังการประมวลผล (Compute) โดยตรง รวมถึงบริการอื่นๆ ที่เรากำลังสร้างขึ้นสำหรับลูกค้ารายใหญ่ และวันนี้ผมอยากจะใช้เวลาสักนิดเพื่อแจกแจงให้เห็นว่าการลงทุนของเราส่งผลลัพธ์ออกมาอย่างไรในปัจจุบัน และโอกาสที่เรามองเห็นในการเร่งการเติบโตของธุรกิจหลักของเราในระยะยาว

เรากำลังเห็นผลลัพธ์ที่แข็งแกร่งและน่ามีความหวังในหลายๆ ส่วนบน Instagram และ Facebook ผมมองโลกในแง่ดีมากเกี่ยวกับงานที่เรากำลังผสาน Large Language Models (LLMs) เข้ากับระบบแนะนำเนื้อหา (Recommendation Systems) ของเรา ซึ่ง LLMs จะช่วยให้เข้าใจเนื้อหาจากหลักการพื้นฐานว่ามันเกี่ยวกับอะไรและทำไมถึงน่าดึงดูด รวมถึงเข้าใจลึกซึ้งยิ่งขึ้นว่าผู้คนสนใจอะไรและเป้าหมายของพวกเขาคืออะไรเมื่อใช้งานแอปฯ ของเรา

นั่นหมายความว่าเราสามารถแสดงเนื้อหาที่ตรงใจและน่าดึงดูดได้มากขึ้น ซึ่งสะท้อนถึงเป้าหมายและความสนใจของผู้คนได้ดีกว่าเดิม โมเดล Muse Image และ Muse Video ใหม่ของเรายังจะช่วยขยายจักรวาลของเนื้อหาที่ผู้คนสามารถค้นพบได้บนแพลตฟอร์มของเราอย่างมหาศาล จากเดิมที่มีแหล่งคอนเทนต์ใหญ่ๆ 2 แหล่ง คือจากเพื่อนและคนที่คุณติดตาม กับจากครีเอเตอร์ที่คุณไม่ได้ติดตาม แต่ตอนนี้กำลังจะมีจักรวาลใหม่ของคอนเทนต์เฉพาะบุคคลที่เกือบจะไร้ขีดจำกัด ซึ่งจะทำให้บริการของเรามีประโยชน์และน่าดึงดูดสำหรับผู้คนมากขึ้นไปอีก

สำหรับโฆษณา เรากำลังใช้ LLMs มาปรับปรุงระบบการคาดการณ์และจัดอันดับโฆษณาที่เราแสดงผล เราได้ขยายบริบทที่นำมาพิจารณาเกี่ยวกับกิจกรรมทั้งแบบ Organic และกิจกรรมด้านโฆษณาของผู้ใช้งาน เพื่อกำหนดความเกี่ยวข้องของโฆษณา ซึ่งช่วยเพิ่มความเกี่ยวข้องและอัตรา Conversion ทั้งบน Facebook และ Instagram อย่างมีนัยสำคัญ และหากวัดเป็นตัวเงิน ธุรกิจโฆษณาของเรามีรายงานการเติบโตของรายได้เมื่อเทียบรายปี (YoY) ที่เร็วกว่าธุรกิจโฆษณาของบริษัทอื่นๆ ที่รายงานออกมา ดังนั้นการลงทุนใน AI เหล่านี้กำลังให้ผลตอบแทนที่คุ้มค่า

เรายังเห็นความต้องการอย่างมากสำหรับเครื่องมือสร้างสรรค์ที่ขับเคลื่อนด้วย AI ตัวใหม่ของเรา ตอนนี้ธุรกิจขนาดเล็กกว่า 9 ล้านรายบนแพลตฟอร์มของเรากำลังใช้เครื่องมือ AI สำหรับสร้างโฆษณาอย่างน้อยหนึ่งตัว และเรากำลังเปิดตัวโซลูชันสร้างสรรค์แบบครบวงจร (End-to-End) ที่ช่วยให้ผู้ลงโฆษณาเปลี่ยนข้อมูลผลลัพธ์มาเป็นการตัดสินใจด้านงานสร้างสรรค์ได้ ซึ่ง Muse Image จะเข้ามาช่วยเสริมพลังในส่วนนี้อย่างมาก โดยโมเดลสามารถวิเคราะห์รูปภาพ ปรับปรุงงานของตัวเอง และสร้างโฆษณาในรูปแบบต่างๆ ที่ดีขึ้นตามข้อมูลที่ผู้ลงโฆษณาให้มา ซึ่งเราได้รับผลตอบรับที่ดีมากจนถึงตอนนี้

นอกจากนี้เราเพิ่งเปิดตัว Meta One ซึ่งเป็นบริการสมัครสมาชิกใหม่ที่ให้เครื่องมือและฟีเจอร์ AI มากขึ้นในแอปฯ ต่างๆ ของเรา และเมื่อความต้องการเพิ่มขึ้น เราจะนำเสนอระดับสมาชิกและตัวเลือกราคาที่หลากหลายด้วย ผมยังรู้สึกตื่นเต้นที่ AI เข้ามาช่วยให้ทีมของเราพัฒนาผลิตภัณฑ์ได้เร็วขึ้น โดยเมื่อต้นปีนี้เราได้ปล่อย Instagram Instance และเพิ่งเปิดตัว Forum ซึ่งเป็นแอปฯ กลุ่มแบบแยกส่วน รวมถึง Seller ซึ่งเป็นแอปฯ Marketplace แบบแยกส่วนเช่นกัน

และผมคาดว่าการปล่อยแอปฯ ใหม่ๆ จะทำได้ง่ายขึ้นมาก ดังนั้นเราจึงวางแผนที่จะสร้างไอเดียใหม่ๆ เพิ่มเติม และใช้ระบบแนะนำเนื้อหาของเราเพื่อขยายฐานไปยังกลุ่มคนที่จะสนใจ เหมือนที่เราทำกับ Threads ตอนนี้ผ่านไปปีกว่าแล้วตั้งแต่เราเปิดตัว Meta Super Intelligence Labs และเส้นทางการเติบโตของเราก็แข็งแกร่งมาก ในเดือนที่ผ่านมาเราได้ปล่อย Muse Spark 1.1 และ Muse Image ออกมา

ตั้งแต่เราสร้าง Meta AI ใหม่และผสาน Muse Spark เข้าไป เราเห็นจำนวนคนที่มีปฏิสัมพันธ์กับผู้ช่วย AI เพิ่มขึ้นถึง 60% ในแต่ละวัน และยังคงเติบโตอย่างรวดเร็วต่อเนื่องสัปดาห์ต่อสัปดาห์ Muse Spark 1.1 เป็นโมเดลด้าน Agent และการเขียนโค้ดที่แข็งแกร่ง มีประสิทธิภาพสูง และโดดเด่นในเรื่องการใช้งานคอมพิวเตอร์ การใช้เครื่องมือ และความเข้าใจแบบหลายรูปแบบ (Multimodal) ตอนนี้เปิดให้ใช้งานผ่าน Public API ใหม่ของเราแล้ว และเรากำลังเร่งขยายการกระจายผ่านช่องทางพันธมิตรและ Coding Agents เพิ่มเติมในสัปดาห์ต่อๆ ไป

เรายังกำลังสร้างฟีเจอร์ต่างๆ เพื่อให้องค์กรนำ Muse Spark ไปใช้ได้ง่ายขึ้น และนั่นคือส่วนที่เราคาดว่าจะเน้นย้ำต่อไป เหตุผลหนึ่งที่เรามุ่งเน้นการทำให้ Muse Spark มีความสามารถด้าน Agent ที่ยอดเยี่ยม ก็เพราะเราคิดว่ามีโอกาสที่ยิ่งใหญ่มากในการส่งมอบ Agent บางประเภทที่สอดคล้องกับพันธกิจและธุรกิจของเรา

อย่างแรกคือเอเจนต์ส่วนตัว (personal agents) ในไม่ช้านี้เราจะมีเอเจนต์ที่ทำงานให้คุณได้ตลอด 24 ชั่วโมง เพื่อช่วยให้คุณบรรลุเป้าหมายและพัฒนาชีวิต ทั้งในเรื่องสุขภาพ ความสัมพันธ์ การเงิน หรืออะไรก็ตามที่คุณต้องการ สาขาแรกที่เอเจนต์เหล่านี้เริ่มใช้งานได้จริงคือการเขียนโค้ด แต่พวกวิศวกรมีความรู้ทางเทคนิคมากกว่าและเต็มใจที่จะสละเวลาเพื่อให้เอเจนต์เหล่านั้นทำงานได้

ดังนั้นการจะสร้างเอเจนต์ส่วนตัวที่ยอดเยี่ยม จำเป็นต้องทำให้เป็นผลิตภัณฑ์สำหรับผู้บริโภคที่ดีเยี่ยม คือต้องใช้งานได้ทันที (out-of-the-box) และง่ายพอที่คนนับพันล้านจะนำไปใช้ได้ ผมตื่นเต้นกับเรื่องนี้มาก และเราจะมีข้อมูลมาแชร์เพิ่มในเร็วๆ นี้ เมื่อเราก้าวไปสู่โลกอนาคตที่เราทุกคนต้องโต้ตอบกับเอเจนต์หลายตัว ซึ่ง WhatsApp และแพลตฟอร์มรับส่งข้อความอื่นๆ ของเราจะทวีความสำคัญมากขึ้นเรื่อยๆ

ปัจจุบัน WhatsApp เป็นแพลตฟอร์มหลักที่ผู้คนใช้โต้ตอบกับ Meta AI และในขณะที่เรากำลังสร้างแพลตฟอร์มสำหรับเอเจนต์เพิ่มเติมในแอปส่งข้อความต่างๆ เราจะพัฒนานวัตกรรมในการส่งมอบประสบการณ์ AI ที่มีความเป็นส่วนตัวและปลอดภัย ในไตรมาสนี้เราได้เปิดตัวโหมดไม่ระบุตัวตน (Incognito mode) บน WhatsApp และแอป Meta AI ซึ่งช่วยให้ผู้คนสามารถสนทนาส่วนตัวกับผู้ช่วยได้โดยที่แม้แต่ Meta ก็มองไม่เห็น เราวางแผนที่จะทำให้ความเป็นส่วนตัวและความปลอดภัยที่แข็งแกร่งเป็นส่วนสำคัญพื้นฐานของเอเจนต์ที่เรากำลังสร้างขึ้นด้วยเช่นกัน

ผมยังตื่นเต้นมากกับความคืบหน้าของเอเจนต์สำหรับธุรกิจ (business agents) เราได้เปิดจองซื้อ Meta business agents ทั่วโลกในไตรมาสนี้ทั้งบน WhatsApp และ Messenger และปัจจุบันมีธุรกิจมากกว่า 1,000,000 แห่งที่ใช้งานเพื่อคุยกับลูกค้าหรือปิดการขายในทุกสัปดาห์ ตอนนี้เรากำลังเริ่มนำเอเจนต์สำหรับธุรกิจมาใช้บน Instagram ด้วย สิ่งหนึ่งที่น่าสนใจของการให้เอเจนต์คุยกับลูกค้าทุกวันคือ มันจะเรียนรู้ไปเรื่อยๆ และสามารถนำข้อมูลเชิงลึกเหล่านั้นกลับมาให้คุณได้

เราจึงกำลังสร้างขีดความสามารถของเอเจนต์เพิ่มเติมเพื่อสรุปการสนทนาทั้งหมด สรุปสิ่งที่เกิดขึ้น เทรดข้ามคืน (overnight) และดึงประเด็นที่ลูกค้ากำลัง Ask เข้ามา และในไม่ช้ามันจะไปไกลกว่านั้น เช่น การแนะนำวิธีขยายธุรกิจ ให้ข้อมูลเชิงลึกเกี่ยวกับคู่แข่ง รวมถึงข้อมูลแบบเรียลไทม์ว่าอะไรที่ได้ผลและไม่ได้ผล และเมื่อเวลาผ่านไป เราอยากจะสร้างสิ่งนี้ให้เป็นบริการธุรกิจแบบครบวงจร (business in a box) ที่ช่วยให้คุณเริ่มต้นและรันธุรกิจทั้งหมดได้โดยใช้แพลตฟอร์มของ Meta

ในแง่ของวิธีการสร้างรายได้ เรามีทั้งแบบสมัครสมาชิก (subscriptions) และการคิดราคาตามปริมาณการใช้งาน (volume based pricing) ซึ่งผมคาดว่าเราจะพัฒนาผลิตภัณฑ์เหล่านี้ให้เหมือนกับระบบโฆษณาของเรา ที่ธุรกิจจะจ่ายเงินให้เราก็ต่อเมื่อเราสร้างผลลัพธ์ให้พวกเขาได้เท่านั้น เมื่อเวลาผ่านไป สิ่งนี้จะช่วยให้เราดำเนินการประมูลทรัพยากรการประมวลผล (compute) ได้อย่างมีประสิทธิภาพ คล้ายกับวิธีที่เราทำกับผู้ลงโฆษณาในปัจจุบัน

เนื่องจากการใช้งาน AI ในผลิตภัณฑ์และธุรกิจของเราเพิ่มขึ้นอย่างต่อเนื่อง เราจึงยังคงลงทุนอย่างหนักในโครงสร้างพื้นฐานเพื่อตอบสนองความต้องการนั้น เมื่อวานนี้ ในฐานะส่วนหนึ่งของความพยายามด้าน Meta compute เราได้ประกาศความร่วมมือเชิงกลยุทธ์ครั้งใหม่กับ BlackRock เพื่อพัฒนาศูนย์ข้อมูลขนาด 1 GW แห่งใหม่ใน El Paso รัฐเท็กซัส โดยรวมแล้วเราคาดว่าส่วนสำคัญของการประมวลผลจะถูกนำไปใช้ในการฝึกโมเดล การขยายธุรกิจหลัก และการส่งมอบเอเจนต์ส่วนตัวรวมถึงผลิตภัณฑ์ใหม่ๆ

แต่เราก็คาดหวังที่จะขยายธุรกิจขนาดใหญ่เพื่อรองรับลูกค้ารายใหญ่ด้วยเช่นกัน เราได้สร้าง API และกำลังเปิดตัวเอเจนต์สำหรับธุรกิจ เราได้รับข้อเสนอมากมายสำหรับการใช้คอมพิวเตอร์ประมวลผลในราคาที่มี พรีเมียม สูงกว่าที่เราจ่ายไปมาก นอกจากนี้เรายังมีเครื่องมือด้านการเขียนโค้ดและ Productivity Tools อีกมากมายในแผนงาน (road map) และเราจะมีข้อมูลมาแชร์เพิ่มเติมเกี่ยวกับเรื่องนี้ในเร็วๆ นี้ เมื่อเราขยับเข้าใกล้การเป็น Super intelligence ส่วนตัวมากขึ้น

เรายังต้องการฮาร์ดแวร์ที่ช่วยให้คุณโต้ตอบกับมันได้อย่างไร้รอยต่อ แว่นตาเป็นรูปแบบที่เหมาะสมที่สุดเพราะสามารถอยู่กับคุณได้ตลอดทั้งวันและช่วยคุณได้โดยไม่ดึงคุณออกจากสถานการณ์ตรงหน้า แว่นตาของเรายังคงเป็นหนึ่งในอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคที่เติบโตเร็วที่สุดตลอดกาล และเรายังคงเพิ่มผลิตภัณฑ์ใหม่ๆ เข้าสู่ไลน์สินค้าอย่างต่อเนื่อง

เราเพิ่งเปิดตัวแว่นตา Meta รุ่นใหม่ที่ร่วมมือกับ EssilorLuxottica รวมถึงสไตล์ที่เราออกแบบร่วมกับ Kylie Jenner ด้วย นี่เป็นแว่นตารุ่นแรกที่มาพร้อม Muse Spark แบบติดตั้งมาให้เลย (out-of-the-box) เพื่อให้แว่นตาสามารถเข้าใจสิ่งที่คุณเห็นและให้คำตอบที่มีประโยชน์ยิ่งขึ้น ยอดขายในช่วงแรกแข็งแกร่งเกินความคาดหมาย และเราจะมีข้อมูลเกี่ยวกับไลน์สินค้าแว่นตามาแชร์เพิ่มเติมในงานคอนเฟอเรนซ์ Connect ปีนี้ในวันที่ 23 กันยายน ดังนั้นผมจึงอยากเชิญชวนให้ทุกท่านรอติดตามชมครับ

ก่อนจะจบช่วงนี้ ผมอยากจะพูดถึงบทความความเห็น (op-ed) ที่ผมเพิ่งเผยแพร่ไป เกี่ยวกับสาเหตุที่ผมมองโลกในแง่ดีว่าเรากำลังสร้างอนาคตที่ดีให้กับทุกคนที่ Meta เราสร้างเทคโนโลยีเพื่อมอบอำนาจไว้ในมือของผู้คนเสมอมา เพื่อให้พวกเขาได้เชื่อมต่อกับคนที่ใส่ใจและกำหนดทิศทางโลกในแบบที่ต้องการ นั่นคือเหตุผลที่เราให้ความสำคัญกับการทำให้ผลิตภัณฑ์ของเรามีราคาที่เข้าถึงได้และใช้งานได้สำหรับทุกคนมาโดยตลอด ซึ่งเป็นกลยุทธ์ที่ส่งผลดีต่อทั้งคอมมิวนิตีและธุรกิจของเรา

เมื่อเราก้าวเข้าสู่บทถัดไป ปรัชญาเดิมนี้ก็ยังคงนำทางเราในการพัฒนา AI เราเป็นบริษัทใหญ่เพียงแห่งเดียวที่สร้าง AI โดยมีเป้าหมายหลักคือการนำซูเปอร์ปัญญาประดิษฐ์ (super intelligence) ส่งตรงถึงมือผู้คน แทนที่จะรวมศูนย์อำนาจไว้ที่เดียว เราเน้นการกระจายมันออกไปในวงกว้างและให้ทุกคนมีความสามารถในการควบคุมมันไปสู่สิ่งที่สำคัญสำหรับพวกเขา นั่นคือวิธีที่สังคมก้าวหน้ามาโดยตลอด ผมคิดว่านี่คือค่านิยมที่ถูกต้องในการสร้างอนาคต AI ที่ดี และถ้าเราช่วยสร้างสิ่งนี้ได้ ผมเชื่อว่าเราจะสร้างธุรกิจที่แข็งแกร่งมากต่อไปได้เช่นกัน

นั่นคือทั้งหมดที่ผมอยากจะพูดถึงในช่วงแรกครับ วันนี้ AI กำลังเข้ามาปรับปรุงธุรกิจหลักของเรา ทำให้แอปของเราตอบโจทย์ผู้ใช้มากขึ้นและสร้างผลลัพธ์ที่ดีกว่าเดิมให้กับธุรกิจต่างๆ เราเริ่มส่งมอบผลิตภัณฑ์ใหม่ๆ ที่ล้ำสมัย และจะมีอะไรออกมาอีกมากในเร็วๆ นี้ เรากำลังลงทุนอย่างหนักเพราะศักยภาพนั้นมหาศาล และเรารู้ว่ามีหลายวิธีที่จะส่งมอบคุณค่าที่นี่ เช่นเคยครับ ผมขอขอบคุณทุกท่านที่ร่วมเดินทางไปกับเรา และตอนนี้ขอส่งต่อให้ Susan ครับ

ซูซาน ลี

ขอบคุณ Mark และสวัสดีตอนบ่ายทุกท่านค่ะ ขอเริ่มด้วยผลการดำเนินงานแยกตามส่วนงานนะคะ การเปรียบเทียบทั้งหมดจะเป็นแบบปีต่อปี (YoY) เว้นแต่จะระบุไว้เป็นอย่างอื่น รายได้รวมของกลุ่ม Family of Apps ในไตรมาส 2 อยู่ที่ 6.04 หมื่นล้านดอลลาร์ เพิ่มขึ้น 28% YoY โดยรายได้จากโฆษณาของ Family of Apps ในไตรมาส 2 อยู่ที่ 5.94 หมื่นล้านดอลลาร์ เพิ่มขึ้น 27% หรือ 26% หากคำนวณด้วยอัตราแลกเปลี่ยนคงที่

ในไตรมาส 2 จำนวน Ad Impressions รวมในบริการต่างๆ ของเราเพิ่มขึ้น 14% การเติบโตของ Impression นั้นแข็งแกร่งในทุกภูมิภาค โดยได้แรงหนุนจากการเติบโตของการมีส่วนร่วม (Engagement) และจำนวนผู้ใช้ รวมถึงการเพิ่มประสิทธิภาพในการแสดงโฆษณา (Ad Load) ราคาเฉลี่ยต่อโฆษณาทั่วโลกเพิ่มขึ้น 12% YoY จากประสิทธิภาพของโฆษณาที่ดีขึ้น สภาวะเศรษฐกิจมหภาคที่ปรับตัวดีขึ้นเมื่อเทียบกับไตรมาส 2 ของปีที่แล้ว และผลบวกจากอัตราแลกเปลี่ยน ซึ่งถูกหักล้างไปบางส่วนจากการเติบโตของ Impression ที่แข็งแกร่ง โดยเฉพาะในส่วนการใช้งานและภูมิภาคที่สร้างรายได้ได้น้อยกว่า

เป็นครั้งแรกที่รายได้อื่นๆ ของ Family of Apps รายไตรมาสแตะระดับ 1 พันล้านดอลลาร์ และเติบโตขึ้น 73% YoY โดยมีสาเหตุหลักมาจากรายได้จากการส่งข้อความแบบชำระเงินของ WhatsApp และรายได้จากค่าสมาชิก ในส่วนของ Reality Labs รายได้ในไตรมาส 2 อยู่ที่ 431 ล้านดอลลาร์ เพิ่มขึ้น 16% YoY เนื่องจากการเติบโตอย่างแข็งแกร่งของรายได้จากแว่น AI ซึ่งถูกหักล้างบางส่วนจากยอดขายเฮดเซต Quest ที่ลดลง

มาดูผลประกอบการรวมกันบ้างค่ะ รายได้รวมในไตรมาส 2 อยู่ที่ 6.08 หมื่นล้านดอลลาร์ เพิ่มขึ้น 28% หรือ 27% หากคำนวณด้วยอัตราแลกเปลี่ยนคงที่ ค่าใช้จ่ายรวมในไตรมาส 2 อยู่ที่ 4.2 หมื่นล้านดอลลาร์ เพิ่มขึ้น 55% เมื่อเทียบกับปีที่แล้ว ซึ่งรวมถึงค่าใช้จ่ายที่เกี่ยวข้องกับการดำเนินคดีทางกฎหมาย 2.4 พันล้านดอลลาร์ และค่าใช้จ่ายในการเลิกจ้าง 1.2 พันล้านดอลลาร์ที่เกี่ยวข้องกับการลดจำนวนพนักงานเมื่อเดือนพฤษภาคม 2026

การเติบโตแบบปีต่อปีมีสาเหตุหลักมาจากการเพิ่มขึ้นของค่าตอบแทนพนักงาน ต้นทุนโครงสร้างพื้นฐาน ค่าใช้จ่ายด้านกฎหมาย และต้นทุน AI Token ของบุคคลที่สาม หากไม่รวมค่าใช้จ่ายในการเลิกจ้างที่กล่าวไปก่อนหน้า การเติบโตของค่าตอบแทนพนักงานมีสาเหตุมาจากการจ้างงานสายเทคนิคที่เราเพิ่มเข้ามาในปีที่ผ่านมา โดยเฉพาะบุคลากรด้าน AI ส่วนการเติบโตของต้นทุนโครงสร้างพื้นฐานนั้นเกิดจากค่าเสื่อมราคาที่สูงขึ้น ต้นทุนการดำเนินงานของดาต้าเซ็นเตอร์ และการใช้จ่ายด้านคลาวด์ของบุคคลที่สาม

เราจบไตรมาส 2 ด้วยจำนวนพนักงานกว่า 75,000 คน ลดลง 3% จากไตรมาส 1 ยอดนี้รวมพนักงานประมาณ 8,000 คนที่ได้รับผลกระทบจากการลดพนักงานในเดือนพฤษภาคม 2026 เราคาดว่าพนักงานส่วนใหญ่ที่ได้รับผลกระทบจะไม่อยู่ในรายชื่อพนักงานของเราภายในสิ้นไตรมาส 3 ปี 2026 กำไรจากการดำเนินงานตามหลักการบัญชีทั่วไป (GAAP) ในไตรมาส 2 อยู่ที่ 1.88 หมื่นล้านดอลลาร์ ลดลง 8% YoY และมีอัตรากำไรจากการดำเนินงานที่ 31%

หากไม่รวมค่าใช้จ่ายทางกฎหมายและค่าใช้จ่ายในการเลิกจ้างในไตรมาส 2 กำไรจากการดำเนินงานในไตรมาสที่ 2 ของเราจะเพิ่มขึ้น 9% YoY อัตราภาษีสำหรับไตรมาสนี้อยู่ที่ 16% กำไรสุทธิอยู่ที่ 1.58 หมื่นล้านดอลลาร์ หรือ 6.18 ดอลลาร์ต่อหุ้น ส่วนรายจ่ายฝ่ายทุน (CapEx) รวมถึงการชำระเงินต้นของสัญญาเช่าทางการเงินอยู่ที่ 3.11 หมื่นล้านดอลลาร์ โดยได้รับแรงหนุนจากการลงทุนในเซิร์ฟเวอร์ ดาต้าเซ็นเตอร์ และโครงสร้างพื้นฐานเครือข่าย กระแสเงินสดอิสระอยู่ที่ 784 ล้านดอลลาร์

เราปิดไตรมาสด้วยเงินสดและหลักทรัพย์ในความต้องการของตลาด 9.03 หมื่นล้านดอลลาร์ และมีหนี้สิน 8.37 หมื่นล้านดอลลาร์ เมื่อมาดูที่ผลการดำเนินงานทางธุรกิจ มีสองปัจจัยหลักที่ขับเคลื่อนรายได้ของเรา นั่นคือความสามารถในการมอบประสบการณ์ที่น่าดึงดูดให้กับ คอมมิวนิตี ของเรา และประสิทธิภาพในการเปลี่ยนการมีส่วนร่วมนั้นให้เป็นรายได้เมื่อเวลาผ่านไป

ในประเด็นแรก เรายังคงเห็นการเติบโตอย่างมีนัยสำคัญจากโครงการริเริ่มด้านการแนะนำคอนเทนต์บน Instagram โดยเวลาที่ผู้ใช้ทั่วโลกใช้ในไตรมาสนี้เติบโตในเลขสองหลักเมื่อเทียบกับช่วงเดียวกันของปีก่อน ซึ่งส่วนใหญ่ได้รับแรงหนุนจากการปรับปรุงการแนะนำ Feed และ Reels ส่วนบน Facebook video เวลาที่ใช้เพิ่มขึ้น 9% ทั่วโลกเมื่อเทียบกับปีก่อน และเพิ่มขึ้นกว่า 10% ในสหรัฐฯ และแคนาดา ซึ่งเป็นผลมาจากการปรับปรุงระบบจัดอันดับ (ranking)

เราพบว่า LLM มีความสามารถเพิ่มขึ้นเรื่อยๆ ในการช่วยปรับปรุงการจัดอันดับและการแนะนำคอนเทนต์ อย่างแรกคือช่วยให้ระบบเดิมของเราฉลาดขึ้นโดยการทำความเข้าใจว่าคอนเทนต์นั้นเกี่ยวกับอะไรกันแน่ และสร้างข้อมูลสำหรับเทรนระบบได้ดีขึ้น อย่างที่สอง เอเจนต์ที่ขับเคลื่อนด้วย LLM ยังช่วยในการพัฒนาด้านวิศวกรรมโดยการประเมินคุณภาพคอนเทนต์ ตรวจสอบเทรนด์ และทดสอบการเปลี่ยนแปลงของการจัดอันดับ

เมื่อต้นปีนี้ เราบรรลุเป้าหมายสำคัญที่ทุกโพสต์สาธารณะบน Reels และ Feed ของ Instagram จะถูกประมวลผลผ่าน LLM โดยอัตโนมัติ และวิเคราะห์ในมิติต่างๆ ตั้งแต่หัวข้อไปจนถึงโทนของเนื้อหา และเรากำลังพยายามขยายให้ครอบคลุมส่วนอื่นๆ บน Facebook ด้วย สัญญาณเหล่านี้สามารถส่งต่อไปยังแอปพลิเคชันปลายทาง ทั้งในส่วนการจัดอันดับการแนะนำ และการบังคับใช้นโยบายคอนเทนต์ ซึ่งเป็นรากฐานสำคัญสู่การสร้างประสบการณ์ส่วนบุคคล (personalization) ที่ดียิ่งขึ้น

ในไตรมาสนี้ เรายังเริ่มใช้โมเดลตระกูล Muse ของเราเพื่อทำความเข้าใจคอนเทนต์ผ่านสัญญาณต่างๆ เช่น วิดีโอ การจำแนกหัวข้อ และการสรุปใจความ ซึ่งเราเห็นผลลัพธ์ในช่วงแรกในทิศทางบวก สุดท้าย การแนะนำของเรามีความเป็นส่วนตัวมากขึ้น โดยมีการแสดงคอนเทนต์ใหม่ๆ มากขึ้น ในขณะที่ให้ผู้ใช้ควบคุมสิ่งที่พวกเขาเห็นบน Reels ได้โดยตรงมากขึ้นด้วย

เราได้ปล่อยตัวอัปเดตการจัดอันดับครั้งใหญ่ที่สุดเท่าที่เคยมีมา โดยรวมการอนุมาน (inference) ที่เร็วขึ้นเข้ากับสถาปัตยกรรมใหม่ที่ดึงประวัติผู้ใช้ที่ลึกขึ้นมาปรับปรุงการคาดการณ์ สิ่งนี้ส่งผลให้จำนวน ช่วงเวลาเทรด (sessions) บน Instagram เพิ่มขึ้น 15 basis points โดยมีความแข็งแกร่งเป็นพิเศษในด้านการแชร์ Reels และเวลาที่ใช้ ซึ่งทั้งคู่เป็นตัวบ่งชี้ที่ดีว่าคอนเทนต์ตรงกับความต้องการของผู้ใช้มากขึ้น ตอนนี้เรากำลังนำระบบนี้มาใช้กับ Feed ซึ่งผลลัพธ์ในช่วงแรกดูดีไม่แพ้กัน

เรายังนำคอนเทนต์ใหม่ๆ ไปถึงผู้คนได้เร็วขึ้นด้วย การลงทุนในโครงสร้างพื้นฐานแบบ real-time และการปรับปรุงโมเดลสำหรับวิดีโอใหม่ๆ ช่วยให้โมเดลการจัดอันดับที่ใหญ่ที่สุดของเราสามารถระบุ Reels ใหม่ที่มีคุณภาพสูงได้ทันทีที่สร้างขึ้น บน Feed ของ Instagram ตอนนี้คอนเทนต์ที่แนะนำมากกว่าครึ่งมีอายุน้อยกว่าหนึ่งวัน ซึ่งเพิ่มขึ้นกว่าสองเท่าจากปีที่แล้ว

นอกจากนี้เรายังให้ผู้ใช้ควบคุมคอนเทนต์ที่เห็นได้โดยตรงมากขึ้น ปัจจุบันผู้ใช้ Instagram สามารถเข้าไปที่หน้า Your Algo ซึ่งช่วยให้ผู้ใช้พิมพ์คำสั่งด้วยภาษาธรรมชาติ (natural language) เพื่อปรับแต่งการแนะนำของตัวเองได้ ในทำนองเดียวกัน บน Facebook เราได้เปิดตัว Shape Your Feed ซึ่งผลลัพธ์ในช่วงแรกพบว่าผู้ใช้ที่ใช้งานฟีเจอร์นี้มีอัตราการใช้งานต่อเนื่อง (retention) สูงกว่า 80%

มองไปข้างหน้า เรากำลังดำเนินงานตามแผนระยะยาวเพื่อพัฒนาระบบการแนะนำรุ่นต่อไป ซึ่งรวมถึงการสร้าง foundation models ที่ออกแบบมาเพื่อขับเคลื่อนทั้งคอนเทนต์ปกติและโฆษณาไปพร้อมกัน รวมถึงการพัฒนาระบบแนะนำแบบ LLM native เราบรรลุเป้าหมายการวิจัยขั้นแรกในครึ่งปีนี้ด้วยการเทรนโมเดลขนาดใหญ่ล่วงหน้าอย่างต่อเนื่องด้วยข้อมูลการแนะนำ และสังเกตเห็นกฎการขยายตัว (scaling laws) ที่ดีในกระบวนการนี้ เรามีกำลังใจจากความสำเร็จนี้และคาดว่าจะมีความคืบหน้าอย่างต่อเนื่องในครึ่งปีหลัง

มาดูปัจจัยที่สองของรายได้เรา คือการเพิ่มประสิทธิภาพในการสร้างรายได้ ส่วนแรกของงานนี้คือการปรับระดับของโฆษณาให้เหมาะสมภายในคอนเทนต์ปกติ เรายังคงเดินหน้าพัฒนาระบบเพื่อแสดงโฆษณาในเวลาและตำแหน่งที่เหมาะสมที่สุด ในไตรมาส 2 เรายังได้ขยายการ เปิดจองซื้อ โฆษณาในพื้นที่ใหม่ๆ ของเรา รวมถึงการขยายโฆษณาทั่วโลกบน Threads และบน WhatsApp ได้เสร็จสมบูรณ์

เราได้เพิ่มการรองรับปลายทางโฆษณาและเป้าหมายประสิทธิภาพของผู้ลงโฆษณาในรูปแบบที่หลากหลายขึ้น รวมถึงสถานะต่างๆ และยังคงดำเนินการตามแผนเพื่อเปิดตัวทั่วโลกต่อไป ในส่วนที่สองของการเพิ่มประสิทธิภาพการสร้างรายได้ เรากำลังปรับปรุงประสิทธิภาพให้กับธุรกิจที่ใช้บริการของเรา โดยภายในระบบโฆษณา เราสามารถทำผลงานได้ดีขึ้นจากการนำโมเดลที่มีความซับซ้อนและคาดการณ์ได้แม่นยำยิ่งขึ้นมาใช้งาน

ในไตรมาสนี้ เราได้เปิดตัว Meta Generative Recommender ซึ่งเป็นการปรับเปลี่ยนกระบวนทัศน์ในการทำงานของระบบโฆษณา แทนที่จะให้คะแนนโฆษณาแต่ละตัวแยกกันแบบเดิม ตอนนี้เราใช้ LLMs ในการวิเคราะห์เนื้อหาโฆษณาควบคู่ไปกับความชอบของผู้ใช้ เพื่อคาดการณ์โฆษณาที่ดีที่สุดสำหรับแต่ละบุคคล สิ่งนี้ทำให้การจับคู่โฆษณาของเราฉลาดและแม่นยำยิ่งขึ้น ซึ่งช่วยส่งเสริมประสิทธิภาพให้กับผู้ลงโฆษณาอย่างมาก

เราได้นำโมเดล Generative ตัวแรกมาใช้ในระบบดึงข้อมูลโฆษณา (ads retrieval system) และเห็นการปรับปรุงประสิทธิภาพของโฆษณาอย่างชัดเจน จากการทดสอบเบื้องต้นที่ใช้ LLMs เพื่อทำความเข้าใจความชอบของผู้ใช้ให้ดีขึ้น พบว่าช่วยเพิ่มยอด App Event Conversions บน Instagram ได้ถึง 1% ในไตรมาส 2 นอกจากนี้ เรายังพัฒนาโมเดลทำความเข้าใจผู้ใช้เพื่อวิเคราะห์ทั้งโฆษณาและกิจกรรมทั่วไป (organic activity) เพื่อยกระดับทั้งประสบการณ์ผู้ใช้และประสิทธิภาพของผู้ลงโฆษณาไปพร้อมกัน

เมื่อรวมกับโมเดล GEM ของเราสำหรับการจัดอันดับโฆษณา (ADS ranking) และการเรียนรู้แบบลำดับ (sequence learning) ความก้าวหน้าเหล่านี้ช่วยให้ยอดคลิกโฆษณาเพิ่มขึ้น 8.3% และยอด Conversion บน Facebook พุ่งขึ้น 15.7% นอกจากนี้เรายังใช้ AI เพื่อช่วยให้ธุรกิจจัดการแคมเปญ สร้างสรรค์โฆษณา และสื่อสารกับลูกค้าได้ง่ายขึ้น โดยโซลูชันแบบครบวงจร Advantage Plus ที่ขับเคลื่อนด้วย AI ของเรายังคงเติบโตอย่างต่อเนื่อง จนมีรายได้รันเรตต่อปี (annual revenue run rate) ทะลุ 7.5 หมื่นล้านดอลลาร์ในไตรมาสนี้

เรากำลังพยายามผลักดันให้มีการใช้งานมากขึ้น เพราะผู้ลงโฆษณาที่ใช้เครื่องมือหลายอย่างร่วมกันจะเห็นประสิทธิภาพที่เพิ่มขึ้นแบบทวีคูณ ผมจะขอยกตัวอย่างหนึ่งว่า Advantage Plus ช่วยให้การทำ Performance Marketing ง่ายขึ้นและมีประสิทธิภาพมากขึ้นสำหรับธุรกิจ SMB ได้อย่างไร แบรนด์เสื้อผ้าออนไลน์ในอินเดียชื่อ Underneath เคยตั้งค่าแต่ละแคมเปญด้วยตนเองทั้งบน Facebook และ Instagram

หลังจากเปลี่ยนมาใช้แคมเปญยอดขายของ Advantage Plus ควบคู่ไปกับการวางตำแหน่งกลุ่มเป้าหมายและการปรับงบประมาณให้เหมาะสม พวกเขาเห็นยอดซื้อเพิ่มขึ้น 13% และยอด Conversion ในการเพิ่มสินค้าลงตะกร้าเพิ่มขึ้น 16% การใช้งานเครื่องมือสร้างสรรค์โฆษณาด้วย Gen AI ของเรายังคงขยายตัว โดยมีธุรกิจขนาดเล็กกว่า 9 ล้านรายที่ใช้เครื่องมือ AI อย่างน้อยหนึ่งอย่าง

การสร้างรูปภาพ (Image generation) ซึ่งตอนนี้ช่วยให้ผู้ลงโฆษณาสามารถผลิตชิ้นงานสร้างสรรค์ได้มากขึ้นจากคอนเทนต์ที่มีอยู่ รวมถึงความสามารถใหม่ในการสร้างรูปภาพจากไฟล์วิดีโอ มีการใช้งานเพิ่มขึ้นกว่าเท่าตัวในไตรมาสนี้ นอกจากนี้ เรายังได้เปิดตัวโซลูชันสร้างสรรค์แบบครบวงจรใหม่ที่ให้โครงสร้างพื้นฐาน AI แก่ผู้ลงโฆษณาเพื่อเปลี่ยนสัญญาณประสิทธิภาพจริงให้เป็นการตัดสินใจสร้างสรรค์งานชิ้นต่อไป โดยที่ยังคงรักษาเอกลักษณ์และโทนของแบรนด์ไว้ได้

เรากำลังสร้างระบบที่รวมเข้ากับเอเจนซี่ตั้งแต่วันแรก เพื่อให้ทีมต่างๆ สามารถวิเคราะห์ สร้าง และขยายผลงานสร้างสรรค์ที่มีประสิทธิภาพสูงได้โดยไม่ต้องออกจากขั้นตอนการทำงานเดิม และในอนาคต ด้วยการเปิดตัว Muse image เราคาดว่าจะช่วยขยายขีดความสามารถให้ผู้ลงโฆษณาสร้างงานสร้างสรรค์คุณภาพสูงที่ตรงตามแบรนด์ได้ในปริมาณมาก

ด้วย Meta Business Agent ธุรกิจต่างๆ จะสามารถบริการลูกค้าผ่านแอปส่งข้อความของเราได้ดียิ่งขึ้น ทั้งการตอบคำถาม แนะนำผลิตภัณฑ์ และดูแลด้านบริการช่วยเหลือตลอด 24 ชั่วโมง เมื่อต้นเดือนที่ผ่านมา เรายังได้เปิดตัวแพลตฟอร์ม Meta Business Agent ซึ่งให้โครงสร้างพื้นฐานแก่บริษัทต่างๆ ในการสร้าง ปรับแต่ง และใช้งาน Business Agent ของตนเองในวงกว้างบน WhatsApp

แพลตฟอร์มนี้ช่วยให้ธุรกิจขนาดใหญ่มีระบบควบคุมระดับองค์กร มีเกราะป้องกัน (guardrails) และการวัดผลในตัว เพื่อให้พวกเขาสามารถกำหนดกฎเกณฑ์และมอบประสบการณ์เฉพาะบุคคลภายในแอปส่งข้อความที่ลูกค้าใช้อยู่แล้ว ตัวอย่างเช่น Movida หนึ่งในบริษัทรถเช่ารายใหญ่ที่สุดของบราซิลที่มีสาขาเกือบ 400 แห่ง ได้ใช้งาน Business Agent บน WhatsApp เพื่อจัดการขั้นตอนการจองทั้งหมด ตั้งแต่การเลือกประเภทรถและราคาไปจนถึงการชำระเงิน จบได้ในบทสนทนาเดียว

ลูกค้าเก่าสามารถจองบริการเสร็จสมบูรณ์ได้โดยใช้ข้อความเพียง 3 ข้อความภายในระยะเวลาหนึ่งเดือน โดย Movida รายงานว่ายอดการจองรายวันผ่าน WhatsApp เพิ่มขึ้นถึง 44% เมื่อเทียบกับช่วงเดียวกันของปีก่อน และ 85% ของการสนทนาในช่องทางนี้ถูกจัดการโดยเอไอ (AI agent) ทั้งหมดโดยไม่ต้องใช้คนช่วยเลย

เรากำลังสร้างช่องทางเพิ่มเติมในการสร้างรายได้จากระบบนิเวศของเรา โดยมี 2 แหล่งรายได้เสริมคือ ระบบสมาชิก (subscriptions) และการสร้างรายได้จากโมเดลที่แข่งขันได้ของเราผ่าน API ทั้งนี้ Meta One คือวิวัฒนาการของพอร์ตโฟลิโอระบบสมาชิกเพื่อสร้างมูลค่าเพิ่มให้กับผู้ใช้ทั่วไป ธุรกิจ และครีเอเตอร์ ให้พวกเขาได้รับฟีเจอร์และเครื่องมือ AI มากขึ้นเพื่อใช้ในการสร้างสรรค์ เชื่อมต่อ และสร้างความโดดเด่น เราตื่นเต้นมากที่จะนำสิ่งนี้ไปสู่ผู้ใช้จำนวนมากขึ้น และเดินหน้าพัฒนาเครื่องมือที่ดียิ่งขึ้นสำหรับสมาชิกของเรา

เมื่อเร็วๆ นี้เราเพิ่งเปิดตัว API ของโมเดลที่มีความฉลาดสูงในราคาที่แข่งขันได้ และรู้สึกพอใจกับผลลัพธ์ในช่วงแรก นอกจากนี้เรายังได้เปิดจองซื้อ Muse Spark บน Open Router สำหรับนักพัฒนาในสหรัฐฯ ซึ่งช่วยขยายการเข้าถึงและทำให้นักพัฒนาเลือกใช้โมเดลได้ง่ายขึ้น เราคาดว่าจะขยายโมเดล API ไปยังช่องทางอื่นๆ เพิ่มเติมในเร็วๆ นี้ พร้อมทั้งเปิดให้บริการในประเทศต่างๆ มากขึ้น และเปิดให้ใช้งานในระดับองค์กรด้วย

แนวทางของเราในการสร้างขีดความสามารถ (capacity) ได้รับอิทธิพลอย่างมากจากปัจจัยหลักหลายประการ อย่างแรกคือ สภาพแวดล้อมโดยรวมในการสร้างโครงสร้างพื้นฐานนั้นมีการเปลี่ยนแปลงตลอดเวลาและมีความไม่แน่นอนทั้งในระยะสั้นและระยะยาว ในอดีตอุตสาหกรรมนี้มีการสร้างรองรับไว้น้อยเกินไปเมื่อเทียบกับกระแสการนำ AI มาใช้ ทำให้ขีดความสามารถที่มีอยู่ในปัจจุบัน รวมถึงของเราเอง มีมูลค่าสูงมาก

ในระยะยาว ห่วงโซ่อุปทานจำเป็นต้องได้รับการพัฒนาเพื่อรองรับขีดความสามารถที่เราคาดว่าเราและผู้อื่นจะต้องใช้สำหรับประสบการณ์ที่ขับเคลื่อนด้วย AI อย่างที่สองคือ เรามีความมั่นใจสูงในความสามารถของเราที่จะใช้ขีดความสามารถนี้เพื่อขยายและต่อยอดจากประสบการณ์เดิมที่เรามี ตลอดจนลงทุนในโมเดลพื้นฐานอย่างต่อเนื่องซึ่งจะสร้างโอกาสใหม่ๆ ที่สำคัญ

ดังนั้น แผนปัจจุบันของเราจึงมุ่งเน้นไปที่การเพิ่มขีดความสามารถสูงสุดในปี 2026 และ 2027 ในอดีตเมื่อเรามีการเพิ่มขีดความสามารถ มันได้พิสูจน์แล้วว่ามีค่าอย่างยิ่งและช่วยขยายประสบการณ์การใช้งานอย่างรวดเร็ว (scaling) เช่น ในส่วนของ Reels และเรามั่นใจว่าสิ่งนี้จะเป็นจริงในช่วงเวลานี้เช่นกัน ในระยะยาวอาจจะคาดการณ์กราฟการขยายตัวของการใช้งานที่แน่นอนได้ยาก แต่เราเชื่อว่าความได้เปรียบด้านการเข้าถึงผู้ใช้จะช่วยให้เรามีโอกาสนำเสนอผลิตภัณฑ์ AI ที่มีคุณค่าสำหรับทุกคน

ทั้งคู่มีผู้ใช้กว่า 3.6 พันล้านคนและธุรกิจอีกหลายล้านราย สิ่งนี้ควรจะเป็นจริงไม่ว่าโมเดลของเราจะอยู่ในระดับแนวหน้า (frontier) หรือไม่ แต่เราเชื่อว่าการอยู่ระดับแนวหน้าจะช่วยเปิดตลาดและโอกาสใหม่ๆ ซึ่งเราอาจต้องการพลังประมวลผล (compute) เพิ่มเติม ดังนั้น กลยุทธ์ขีดความสามารถระยะยาวของเราจึงมุ่งเป้าไปที่การสร้างความยืดหยุ่นเพื่อให้สามารถขยายพลังประมวลผลต่อไปได้ในปี 2028 และหลังจากนั้น โดยการวางรากฐานดาต้าเซ็นเตอร์และเครือข่ายเพื่อรองรับการตัดสินใจเรื่องเซิร์ฟเวอร์ในอนาคต

ลักษณะที่ใช้งานได้ยาวนานของสินทรัพย์เหล่านี้ช่วยให้เกิดความยืดหยุ่นในการปรับการลงทุนตามความเร็วของการนำ AI มาใช้ นอกจากนี้ เรายังได้ลงทุนเชิงกลยุทธ์ในด้านต่างๆ เช่น การพัฒนาชิปสั่งทำพิเศษ (custom silicon) ของเราเอง ซึ่งจะช่วยสร้างความยืดหยุ่นเชิงกลยุทธ์ในระยะยาวและอำนาจต่อรองในห่วงโซ่อุปทาน สิ่งนี้จะช่วยผลักดันให้เกิดผลตอบแทนที่ดีขึ้นจากการลงทุนระยะยาวเหล่านั้น

สุดท้าย เราเชื่อว่าขีดความสามารถโดยรวมของอุตสาหกรรมจะยังคงตึงตัวในอนาคตอันใกล้ อย่างที่เราได้กล่าวไปก่อนหน้านี้ เราเชื่อมั่นอย่างยิ่งว่าโมเดล ประสบการณ์ของผู้บริโภค และบริการสำหรับองค์กรที่เรากำลังสร้างขึ้น จะเป็นการใช้โครงสร้างพื้นฐานที่ให้ ROI ดีที่สุดและสูงที่สุด บริการสำหรับองค์กรเหล่านั้นมีศักยภาพที่จะออกมาในหลายรูปแบบตามที่ Mark ได้กล่าวไว้ ไม่ว่าจะเป็นเครื่องมือแบบเอเจนต์ (agentic tools) หรือ API หรือการสร้างรายได้จากพลังประมวลผลโดยตรง เนื่องจากความต้องการของตลาดที่สูงมาก

เราคาดว่าการรักษาความคล่องตัวต่อโอกาสเหล่านี้จะช่วยให้เราจัดหาเงินทุนสำหรับการขยายระบบได้อย่างมีประสิทธิภาพมากขึ้น ในขณะที่ยังคงรักษาความยืดหยุ่นเชิงกลยุทธ์เพื่อให้มีพลังประมวลผลเมื่อต้องการ และสร้างเส้นทางที่หลากหลายในการสร้างผลตอบแทนจากเงินลงทุน ในการระดมทุนเพื่อลงทุนในโครงสร้างพื้นฐานเหล่านี้ ความแข็งแกร่งของ งบดุล ของเราทำให้เราสามารถดึงดูดเงินทุนจากตลาดที่หลากหลายเพื่อมาเสริมกับกระแสเงินสดที่เกิดจากธุรกิจของเรา

การประกาศร่วมกับ BlackRock เมื่อวานนี้เป็นตัวอย่างของพันธมิตรที่เราสามารถวางโครงสร้างเพื่อมาเสริมแนวทางการสร้างขีดความสามารถด้านโครงสร้างพื้นฐานของเรา เมื่อมาดูที่แนวโน้มทางการเงิน เราคาดว่ารายได้รวมในไตรมาส 3 ปี 2026 จะอยู่ในช่วง 6.1 ถึง 6.4 หมื่นล้านดอลลาร์ โดยการคาดการณ์ของเราสมมติว่าค่าเงินต่างประเทศจะเป็นปัจจัยลบ (headwind) ต่อการเติบโตของรายได้รวมเมื่อเทียบรายปีประมาณ 1% ตามอัตราแลกเปลี่ยนปัจจุบัน

ในส่วนของแนวโน้มค่าใช้จ่ายและ CapEx เรากำลังปรับเพิ่มขอบเขตล่างของประมาณการค่าใช้จ่ายเพื่อรวมค่าใช้จ่าย 2.4 พันล้านดอลลาร์ที่เกี่ยวข้องกับกระบวนการทางกฎหมายที่รับรู้ในไตรมาส 2 ตอนนี้เราคาดว่าค่าใช้จ่ายรวมในปี 2026 ทั้งปีจะอยู่ในช่วง 1.65 ถึง 1.69 แสนล้านดอลลาร์ เรายังคงคาดหวังที่จะทำกำไรจากการดำเนินงานในปีนี้ให้สูงกว่ากำไรจากการดำเนินงานในปี 2025

เราคาดการณ์ว่ารายจ่ายฝ่ายทุน (CapEx) ในปี 2026 ซึ่งรวมถึงการชำระเงินต้นของสัญญาเช่าทางการเงินจะอยู่ในช่วง 1.3 ถึง 1.45 แสนล้านดอลลาร์ ซึ่งแคบลงจากประมาณการก่อนหน้าที่ 1.25 ถึง 1.45 แสนล้านดอลลาร์ หากไม่มีการเปลี่ยนแปลงในด้านภาษี เราคาดว่าอัตราภาษีสำหรับไตรมาสที่เหลือของปี 2026 จะอยู่ระหว่าง 15 ถึง 17% เพิ่มขึ้นจากประมาณการก่อนหน้าที่ 13 ถึง 16%

สุดท้ายนี้ เรายังคงเฝ้าติดตามประเด็นทางกฎหมายและกฎระเบียบที่กำลังดำเนินอยู่ ซึ่งอาจส่งผลกระทบอย่างมีนัยสำคัญต่อธุรกิจและผลประกอบการทางการเงินของเรา ตัวอย่างเช่น เรายังคงเห็นการตรวจสอบอย่างเข้มงวดในประเด็นที่เกี่ยวข้องกับเยาวชนในหลายตลาด และมีกำหนดการพิจารณาคดีที่เกี่ยวข้องกับเยาวชนหลายคดีในปีนี้ในสหรัฐฯ ซึ่งสุดท้ายอาจส่งผลให้เกิดผลขาดทุนอย่างมีนัยสำคัญ

โดยสรุป โมเมนตัมทางธุรกิจของเรายังคงดำเนินต่อไปในไตรมาส 2 ด้วยการดำเนินงานที่แข็งแกร่งในส่วนของโฆษณาหลักและโครงการริเริ่มด้านการมีส่วนร่วม (engagement) นอกจากนี้เรายังมีความคืบหน้าในความพยายามที่จะนำ Personal Super Intelligence มาสู่ทุกคนด้วยการเปิดตัวโมเดลที่น่าตื่นเต้น และเราคาดว่าจะต่อยอดโมเมนตัมนั้นในช่วงที่เหลือของปีนี้ด้วยผลิตภัณฑ์ใหม่ๆ และด้วยเหตุนี้ Krista กรุณาเปิด Call เพื่อรับคำถามได้เลยครับ

พนักงานรับสาย

ขอบคุณค่ะ ขณะนี้เราจะเปิดสายสำหรับช่วงเวลาเทรดถาม-ตอบ หากต้องการ Ask คำถาม กรุณากด *1 บนโทรศัพท์แบบกดปุ่มของท่าน หากต้องการถอนคำถาม ให้กด *1 อีกครั้ง กรุณาจำกัดคำถามไว้ที่ท่านละหนึ่งคำถาม กรุณายกหูโทรศัพท์ก่อนถามคำถามเพื่อให้เสียงชัดเจน หากท่านกำลังรับชมการถ่ายทอดสด Call ในวันนี้ กรุณาปิดเสียงลำโพงคอมพิวเตอร์ของท่าน และคำถามแรกมาจากคุณ Brian Nowak จาก Morgan Stanley กรุณาเริ่มได้เลยค่ะ

ไบรอัน โนวัก

ขอบคุณที่รับคำถามครับ ผมมี 2 คำถาม คำถามแรกสำหรับ Mark และอีกข้อสำหรับ Susan ครับ Mark ผมขอบคุณสำหรับรายละเอียดเกี่ยวกับแผนงานผลิตภัณฑ์ใหม่ๆ ทั้งในส่วนของตัวแทนผู้บริโภคและธุรกิจ, เครื่องมือ API และการเช่าพลังประมวลผล (compute rental) มีโอกาสมากมายที่นี่ แต่คำถามของผมคือ เมื่อคุณมองไปที่โอกาสเหล่านี้และสถานะของบริการในปัจจุบัน รวมถึงขีดความสามารถในการประมวลผล คุณคาดว่าตัวไหนจะสามารถขยายขนาด (scale) ได้ก่อนในช่วงปี 26 และ 27 เพื่อแสดงให้เห็นถึง ROIC ที่วัดผลได้และเป็นรูปธรรมสำหรับนักลงทุนครับ?

และสำหรับ Susan มีความเห็นสาธารณะบางส่วนเกี่ยวกับขีดความสามารถในปี 27 และการเพิ่มขีดความสามารถเป็นสองเท่า ผมขอขอบคุณสำหรับข้อมูลเกี่ยวกับ CapEx แต่อยากทราบความเห็นเบื้องต้นเกี่ยวกับ CapEx ปี 27 หรือแม้แต่ปรัชญาเกี่ยวกับแหล่งที่มาของโอกาสเติบโต (upside) หรือแรงกดดันขาลง (downward pressure) ที่คุณพิจารณาผ่านวิธีการต่างๆ ในการจัดหาเงินทุนสำหรับการก่อสร้างต่อเนื่องหลายปีนี้และ CapEx ปี 27 ครับ

มาร์ก ซักเคอร์เบิร์ก

ผมขอตอบคำถามแรกนะครับ ในแง่ของโอกาสต่างๆ และวิธีที่เราคิดเกี่ยวกับพลังประมวลผล (compute) โดยรวม พลังประมวลผลจำนวนมหาศาลถูกนำไปใช้ในการฝึกฝนโมเดลเพื่อเป็นแล็บชั้นนำ และผมคิดว่านั่นเป็นการลงทุนที่สำคัญ แต่ส่วนที่เหลือจะถูกนำไปใช้กับชุดผลิตภัณฑ์และโอกาสในการสร้างรายได้ที่หลากหลาย ตั้งแต่การเพิ่มประสิทธิภาพและปรับปรุงธุรกิจหลักของเรา ไปจนถึงการสร้างผลิตภัณฑ์สำหรับผู้บริโภคใหม่ๆ ที่เรากำลังจะเปิดตัวเร็วๆ นี้ รวมถึงงานด้าน API, งานด้านตัวแทนธุรกิจ และเครื่องมือสำหรับนักพัฒนาในแผนงานที่ผมได้กล่าวถึงไปครับ

และยังมีโอกาสในการขายพลังประมวลผลโดยตรงด้วย ซึ่งผมได้กล่าวไปแล้วว่าเรามีข้อเสนอจำนวนมากที่ให้ พรีเมียม สูงกว่าสิ่งที่เราจ่ายไปสำหรับพลังประมวลผลนั้นอย่างมีนัยสำคัญ คำถามและวิธีคิดเกี่ยวกับเรื่องนี้คือ เราเชื่อว่าจะมีมาร์จิ้นที่สูงกว่าอย่างมากในการขาย 'ความฉลาด' (intelligence) มากกว่าการขายพลังประมวลผลโดยตรง แต่เราก็คิดว่ามีโอกาสใหญ่ในการขายพลังประมวลผลด้วยเช่นกันครับ

เรากำลังพิจารณากันอยู่ครับ สำหรับคำถามที่ว่าส่วนไหนน่าจะขยายตัวได้มากที่สุด ผมค่อนข้างมองในแง่ดีว่าเราจะเห็นการเติบโตที่มีนัยสำคัญในทุกๆ ด้านเหล่านี้ และผมคิดว่าเราจะมีข้อมูลมาแชร์เพิ่มเติมเกี่ยวกับหลายๆ โปรเจกต์ในเร็วๆ นี้ครับ

ซูซาน ลี

คุณ Ryan สำหรับคำถามที่สองของคุณ ตอนนี้เรายังไม่ได้ระบุแนวโน้มงบ CapEx สำหรับปี 2027 ที่ชัดเจนครับ การวางแผนโครงสร้างพื้นฐานยังคงมีความยืดหยุ่นสูงมาก แม้แต่ในปีนี้เอง แนวโน้มของเราก็ยังมีผลลัพธ์ที่เป็นไปได้หลากหลายรูปแบบ อย่างที่ผมได้เกริ่นไปในตอนต้นว่าเรามุ่งเน้นไปที่การปรับแผนโครงสร้างพื้นฐานปัจจุบันเพื่อเพิ่มขีดความสามารถให้สูงสุดในปี 2026 และ 27 ซึ่งจะช่วยให้เรามีความยืดหยุ่นในการเติบโตต่อไปในปี 28 และหลังจากนั้น แต่ในขณะเดียวกันก็ช่วยให้เราสามารถตัดสินใจเรื่องเซิร์ฟเวอร์ได้เมื่อถึงเวลาครับ

เพื่อให้สามารถประเมินความต้องการที่แท้จริงของเราในปี 28 และหลังจากนั้นได้ ดังนั้นเราจึงยังคงพิจารณาอยู่ว่าขีดความสามารถของเราในช่วงไม่กี่ปีข้างหน้าจะเป็นอย่างไร โดยทั่วไปเราเชื่อว่าขีดความสามารถในระยะสั้นมีค่ามากกว่าระยะยาว และอย่างที่ทราบครับว่ากระบวนการวางแผนนี้ยังคงมีการเปลี่ยนแปลงได้ตลอดเวลา

พนักงานรับสาย

คำถามถัดไปมาจากคุณ Eric Sheridan จาก Goldman Sachs กรุณาเริ่มได้เลยครับ

Eric Sheridan

ขอบคุณสำหรับคำถามครับ อาจจะมี 2 คำถามนะครับ ถ้าเป็นไปได้ เมื่อคุณมองภาพโอกาสในกลุ่มลูกค้าระดับองค์กร (Enterprise) คุณคิดว่าโอกาสนั้นเปิดกว้างสำหรับคุณมากน้อยแค่ไหนในปัจจุบัน โดยพิจารณาจากกลยุทธ์การบุกตลาด (Go-to-market) ที่คุณสร้างขึ้นมาเพื่อต่อยอดจากธุรกิจโฆษณาและการตลาดเดิมที่มีอยู่ เทียบกับกลยุทธ์ใหม่ๆ ที่อาจต้องสร้างขึ้นมาเพื่อคว้าโอกาสนี้โดยเฉพาะครับ

แล้วก็อีกเรื่องครับ Susan ถ้าผมขอถามแทรกอีกข้อ เมื่อคุณนึกถึงแหล่งเงินทุนสำหรับธุรกิจในช่วงสองสามปีข้างหน้า คุณได้อ้างถึงดีลที่ประกาศไปเมื่อวานนี้ว่าเป็นตัวอย่างของการหาช่องทางไฟแนนซ์ภาระผูกพันในอนาคต เรายังคงได้รับคำถามจากนักลงทุนอยู่เรื่อยๆ ว่าควรจะมองสัดส่วนระหว่างหนี้สินกับส่วนของผู้ถือหุ้น รวมถึงแหล่งเงินทุนอย่างไร ในเชิงปรัชญาแล้ว พวกคุณคิดอย่างไรกับการที่อยากจะรุกหนักเรื่องการใช้จ่าย แต่ในขณะเดียวกันก็ต้องบริหารจัดการความต้องการเงินทุนให้สมดุลกันด้วยครับ? ขอบคุณมากครับ

มาร์ก ซักเคอร์เบิร์ก

ได้ครับ ผมขอพูดถึงส่วนแรกก่อน สำหรับตลาดองค์กร ผมมองว่ามันจะเป็นการผสมผสานระหว่างการต่อยอดธุรกิจปัจจุบัน ซึ่งก็คือการขายบริการให้นักการตลาดและธุรกิจต่างๆ ที่เน้นการเข้าถึงและขายสินค้าให้ลูกค้าโดยตรง ซึ่งแน่นอนว่านั่นคือรายได้ส่วนใหญ่มหาศาลของธุรกิจเราทั้งบน Facebook และ Instagram ครับ

และเราเชื่อว่ามีโอกาสที่จะต่อยอดสิ่งนี้ผ่านตัวแทนธุรกิจ (Business Agents) ในแอปส่งข้อความและแพลตฟอร์มอื่นๆ เพื่อรักษาปฏิสัมพันธ์กับลูกค้าต่อไป และเช่นเดียวกับระบบโฆษณาครับ เราจะได้รับค่าตอบแทนก็ต่อเมื่อเราสร้างผลลัพธ์ให้กับธุรกิจเหล่านั้นได้ ดังนั้นเราจึงมองว่านี่เป็นการต่อยอดจากการขายและพาร์ทเนอร์ชิปที่เรามีกับผู้ลงโฆษณาหลายล้านราย และธุรกิจขนาดเล็กอีกหลายร้อยล้านรายที่ใช้แพลตฟอร์มของเราอยู่ครับ

ดังนั้นผมคิดว่านี่เป็นโอกาสที่เป็นธรรมชาติมากสำหรับเรา และเรามุ่งเน้นที่จะส่งมอบในรูปแบบที่เราไม่ได้พยายามจะทำยอดขายให้ได้มากที่สุดในระยะสั้น แต่เราพยายามจะสร้างผลลัพธ์ที่ดีที่สุดให้กับผู้คนและสร้างระบบการประมูล (Auction) ที่แข็งแกร่ง ซึ่งนั่นคือสิ่งที่เราเห็นว่าส่งผลดีต่อธุรกิจมาโดยตลอดครับ

นอกจากนี้ยังมีลูกค้าระดับองค์กรกลุ่มอื่นๆ ที่ผมคิดว่าเราจะให้บริการมากขึ้นด้วยครับ เรากำลังสร้างเครื่องมือเขียนโค้ดและพัฒนาเครื่องมือเพิ่มประสิทธิภาพการทำงานภายใน ส่วนหนึ่งก็เพราะเราจำเป็นต้องสร้างขึ้นมาใช้เอง และเราต้องมั่นใจว่ามีเครื่องมือที่ปรับแต่งมาให้เหมาะกับเราจริงๆ และตอนนี้เมื่อเรามีเครื่องมือเหล่านั้นแล้ว เราจึงรู้สึกว่ามีโอกาสมหาศาลที่จะนำไปให้บริการแก่ธุรกิจอื่นๆ ไม่ว่าจะเป็นธุรกิจขนาดเล็กหรือองค์กรขนาดใหญ่ก็ตามครับ

นี่เป็นทักษะใหม่ที่ต่างจากสิ่งที่เราเคยทำมาในอดีต และเราจะมาแชร์รายละเอียดเพิ่มเติมเร็วๆ นี้เกี่ยวกับแผนการสร้างมันขึ้นมา แต่ผมมองว่าตรงนี้มีโอกาสที่ยิ่งใหญ่มาก วิธีที่ผมมองเรื่องนี้คือ แน่นอนว่ามีข่าวคราวมากมายเกี่ยวกับฝั่งของหน่วยประมวลผล (compute) แต่ผมคิดว่าโอกาสในตลาดองค์กร (enterprise) คือผลรวมของสิ่งต่างๆ เหล่านี้ทั้งหมดครับ

มันไม่ใช่แค่การขายหน่วยประมวลผลเท่านั้น แต่ยังรวมถึงบริการ API, บริการด้านประสิทธิภาพการทำงาน (productivity services) และพวกตัวช่วยทางธุรกิจ (business agents) สำหรับส่วนงานอื่นๆ นอกเหนือจากการตลาด ทั้งหมดนี้คือส่วนหนึ่งของข้อเสนอโดยรวมของเรา และผมมองว่ามีโอกาสมหาศาลรออยู่ในนั้น เราจึงค่อนข้างโฟกัสกับเรื่องนี้มาก มันจะเป็นทักษะใหม่ที่บริษัทเราต้องสร้างขึ้น แต่ผมคิดว่าเป็นเรื่องสำคัญมากที่เราต้องทำ เพื่อให้มั่นใจว่าเราจะสามารถคว้าโอกาสที่อยู่ตรงหน้าให้ได้มากที่สุดครับ

ซูซาน ลี

Eric สำหรับคำถามที่สองของคุณเกี่ยวกับแหล่งเงินทุน นี่คือสิ่งที่เราพิจารณาอย่างรอบคอบในการวางแผนการเงินสำหรับอนาคต แน่นอนว่ากระแสเงินสดจากการดำเนินงานที่แข็งแกร่งของเรา ทำให้เราอยู่ในจุดที่ได้เปรียบในเรื่องการจัดหาเงินทุนเพื่อสร้างโครงสร้างพื้นฐานครับ

แต่เราก็ได้ปรับเปลี่ยนโครงสร้างเงินทุนในช่วงไม่กี่ปีที่ผ่านมา โดยเพิ่มสัดส่วนของหนี้ให้มากขึ้น เพื่อพยายามลดต้นทุนทางการเงิน (cost of capital) ของเรา และเราพบว่ามันเป็นการรอบคอบที่จะเพิ่มแหล่งเงินทุนระยะยาวที่มีต้นทุนต่ำอย่างต่อเนื่อง ในขณะที่เราลงทุนในโปรเจกต์ที่ต้องใช้เวลานานกว่าจะเห็นผล โดยเฉพาะโครงการโครงสร้างพื้นฐานด้าน AI ครับ

นอกจากนี้เรายังเปิดกว้างมากขึ้น โดยรวมถึงการเป็นพันธมิตรอย่างที่เราเพิ่งประกาศกับ BlackRock ไปเมื่อวาน และเราจะยังคงพิจารณาประเมินแหล่งเงินทุนต่างๆ ที่เหมาะสมต่อไปเมื่อเวลาผ่านไป ในขณะที่เราประเมินโปรเจกต์ใหม่ๆ ในอนาคตครับ

พนักงานรับสาย

คำถามถัดไปมาจากคุณ Mark Schmulich จาก Bernstein กรุณาเชิญเลยครับ

มาร์ก ชมูลิช

ครับ ขอบคุณที่รับคำถามครับ Mark ทุกคนคงเคยได้ยินเรื่องเล่าประเภทที่ว่า มีคนกลับมาจากซิลิคอนวัลเลย์ นั่งเขียนโค้ด สร้าง AI agent แล้วพอกลับบ้านไปก็ไปบอกพ่อแม่ว่าใช้ AI ผิดวิธีนะ เพราะมันไม่ใช่แค่เครื่องมือค้นหาที่ดูดีขึ้นมาหน่อย พฤติกรรมผู้บริโภคเป็นเรื่องที่เดาได้ยากเสมอ แต่พอได้อ่านบทความของคุณเรื่อง AI สำหรับทุกคน คุณคิดว่าการยอมรับของผู้บริโภคจะช่วยลดช่องว่างการใช้งาน AI นี้ได้ไหมครับ? เหมือนเรากำลังอยู่บนจุดที่จะมีการเปลี่ยนแปลงครั้งใหญ่ หรือเราแค่ต้องอดทนรออีกนิด? ขอบคุณครับ

มาร์ก ซักเคอร์เบิร์ก

ผมคิดว่าบางอย่างมันได้เริ่มเปลี่ยนไปแล้วนะครับ และสิ่งที่น่าสนใจเกี่ยวกับ AI เมื่อเทียบกับเทคโนโลยีอื่นคือ ในแต่ละปีวงจรมันอาจจะเร็วขึ้น แต่ทุกๆ ปีคุณจะได้เห็นความสามารถใหม่ๆ ที่สร้างไลน์ผลิตภัณฑ์ใหม่ๆ ได้เสมอ แน่นอนว่ามีตลาด AI assistant สำหรับผู้บริโภค ซึ่งนั่นคือสิ่งที่เรากำลังทำกับ Meta AI และก็มีผลิตภัณฑ์อื่นๆ ของคู่แข่งในพื้นที่นั้นด้วยครับ

และในช่วงที่ผ่านมา ผมคิดว่าตลาด coding agent เติบโตเร็วมาก และนั่นคือตลาด agentic จริงๆ ตลาดแรก ผมคิดว่ามีหลายเหตุผลที่การเขียนโค้ดมาก่อน อย่างแรกคือคุณมีลูกค้าสายเทคนิคที่พร้อมจะลงมือทำเพื่อให้มันใช้งานได้จริง แถมการเขียนโค้ดเป็นกิจกรรมแบบดิจิทัลและเป็นระบบปิดโดยธรรมชาติ ดังนั้นในบางแง่มุมมันจึงเป็นระบบที่ฝึกฝน (train) ได้ง่ายกว่าครับ

แต่สิ่งที่เราเดิมพันไว้ หรือหนึ่งในเป้าหมายที่เรากำลังมุ่งไปคือ เราเชื่อว่าตัวช่วยส่วนตัวสำหรับผู้บริโภค (consumer personal agents) จะกลายเป็นตลาดที่สำคัญอย่างยิ่งและมีขนาดมหาศาล ผมคิดว่ามันแทบจะเป็นไปไม่ได้เลยถ้ามองไปในอีก 5 ปีข้างหน้า ไม่ว่าจะช่วงเวลาไหนก็ตาม ที่คุณจะไม่มีผู้คนนับพันล้านคนที่มีตัวช่วยส่วนตัวคอยเข้าใจเป้าหมายของคุณ และทำงานแทนคุณตลอด 24 ชั่วโมงทุกวันเพื่อให้เป้าหมายนั้นสำเร็จครับ

และไม่ว่าจะเป็นด้านไหนที่คุณสนใจ ไม่ว่าจะเป็นเรื่องสุขภาพ งานอดิเรก การเงินส่วนบุคคล การเพิ่มประสิทธิภาพการทำงานและการดูแลบ้านให้ดีขึ้น หรือแม้แต่การพัฒนาและส่งเสริมความสัมพันธ์ การช่วยเรื่องอาชีพการงาน และสิ่งต่าง ๆ เหล่านี้ทั้งหมด นี่คือชุดกรณีการใช้งาน (use cases) ที่ลึกซึ้งและกว้างขวางมาก

แต่ก็ตามที่คุณพูดเลยครับ ผมคิดว่าการสร้างผลิตภัณฑ์สำหรับผู้บริโภคทั่วไปนั้นแตกต่างจากการสร้างให้นักพัฒนาเล็กน้อย ถ้าคุณกำลังสร้างอะไรบางอย่างให้ผู้บริโภค โดยเฉพาะอย่างยิ่งถ้าคุณพยายามสร้างสิ่งที่ไม่ได้มีแค่คนใช้เป็นล้านคน แต่มีคนใช้เป็นพันล้านคน มันต้องใช้งานได้ทันที ถูกไหมครับ? มันต้องเรียบง่าย และผมคิดว่าสิ่งที่เราเห็นจากเอเจนต์ (agents) เหล่านี้ในปัจจุบัน ซึ่งส่วนใหญ่ยังเป็นแค่ตัวต้นแบบ คือมันยังต้องอาศัยการปรับจูนเยอะมาก

คุณต้องเข้าไปตั้งค่าใน terminal เพื่อให้มันเริ่มทำงานได้ พอเริ่มใช้งานได้มันก็ดูเหมือนมีเวทมนตร์นะ แต่แล้วสักพักมันก็อาจจะรวน ซึ่งผมคิดว่าบริษัทที่สามารถส่งมอบเอเจนต์ส่วนบุคคลที่ 'ใช้งานได้ทันที' จะเป็นหนึ่งในโอกาสสำคัญถัดไปในโลก AI และเราตื่นเต้นกับเรื่องนั้นมากครับ

นอกเหนือจากสิ่งที่เรากำลังทำกับ Meta AI นอกเหนือจากเอเจนต์สำหรับธุรกิจ และสิ่งอื่น ๆ ทั้งหมดแล้ว เรายังพัฒนาโมเดลที่เราเชื่อว่าจะช่วยยกระดับขีดความสามารถใหม่ ๆ เพื่อสร้างไลน์ผลิตภัณฑ์ใหม่ ๆ ต่อไปด้วย นี่คือเหตุผลที่เรามองโลกในแง่ดีมากในตอนนี้ ผมเข้าใจดีว่าเรากำลังจะปล่อยตัวนี้ออกมาในเร็ว ๆ นี้ ซึ่งมันจะน่าตื่นเต้นมาก แต่ตอนนี้เรายังไม่ได้ปล่อยมันออกมาครับ

ดังนั้น ในช่วงการแถลง ผลประกอบการ แบบนี้ ผมคงพูดได้แค่นี้ครับ แต่ผมคิดว่านี่เป็นโอกาสที่ใหญ่มาก และเป็นสิ่งที่ผมคิดว่าหลีกเลี่ยงไม่ได้ที่จะต้องมีใครสักคนทำสำเร็จ ซึ่งผมมองว่ามันเข้าทางจุดแข็งของ Meta ในฐานะบริษัท เราสร้างผลิตภัณฑ์สำหรับผู้บริโภคที่เข้าถึงผู้คนนับพันล้านคน เราเก่งในเรื่องการขยายขนาด (scaling) ให้คนจำนวนมากเข้าถึงได้เมื่อเราทำให้มันใช้งานได้จริง และเรายังเก่งในการสร้างโครงสร้างพื้นฐานเพื่อรองรับแอปพลิเคชันที่ต้องใช้ทรัพยากรสูงเหล่านี้ด้วย

ดังนั้น ผมจึงรู้สึกดีกับเรื่องนี้มาก ผมเข้าใจดีว่าเราต้องส่งมอบมันให้กับ คอมมิวนิตี ของเรา และนั่นคือสิ่งที่เรากำลังจดจ่ออยู่อย่างเต็มที่ครับ

พนักงานรับสาย

คำถามถัดไปมาจากคุณ Doug Anmuth จาก JP Morgan กรุณา เริ่มได้เลยครับ

Doug Anmuth

เยี่ยมครับ ขอบคุณที่รับคำถามครับ มีหนึ่งคำถามสำหรับ Susan และอีกหนึ่งสำหรับ Mark ครับ Susan คุณพูดถึงเรื่องที่ LLM มีความสามารถมากขึ้นในการจัดอันดับ (ranking) และการแนะนำ (recommendation) ช่วยขยายความเกี่ยวกับโรดแมปตรงนี้หน่อยได้ไหมครับว่าตอนนี้คืบหน้าไปถึงไหนแล้วในการใช้โมเดลที่ดีขึ้นและกำลังการประมวลผล (compute) ที่มากขึ้น? ส่วน Mark ครับ ในแง่ของจำนวนข้อเสนอที่จะสร้างรายได้จาก compute ของคุณสู่ภายนอก แต่ในขณะเดียวกันคุณก็ซื้อกำลังการผลิตจากบุคคลภายนอกหลายรายด้วย ผมเลยหวังว่าคุณจะช่วยให้เราเข้าใจความแตกต่างตรงนี้หน่อยครับ ว่ามันเป็นแค่เรื่องของจังหวะเวลาและปัญหาเฉพาะหน้า หรือเป็นเรื่องของการเทรน (training) เทียบกับการอนุมาน (inference) และการเลือกใช้ชิปที่เหมาะสมที่สุดสำหรับแต่ละงานครับ? ขอบคุณครับ

ซูซาน ลี

ขอบคุณครับ Doug เดี๋ยวผมขอตอบคำถามแรกก่อนว่าตอนนี้เราอยู่ตรงไหนในโรดแมปด้านการแนะนำ (recommendations) อย่างแรกเลย เราเห็นโอกาสอีกมากที่จะพัฒนาการแนะนำให้ดีขึ้นอย่างต่อเนื่องในช่วงที่เหลือของปีนี้ไปจนถึงปี 2027 ซึ่งเราคาดหวังว่าสิ่งนี้จะช่วยเพิ่มการมีส่วนร่วม (engagement) ทั้งบน Facebook และ Instagram มีบางประเด็นที่ผมอยากจะเน้นย้ำครับ

ประการแรก เราจะทำให้การแนะนำมีความเฉพาะตัวมากขึ้นและตรงกับความสนใจของผู้ใช้ยิ่งขึ้น ซึ่งส่วนหนึ่งทำได้โดยการพัฒนาโมเดลและสถาปัตยกรรมการแนะนำของเรา เพื่อจับความสนใจของผู้ใช้ได้แม่นยำกว่าเดิม และตอบสนองต่อสิ่งที่ผู้คนสนใจ ณ ขณะนั้นได้รวดเร็วขึ้น การลงทุนด้าน AI ของเราจะมีบทบาทสำคัญอย่างมากในการบรรลุวิสัยทัศน์นี้ รวมถึงการขยายขอบเขตออกไปด้วยครับ

การทำความเข้าใจเนื้อหาโดยใช้ LLM เพื่อให้เข้าถึงความหมายเชิงลึกของโพสต์ต่าง ๆ รวมถึงเหล่าครีเอเตอร์ที่ผู้คนให้ความสำคัญ เพื่อดึงความสนใจของผู้ใช้ได้แม่นยำยิ่งขึ้น และตอบสนองต่อสิ่งที่พวกเขาให้ความสนใจในขณะนั้นได้เร็วขึ้น นอกจากนี้ยังใช้ AI เพื่อดึงเนื้อหาที่มีคุณภาพสูง สดใหม่ และกำลังเป็นกระแสขึ้นมาให้เห็น พร้อมกับลดสัดส่วนของเนื้อหาที่มีคุณภาพต่ำลง

ประการที่สอง เรายังคงปรับปรุงโครงสร้างพื้นฐานด้านข้อมูลอย่างต่อเนื่อง เพื่อให้โมเดลของเราสามารถฝึกฝน (train) กับข้อมูลที่มากขึ้นและใช้ประโยชน์จากข้อมูลนั้นได้อย่างมีประสิทธิภาพมากขึ้น เรากำลังเพิ่มรายละเอียดในการอธิบายเนื้อหาที่ผู้ใช้เคยมีปฏิสัมพันธ์ด้วยในอดีต และทำให้ลำดับการโต้ตอบของผู้ใช้ในอดีตมีความละเอียดมากขึ้น ซึ่งช่วยให้โมเดลของเราเรียนรู้ได้อย่างแม่นยำว่าการมีปฏิสัมพันธ์แบบไหนที่มีคุณค่าต่อผู้ใช้มากหรือน้อยกว่ากัน

เรากำลังขยายทั้งความยาวของลำดับการโต้ตอบของผู้ใช้ที่ใช้ในการฝึกฝน รวมถึงความซับซ้อนของโครงสร้างโมเดลทั้งใน Facebook และ Instagram เพื่อใช้ประโยชน์จากชุดข้อมูลที่ใหญ่ขึ้น และอย่างที่ทราบกันว่าเราก้าวหน้าไปมากในการใช้ LLM เพื่อทำความเข้าใจเนื้อหา เราจะนำมันเข้าไปรวมอยู่ในระบบการแนะนำ (recommendations) และการบังคับใช้นโยบายเนื้อหาให้มากขึ้น เนื่องจากความสามารถในการเข้าใจเนื้อหาในเชิงลึก

ในภาพรวมผมมองว่าเราค่อนข้างมองโลกในแง่ดีกับงานส่วนนี้มาก เรายังได้ลงทุนในการใช้แนวทางแบบ LLM-based agentic เพื่อปฏิรูประบบการแนะนำของเรา และเราได้เพิ่มจำนวนการเปิดตัวจาก Ranking agents ในครึ่งปีนี้ ซึ่งสิ่งนี้ยังช่วยให้วิศวกรของเราทำงานได้มีประสิทธิภาพมากขึ้น และนั่นเป็นอีกเส้นทางหนึ่งที่เราตื่นเต้นมากเช่นกัน

มาร์ก ซักเคอร์เบิร์ก

ครับ ผมขอตอบในส่วนที่สองนะ คือผมคิดว่าคำถามของคุณคือเรามองเรื่องข้อเสนอที่ได้รับเพื่อขอซื้อหน่วยประมวลผล (compute) อย่างไร ในขณะที่เราเองก็ต้องซื้อหน่วยประมวลผลเพิ่มเหมือนกัน คือถ้ามองในภาพกว้างจะเห็นว่าตอนนี้หน่วยประมวลผลมันมีไม่พอต่อความต้องการเลย นั่นคือเหตุผลว่าทำไมเราถึงได้รับข้อเสนอจำนวนมากเพื่อขอซื้อหน่วยประมวลผลที่เรามีอยู่ แต่ในขณะเดียวกันเราเองก็มีความต้องการใช้งานภายในบริษัทอีกมากที่เราคิดว่ามันจะสร้างมูลค่าได้มหาศาล

ในแง่ของการบริหารธุรกิจ แน่นอนว่าสิ่งที่เราต้องแลกเปลี่ยน (trade off) กันอยู่บ่อย ๆ คือการเลือกว่าจะทำกำไรจากสิ่งที่มีอยู่ในวันนี้เท่าไหร่ เทียบกับการพัฒนาสินทรัพย์สำหรับอนาคต และผมมองว่ามันคือการบริหารพอร์ตโฟลิโอมาโดยตลอด มันไม่ใช่ว่าผมอยากจะทำแต่โปรเจกต์ระยะยาวอย่างเดียวโดยที่ไม่พิสูจน์ให้ตลาดเห็นผลลัพธ์ในระยะสั้นเลย

แต่ผมก็คิดว่ามันคงดูไม่ฉลาดนักถ้าเราจะขายหน่วยประมวลผลทั้งหมดออกไปเพื่อเอาแค่กำไรระยะสั้น ในเมื่อคุณมีโอกาสที่จะสร้างความฉลาด (intelligence) ต่อยอดจากมัน ซึ่งสิ่งนี้จะกลายเป็นตัวคูณและช่วยสะสมมูลค่าเพิ่มให้กับหน่วยประมวลผลนั้นไปอีกหลายเท่า

ดังนั้นคำตอบก็คือสิ่งที่เรากำลังทำอยู่ครับ นั่นคือการใช้เงินทุนส่วนใหญ่เพื่อสร้างหน่วยประมวลผลขึ้นมา โดยมีความมั่นใจว่าเราสามารถสร้างรายได้จากมันได้โดยตรงเมื่อถึงเวลาที่เหมาะสม แต่ในขณะเดียวกันก็รู้ว่าเรามีวิธีการใช้งานที่หลากหลายในการสร้างรายได้จากความฉลาดที่อยู่บนหน่วยประมวลผลนั้น ทั้งในส่วนของธุรกิจองค์กรและกลุ่มผู้บริโภคที่เราเคยพูดถึงไป

รวมถึงธุรกิจหลักของเราด้วย ซึ่งไม่จำเป็นต้องเป็นผลิตภัณฑ์ใหม่ที่เรายังไม่เคยพูดถึงเลย แค่การใช้มันเพื่อเพิ่มความฉลาดและปรับปรุงการจัดลำดับ (ranking) การแนะนำ และโฆษณาในบริการหลัก ๆ ของเรา ผมคิดว่าทั้งหมดนี้เป็นเรื่องจริง และมันทำให้เกิดไดนามิกที่มีระยะรอคอย (lead time) ในช่วงที่เราลงทุนและสร้างศูนย์ข้อมูลเหล่านี้

ศูนย์ข้อมูลเหล่านี้จะเริ่มใช้งานได้ในอนาคต ซึ่งแน่นอนว่าคุณจะยังไม่ได้รับมูลค่าจากมันจนกว่าจะเปิดใช้งาน แต่เราเห็นความต้องการมหาศาลสำหรับสิ่งนี้ และต้องการคว้าโอกาสในการสร้างธุรกิจที่หลากหลายเหล่านี้ให้ได้มากที่สุด

พนักงานรับสาย

คำถามถัดไปมาจากคุณ Justin Post จาก Bank of America กรุณาเริ่มได้เลยครับ

Justin Post

เยี่ยมเลย ขอบคุณครับ Mark คุณเพิ่งจ้างทีมผู้บริหารระดับสูงสำหรับแล็บ AI ของคุณไปเมื่อประมาณปีที่แล้ว อยากให้คุณช่วยแชร์มุมมองหน่อยว่าผลงานของแล็บเป็นอย่างไรบ้าง และคุณคิดว่าตลาดจะได้เห็นความเร็วในการออกผลิตภัณฑ์ที่เพิ่มขึ้นไหม ไม่ว่าจะเป็นในส่วนของโมเดล ชิป หรือโปรเจกต์อื่นๆ ในอนาคต? แล้วคุณคิดว่าแล็บนี้กำลังสร้างความได้เปรียบทางการแข่งขันที่ยั่งยืนในรูปแบบไหนบ้าง? ขอบคุณครับ

มาร์ก ซักเคอร์เบิร์ก

ครับ คือผมค่อนข้างพอใจกับทิศทางที่เรากำลังดำเนินไปนะ เราได้ปล่อยโมเดลออกมาสองสามตัว ซึ่งผมมองว่าน่าประทับใจทีเดียวสำหรับช่วงเริ่มต้นของการขยายขนาด และอย่างที่ผมเคยบอกไป เรากำลังอยู่ในกระบวนการพัฒนาโมเดลที่ใหญ่ขึ้นและล้ำสมัยกว่าเดิมมาก ซึ่งเราก็ตื่นเต้นกับมันเหมือนกัน ผมมองว่าเรื่องนี้มันมีทั้งแง่มุมของความฉลาด (intelligence) และแง่มุมของข้อมูล (data)

และผมคิดว่ามันเป็นเรื่องจริงที่ว่าในผลิตภัณฑ์ประเภทไหนก็ตามที่คุณอยากจะทำ มันจะมีวงจร Flywheel บางอย่างที่คุณได้เรียนรู้จากพฤติกรรมและวิธีที่ผู้คนใน คอมมิวนิตี นั้นใช้งานผลิตภัณฑ์ ดังนั้นยิ่งคุณทำตรงนั้นได้ดีเท่าไหร่ คุณก็ยิ่งได้รับฟีดแบ็กมากขึ้น และนั่นจะทำให้ผลิตภัณฑ์ดีขึ้นอย่างเลี่ยงไม่ได้

ผมเลยมองว่านี่คือสาขาที่ผู้คนมักจะหมกมุ่นอยู่กับความฉลาดของ AI ซึ่งก็เข้าใจได้นะ แต่ส่วนของข้อมูลและความรู้ที่จะนำมาตอบโจทย์ผู้ใช้งานให้ดีนั้นสำคัญมากจริงๆ ถ้าคุณกำลังพูดถึง 'สุดยอดปัญญาประดิษฐ์ส่วนบุคคล' (personal super intelligence) แน่นอนว่าการมีโมเดลความคิดที่ชัดเจนเกี่ยวกับทุกสิ่งที่เกิดขึ้นในชีวิตและเป้าหมายของคนๆ นั้น จะเป็นแง่มุมที่สำคัญมาก

ซึ่งแต่ละบริษัทก็เริ่มต้นด้วยความได้เปรียบที่ต่างกันในแต่ละตลาดและแต่ละส่วน แต่เหตุผลที่เราเลือกทำหลายๆ อย่างพร้อมกันตั้งแต่แรก ก็เพราะว่าเทคโนโลยีนี้มันเป็นแบบเอนกประสงค์ (general) ดังนั้นเมื่อคุณสร้างความฉลาดขึ้นมาแล้ว มันสามารถนำไปประยุกต์ใช้ได้หลากหลายมาก แต่คุณก็ต้องลงทุนสร้าง Flywheel ให้กับสิ่งเหล่านั้นด้วย เพราะผมเชื่อว่านั่นคือวิธีที่คุณจะสร้างความได้เปรียบที่ยั่งยืนได้ในระยะยาว

แต่ผมคิดว่าเราได้แสดงให้เห็นที่ Meta แล้วว่า เมื่อเรามีผลิตภัณฑ์ในรูปแบบที่ใช้งานได้จริง ผมกล้าพูดเลยว่าเราน่าจะเป็นบริษัทที่ดีที่สุดในโลกในการขยายประสบการณ์เหล่านั้นไปสู่ผู้คนหลายพันล้านคน ดังนั้นผมเลยรู้สึกดีมากกับงานด้านเอเจนต์ส่วนบุคคล (personal agent) และรู้สึกดีมากๆ กับงานด้านเอเจนต์สำหรับธุรกิจ (business agent)

ซึ่งเรามีฐานของผู้ลงโฆษณาและธุรกิจขนาดเล็กที่รองรับอยู่แล้ว และเรามีความสามารถในการขยายและนำไปปรับใช้กับกลุ่มเหล่านั้น ผมมองว่านี่คือความได้เปรียบที่ยั่งยืนพอๆ กับวงจรข้อมูล (data flywheels) ที่เรากำลังสร้างขึ้น และแน่นอนว่าในฝั่งงานวิจัย คุณต้องสร้างวัฒนธรรมที่ดี มันอาจจะดูเป็นเรื่องพื้นฐานนะ แต่ผมคิดว่าคุณแค่ต้องมั่นใจว่ากำลังสร้างทีมในแบบที่มีการจัดการที่ดีและมีการเติบโตแบบทบต้นอย่างต่อเนื่องโดยไม่มีดราม่า

นั่นคือเป้าหมายที่เราตั้งไว้ และผมคิดว่าถ้าคุณทำได้ดี มันอาจจะไม่มีคำอธิบายทางคณิตศาสตร์ที่ชัดเจน แต่นั่นคือวิธีที่ธุรกิจขับเคลื่อนไปครับ นั่นแหละคือสิ่งที่เราทำอยู่

พนักงานรับสาย

คำถามถัดไปมาจากคุณ Ross Sandler จาก Barclays กรุณาเริ่มได้เลยครับ

รอสส์ แซนด์เลอร์

ครับ คุณ Mark ผมขอถามต่อเรื่อง AI Lab หน่อยครับ คือ Muse Spark 1.1 นี่ถือว่าใกล้เคียงกับระดับ Pareto Frontier มาก แต่ยังอยู่ในกลุ่มที่ความฉลาดน้อยกว่าหรือเน้นราคาประหยัดกว่า ซึ่งจากคำตอบล่าสุดของคุณ ดูเหมือนคุณจะให้ความสำคัญกับการแข่งขันทั้งในตลาดราคาประหยัดและตลาดประสิทธิภาพสูงที่มีราคาสูงกว่า ช่วยขยายความตรงนี้หน่อยได้ไหมครับ?

แล้วก็ทางทีมผู้บริหารแล็บของคุณเคยพูดถึงการกลับไปทำ open source เหมือนเมื่อ 2 ปีก่อนด้วย ตรงนี้มันเข้ากับกลยุทธ์และประเด็นเรื่องการสร้างรายได้จากผลิตภัณฑ์และโมเดล AI อย่างไรครับ? ขอบคุณมากครับ

มาร์ก ซักเคอร์เบิร์ก

ครับ คือถ้าจะให้ลงรายละเอียดเรื่องกระบวนการทางวิทยาศาสตร์ของเรื่องนี้ โดยพื้นฐานแล้วการเทรนโมเดลขนาดใหญ่ ในแต่ละขั้นตอนเราจะเห็นพฤติกรรมใหม่ๆ ของมัน ดังนั้นวิธีที่เราทำคือเริ่มจากการเทรนโมเดลขนาดเล็กก่อนแล้วค่อยขยับไปโมเดลที่ใหญ่ขึ้น ซึ่งโมเดลที่เราปล่อยออกมาจนถึงตอนนี้ก็อิงตามขนาดและลำดับการพัฒนาของมัน และเรากำลังเดินหน้าขยายขนาดโมเดลให้ใหญ่ขึ้นเรื่อยๆ ครับ

สำหรับ Muse Spark 1 และ Muse Spark 1.1 ผมมองว่าเป็นโมเดลที่น่าประทับใจมากเมื่อเทียบกับขนาดของมันและระยะเวลาการพัฒนาของแล็บ ซึ่งผมค่อนข้างพอใจนะ แต่แน่นอนว่าตอนนี้เราต้องการโมเดลที่ล้ำสมัยกว่าเดิมด้วย นั่นคือเหตุผลที่เรากำลังขยายขนาดโมเดลและสร้างโครงสร้างพื้นฐานด้านการวิจัยเพื่อรองรับเรื่องนี้ครับ

แต่ในขณะเดียวกัน เราก็ต้องการโมเดลที่มีประสิทธิภาพสูงกว่าและประหยัดทรัพยากรกว่า ซึ่งจะเป็นส่วนหลักที่เรานำมาให้บริการผู้บริโภคในวงกว้าง เพราะถ้าคุณต้องให้บริการคนเป็นพันๆ ล้านคน คุณจำเป็นต้องมีทั้งโมเดลขั้นสูงเพื่อแก้โจทย์ที่ยากมากๆ และต้องมีความสามารถในการตอบโจทย์ส่วนใหญ่ผ่านโมเดลที่เรียบง่ายและมีประสิทธิภาพมากกว่า ดังนั้นผมคิดว่าทั้งสองส่วนสำคัญมาก เรื่องประสิทธิภาพนี่ขาดไม่ได้เลยครับ

แต่ผมก็คิดว่าเราต้องสามารถแก้ปัญหาที่ยากที่สุดให้แก่ธุรกิจและลูกค้าทั่วโลกได้ด้วย เราจึงให้ความสำคัญกับทั้งคู่ ส่วนเรื่อง open source เรามองว่ามันเป็นส่วนสำคัญของระบบนิเวศและส่งผลดีต่อโลกเสมอมา อีกทั้งยังสร้างวงจรการตอบกลับที่เป็นบวกกับเรา ช่วยให้คอมมิวนิตีหันมาใช้โครงสร้างพื้นฐานและงานของเรา พร้อมกับช่วยกันพัฒนาให้ดีขึ้นด้วยครับ

แต่เราก็พูดมาตลอดว่าจะทำแบบผสมผสานทั้ง open และ closed source ซึ่งตอนนี้ในการเร่งพัฒนา Meta Super Intelligence Labs ก็ยังเป็นแบบนั้นอยู่ ในบางมุมอาจจะฟังดูย้อนแย้งนะ แต่การทำโมเดล open source จริงๆ แล้วต้องใช้พลังเยอะกว่า เพราะถ้าคุณทำแบบระบบปิดเพื่อใช้เองคนเดียว คุณอาจจะทำแบบเฉพาะเจาะจงหรือขรุขระบ้างก็ได้

แต่ถ้าคุณจะปล่อยเป็น open source ให้คนอื่นเอาไปใช้ทำอะไรหลายๆ อย่าง คุณต้องทำให้มันสมบูรณ์รอบด้านกว่าเดิม ผมแค่อยากให้แน่ใจว่าทีม MSL จะทำงานได้อย่างอิสระเต็มที่ในการสร้างโมเดลที่ฉลาดที่สุดเท่าที่เราจะทำได้ และเราคาดหวังว่าจะกลับมาปล่อยโมเดล open source บางส่วนในเร็วๆ นี้ครับ

แต่อย่างที่เราบอกเสมอครับ เราไม่ได้ยึดติดจนเกินไป เราเห็นความสำคัญของ open source และอยากสนับสนุนระบบนิเวศนั้น โดยเราวางแผนที่จะทำทั้งโมเดลแบบเปิดและแบบปิดควบคู่กันไปครับ

พนักงานรับสาย

เรามีเวลาสำหรับอีกหนึ่งคำถามครับ คำถามนี้มาจากคุณ Ken Gorowski จาก Wells Fargo กรุณาเชิญได้เลยครับ

เคน กอรอฟสกี

ขอบคุณเช่นกันครับ ถ้าเป็นไปได้ ผมอยากให้ Mark ช่วยพูดถึงประเด็นสุดท้ายอีกครั้งเกี่ยวกับโมเดลแบบ Open Weight ครับ เพราะมีประเด็นที่มีการถกเถียงกันเยอะมาก และคุณเองก็ได้แสดงความเห็นในเรื่องนี้มาบ้างแล้ว เหตุผลอะไรที่ทำให้เรื่องนี้เปลี่ยนหรือไม่เปลี่ยนมุมมองของ Meta ในการพัฒนาโมเดลระดับ Frontier ที่เป็นแบบปิด (Closed Proprietary)? และถ้าโมเดลแบบ Open Weight แพร่หลายมากขึ้น มันจะเป็นโอกาสที่ทำให้คุณไม่ต้องพัฒนาโมเดลระดับ Frontier ของตัวเองหรือเปล่า? นี่คือคำถามแรกครับ

และคำถามที่สอง ขออนุญาตถามเพื่อความชัดเจนจาก Susan นะครับ คุณสังเกตเห็นว่าเราสามารถพึ่งพาโมเดลเหล่านั้นได้เลยไหม คือตอนนี้โมเดล Open Source ยังไม่แข็งแกร่งเท่ากับโมเดลระดับ Frontier ดังนั้นคำตอบสั้นๆ คือยังไม่ได้ครับ และมันยังมีเรื่องของการถกเถียงเชิงนโยบายอยู่ตลอด รวมถึงคำถามเกี่ยวกับการดำเนินการของบริษัทอื่นๆ ว่านั่นเป็นสิ่งที่บริษัทอย่าง Meta จะสามารถฝากความหวังไว้ได้จริงๆ หรือไม่ ผมคิดว่าเรื่องนี้ค่อนข้างซับซ้อนมาก

มาร์ก ซักเคอร์เบิร์ก

ดังนั้นผมคิดว่าในทั้งสองด้าน เราเชื่อว่าเราจะสามารถทำผลงานได้ดีกว่า และเรามองว่ามีความเสี่ยงบางอย่างในการพึ่งพาคนอื่นแบบนั้น ผมไม่เชื่อว่านั่นคือสิ่งที่ควรทำ คุณก็รู้ว่า Meta เป็นบริษัทที่ถ้าคุณลองมองย้อนกลับไปดูในภาพรวม หลายคนอาจจะมองแค่เลเยอร์บนสุดว่าเราสร้างแอปโซเชียลมีเดียและมีธุรกิจโฆษณา

แต่จริงๆ แล้วตอนนี้เราเป็นบริษัทเทคโนโลยีแบบ Full Stack เราสร้าง Data Center ของเราเอง โครงสร้างพื้นฐานของเราเอง ชิปของเราเอง ไปจนถึงซอฟต์แวร์ระดับล่างสุดตั้งแต่เราเริ่มก่อตั้ง และผมเองก็ชอบพื้นฐานด้านวิศวกรรมของผมนะ อย่างตอนนั้นผมก็เขียนโค้ดระบบเองเยอะมาก เหตุผลสำคัญที่ทำให้ Facebook ประสบความสำเร็จก็เพราะมันใช้งานได้จริง คือมันทำงานได้เร็วและมีประสิทธิภาพในขณะที่โซเชียลเน็ตเวิร์กอื่นๆ ทำไม่ได้

และผมคิดว่าเรามีความสามารถในการสร้างสิ่งที่ตอบโจทย์เฉพาะบุคคลได้มากขึ้น ปรับแต่งได้ดีขึ้น และมีประสิทธิภาพมากขึ้น ประสบการณ์เชิงคุณภาพบางอย่างมันเป็นไปไม่ได้เลยที่คนอื่นจะสร้างขึ้นมา เพราะเราทำครอบคลุมทั้งระบบ (Stack) และสำหรับผม มันชัดเจนมากว่าการมีอำนาจตัดสินใจเด็ดขาดในการสร้างโมเดลของตัวเองจะเป็นส่วนสำคัญของระบบนั้นในอนาคต

นั่นคือเหตุผลว่าทำไมมันถึงสำคัญสำหรับ Meta แต่ในขณะเดียวกัน มันก็เป็นเหตุผลว่าทำไมคนอื่นถึงให้ความสนใจกับ Open Source และทำไม Open Source ถึงมีความสำคัญในภาพรวม เพราะบริษัทอื่นๆ ต่อให้เขาไม่มีความสามารถในการสร้างโมเดลเหล่านี้เอง เขาก็ไม่อยากต้องไปพึ่งพาห้องแล็บแบบปิดเพียงไม่กี่แห่งเท่านั้น เรื่องนี้จึงมีที่ทางที่สำคัญมากในโลกใบนี้

การมีโมเดล Open Source นั้น ผมขอชี้แจงให้ชัดเจนว่ามันไม่ได้ไปลดทอนโอกาสในด้าน API หรือสิ่งที่ผมกำลังพูดถึงเลย เพราะยังไงก็ต้องมีคนรันโมเดลและทำ Inference อยู่ดี การที่จะรันโมเดลเหล่านั้นได้อย่างมีประสิทธิภาพและมีกำลังการประมวลผล (Compute) ที่เพียงพอจะยังคงเป็นข้อได้เปรียบทางธุรกิจต่อไป

ผมเลยไม่คิดว่าสิ่งเหล่านี้มันขัดแย้งกัน แต่เมื่อผมมองไปที่สิ่งที่ลูกค้าและบริษัทที่พิถีพิถันทั่วโลกต้องการ พวกเขาอยากรู้ว่าพวกเขาสามารถควบคุมชะตากรรมของตัวเองได้ สามารถไว้ใจโมเดลที่ใช้ได้ และข้อมูลของพวกเขาจะปลอดภัย ไม่ถูกส่งไปยังคู่แข่ง ดังนั้นผมคิดว่า Open Source จะมีความสำคัญมาก แต่สำหรับเรา การสร้างโมเดลขึ้นมาเองก็จะเป็นส่วนที่สำคัญอย่างยิ่งเช่นกัน

นอกจากนี้ แม้ว่าโมเดลทั้งหมดจะถูกประเมินด้วยชุดทดสอบมาตรฐานเดียวกัน และถูกจัดลำดับว่าโมเดลนี้มีคะแนนห่างจากอีกโมเดลแค่ไม่กี่แต้ม แต่จริงๆ แล้วทุกโมเดลมีส่วนผสมของทักษะที่ต่างกัน เหมือนกับคนนั่นแหละครับ คนเรามีความโดดเด่นในบางด้าน มีบุคลิกที่ต่างกัน และเก่งหรือด้อยในเรื่องที่ต่างกันไป

และถ้าคุณกำลังพยายามสร้างสุดยอดปัญญาประดิษฐ์ส่วนบุคคล (Personal Super Intelligence) ให้ผู้คน หรือพยายามสร้างเอเจนต์ธุรกิจสำหรับธุรกิจขนาดเล็ก มันอาจจำเป็นต้องมีทักษะที่แตกต่างจากสิ่งที่ห้องแล็บอื่นกำลังปรับแต่งอยู่ และการที่เราสามารถทำงานแบบ Full Stack ได้เอง ไม่ว่าจะเป็นระบบแนะนำเพื่อนใน Instagram หรือระบบโฆษณาของเรา นั่นคือวิธีที่ทำให้เราได้ผลลัพธ์ที่ดีมาโดยตลอด

ผมเชื่อว่าการสร้างโมเดลแบบ Full Stack จะกลายเป็นข้อได้เปรียบอย่างมากเมื่อเวลาผ่านไป รวมถึงวิธีที่เราสร้างเอเจนต์ซูเปอร์อินเทลลิเจนซ์ส่วนบุคคล เอเจนต์สำหรับธุรกิจ และกรณีการใช้งานที่หลากหลายทั้งหมดนี้เพื่อตอบโจทย์ลูกค้ากลุ่มต่างๆ ที่เราต้องการดูแล ดังนั้น นอกจากช่องทางการจัดจำหน่ายที่เรามีและความสามารถในการเข้าถึงผู้คนจำนวนมากรวมถึงการขยายขนาดผลิตภัณฑ์ที่ใช้งานได้จริงแล้ว ผมคิดว่านี่คือข้อได้เปรียบที่ยั่งยืนจากการสร้างบางสิ่งที่เฉพาะเจาะจงและยอดเยี่ยมสำหรับกรณีการใช้งานนั้นๆ ครับ

และผมหมายความว่า ฟังนะ ผมเข้าใจว่านี่คือการลงทุนครั้งใหญ่และเป็นการเดิมพันครั้งสำคัญ เราเห็นว่าเทคโนโลยีนี้ใช้งานได้จริง เราพอใจกับทิศทางของห้องแล็บ ผมตื่นเต้นกับผลิตภัณฑ์ที่กำลังจะออกมา และเราเชื่อว่าสิ่งนี้จะกลายเป็นเรื่องใหญ่ ดังนั้น ผมเข้าใจว่านี่คือการเดิมพันครั้งใหญ่ของทั้งอุตสาหกรรม ส่วนตัวผมเดิมพันว่าคนที่ลงทุนในเรื่องนี้จะได้รับผลตอบแทนและจะรู้สึกดีมากเมื่อเวลาผ่านไป

ซูซาน ลี

ผมขอตอบคำถามที่สองของคุณสั้นๆ นะครับ เมื่อเราพูดถึงการมุ่งเน้นไปที่ขีดความสามารถในปี 2026 และ 27 จริงๆ แล้วมีปัจจัยอยู่สองประการ อย่างแรกคือ ในวันนี้และในอนาคตอันใกล้ที่เราคาดการณ์ได้ เราเผชิญกับข้อจำกัดด้านอุปสงค์ ซึ่งรวมถึงธุรกิจหลักของเราด้วย ที่ยังมีจุดที่ให้ผลตอบแทนจากการลงทุน (ROI) เป็นบวกอีกมากมายที่เราจะนำกำลังการประมวลผล (Compute) ไปใช้หากเรามีเพียงพอ

และประการที่สองแน่นอนว่าคือความไม่แน่นอนเกี่ยวกับข้อจำกัดในระยะยาวในการสร้างขีดความสามารถ ซึ่งเราได้พูดถึงความจำเป็นในการสร้างซัพพลายเชนเพิ่มเติมไปก่อนหน้านี้แล้ว ดังนั้น ผมคิดว่าหลังจากปี 27 เมื่อเรามองไปถึงปี 28 และไกลกว่านั้น โลกจะเปลี่ยนไปมาก ความต้องการภายในของเราเองก็จะเปลี่ยนไป และถึงตอนนั้นเราคงจะได้เห็นความชัดเจนมากขึ้นในหลายๆ เรื่อง

ดังนั้นเมื่อเราวางแผนสำหรับปี 28 ในวันนี้ เราจึงมุ่งเน้นไปที่ความยืดหยุ่น ซึ่งช่วยให้เรามีความพร้อมในด้านที่ดินและพลังงาน แต่การตัดสินใจซื้อชิปและรายการที่มีราคาสูงอื่นๆ จะทำในอนาคตข้างหน้า สำหรับตอนนี้ ผมคิดว่าเรารู้ดีว่าเรามีกรณีการใช้งานที่ดีมากมายสำหรับขีดความสามารถในปี 26 และ 27 และนั่นคือสิ่งที่เรากำลังมุ่งสร้างขึ้นมาครับ

แชด ฮีตัน

เยี่ยมครับ ขอบคุณที่มาร่วมกับเราในวันนี้ และเราหวังว่าจะได้พูดคุยกับคุณอีกครั้งในเร็วๆ นี้

พนักงานรับสาย

การ Call ประชุมในวันนี้สิ้นสุดลงแล้ว ขอบคุณสำหรับการมีส่วนร่วมของท่าน และท่านสามารถวางสายได้ในขณะนี้

อ่านรายละเอียดเพิ่มเติมได้ที่ การลงทุนของเมตา แพลตฟอร์มส์

เคล็ดลับ: บทสรุปนี้สร้างขึ้นโดยโมเดลภาษา AI โดยอิงจากข้อมูลที่เปิดเผยต่อสาธารณะ รวมถึงคำบรรยายที่สร้างขึ้นโดยอัตโนมัติและไฟล์เสียงที่เผยแพร่ต่อสาธารณะจากแหล่งข้อมูลภายนอก แม้ว่าจะมีความพยายามเพื่อให้มั่นใจในความถูกต้อง แต่เนื้อหาที่สร้างโดย AI อาจมีข้อผิดพลาดหรือข้อมูลที่ตกหล่น กรุณาอ้างอิงจากข้อมูลอย่างเป็นทางการที่เผยแพร่โดยบริษัทจดทะเบียนที่เกี่ยวข้องเพื่อให้ได้ข้อมูลที่ถูกต้องและเป็นปัจจุบันที่สุด เนื้อหานี้มีวัตถุประสงค์เพื่อการให้ข้อมูลเท่านั้น และไม่ถือเป็นคำแนะนำในการลงทุน หรือคำแนะนำในการซื้อหรือขายผลิตภัณฑ์การลงทุนใดๆ มุมมองและบทสรุปที่นำเสนอไม่สะท้อนถึงจุดยืนอย่างเป็นทางการของ moomoo ทั้งนี้ moomoo ไม่รับประกัน ทั้งโดยชัดแจ้งหรือโดยนัย เกี่ยวกับความถูกต้อง ความรวดเร็ว หรือความสมบูรณ์ของเนื้อหานี้ และจะไม่รับผิดชอบต่อความสูญเสียใดๆ ที่เกิดจากการใช้งาน ลิขสิทธิ์ของเนื้อหาการประชุมทางโทรศัพท์ต้นฉบับยังคงเป็นของบริษัทจดทะเบียนที่เกี่ยวข้อง

ยอดชม 967K ครั้ง