業績會第一現場

參與了話題 · ·

Meta 2026年第二季度業績直播

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%

- 總廣告展示次數增長14%，全球廣告平均單價上漲12%

- 第二季度運營收入爲$188億，運營利潤率爲31%，同比下降8%

業務亮點

- 所有應用的日活躍用戶數達到36億

- Instagram日活躍用戶數達到20億，Threads月活躍用戶數突破5億

- 超過900萬家中小企業正在使用AI廣告創意工具

- 宣佈與貝萊德達成戰略合作，在得克薩斯州埃爾帕索建設1吉瓦（GW）數據中心

財務指引

- 預計2026年第三季度總收入爲$610億-640億

- 2026全年總支出預期上調至$1,650億-1,690億區間

- 2026年資本支出預期收窄至$1,300億-1,450億區間

- 預計剩餘季度的稅率將爲15%–17%

機會

— 爲數十億用戶在各消息平台上構建個人智能代理

— 開發由人工智能驅動的推薦系統和生成式內容模型

— 與貝萊德合作開發數據中心並提供基礎設施資金支持

— 人工智能提升廣告效果、內容推薦及開發速度

風險

— 青少年相關試驗計劃於2026年進行，可能導致重大損失

— 全行業面臨算力容量限制以及對AI人才的激烈競爭

— 長期基礎設施規劃及容量需求存在不確定性

完整記錄稿（AI生成）

接線員

女士們、先生們，這裏是會議接線員。今天的電話會議即將開始。在此之前，您的線路將再次置於音樂等待狀態。謝謝。

感謝您的耐心等待。好的，Amy，現在回到私密模式，等您開始。好的，我們馬上就要開始直播了。啓動網絡直播時會有短暫暫停。我將先做開場介紹，然後把電話會議交給Heaton先生。

提醒一下，您的線路處於開放狀態，您所說的任何內容都會被主會場聽到。我們準備好開始了嗎？我們已準備就緒。謝謝。啓動網絡直播時會有短暫暫停，請稍候，我將開始我的發言稿。

下午好。我叫Krista，今天將擔任本次電話會議的主持人。此刻，歡迎各位參加Meta 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。如果您想提問，請按星號鍵（*）再按電話鍵盤上的數字1以提交您的問題。再次提醒，請按*1。我們建議您僅提出一個問題，本次電話會議將被錄音。非常感謝。Meta財務副總裁Chad Heaton，您可以開始了。

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聲明，這些聲明基於截至今日的假設。由於多種因素（包括今日發佈的業績新聞稿以及向美國證券交易委員會（SEC）提交的10-Q表格季報中所列明的因素），實際結果可能會有重大差異。我們沒有義務更新任何前瞻性聲明。

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指標的調節數據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材料可在我們的網站 investor.meta.com 上查閱。現在，我將會議交予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36億人使用我們至少一款應用。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，成爲史上增長最快的對話類應用。

Facebook的日活躍用戶早已突破20億。WhatsApp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WhatsApp的新任負責人。他曾打造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，併發布了新款智能眼鏡。總體而言，我們各款應用所覆蓋社區的規模和廣度相當可觀，爲我們向數十億用戶交付創新產品提供了堅實平台。

我們面前的機遇巨大。首先，我們現在正處於一個關鍵節點——我們在人工智能領域的投入正在加速推動核心業務的每個主要方面：提升用戶使用我們應用的體驗、爲廣告主帶來更優效果，並幫助我們的團隊更快構建新體驗、加速產品發佈。

其次，我們正在開發全新的個人智能體（personal agents），這將成爲未來數月乃至數年內我們下一代產品和收入來源的基礎。第三，我們看到了面向企業客戶的巨大商機，包括通過API向企業銷售業務智能體，甚至可能直接銷售算力，以及其他我們正在爲大型客戶構建的服務。

今天我想花些時間詳細說明我們的投資如何在當下取得成效，以及隨着時間推移，我們看到哪些機會可以加速核心業務的發展。我們在Instagram和Facebook的多個領域已經取得了強勁且充滿希望的成果。

我對將大語言模型（LLMs）整合進我們的推薦系統這項工作非常樂觀。LLMs能從第一性原理出發理解內容的主題及其吸引力所在，同時還能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與興趣。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各平台可發現的內容範圍。

目前已有兩大類內容可供選擇：一是來自你的好友和關注對象；二是來自你未關注的創作者。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而言更加實用且更具吸引力。

在廣告方面，我們正利用LLMs優化廣告預測與排序機制。我們已擴展了用於判斷廣告相關性的上下文信息，涵蓋用戶自然行爲和廣告互動數據，從而顯著提升了Facebook和Instagram上廣告的相關性與轉化率。

以美元計，我們的廣告業務同比增長速度超過了其他公司公佈的任何廣告業務增速。因此，這些AI投入正在獲得回報。我們還看到市場對全新AI驅動創意工具的強烈需求。

900萬家小型企業在我們的平台上已至少使用了一款AI廣告創意工具。我們正在推出全新的端到端創意解決方案，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。

該模型能夠分析圖像、自主優化作品，並根據廣告主輸入生成更優的廣告變體。目前我們已收到非常積極的反饋。此外，我們剛剛推出了Meta One——一項全新的訂閱服務，可在我們的應用中提供更豐富的工具和AI功能。隨着需求增長，我們也將提供多種不同的套餐層級和定價選項。

我也很期待AI如何幫助我們的團隊加快產品開發速度。今年早些時候，我們發佈了Instagram實例（Instagram instance）。我們還剛剛推出了Forum——一款獨立的群組應用，以及Seller——一款獨立的市場應用。我預計未來發布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這些創意推廣給感興趣的用戶，就像我們在Threads上所做的那樣。自我們推出Meta超級智能實驗室以來已過去一年多，目前的發展勢頭強勁。

在過去一個月，我們發佈了Muse Spark 1.1 和Muse Image。自從我們重建了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%，並且這一數字仍在快速周環比增長。

Muse Spark 1.1 是一個強大的智能體編碼模型，效率極高，在計算機操作、工具使用和多模態理解方面表現卓越。它已通過我們的新公開API提供，未來幾周我們將通過合作伙伴渠道和更多編程智能體加速其分發。

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，我們將擁有能全天候爲你服務的智能體，幫助你實現目標，改善生活、健康、人際關係、財務狀況——無論你想要什麼。智能體真正開始爆發的第一個領域是編程。

但工程師更具技術背景，也更願意花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，就必須打造出一款開箱即用、足夠簡單、能讓數十億人輕鬆採用和使用的優秀消費級產品。

我對此感到非常興奮，隨着我們邁向一個人人都與多個智能體互動的未來，WhatsApp及其他消息平台將變得越來越重要，我們也將很快分享更多進展。

WhatsApp已經是人們與Meta AI互動的主要平台。隨着我們在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WhatsApp和Meta AI應用中推出了「隱身模式」，讓用戶能夠與助手進行連Meta也無法看到的私密對話。我們還計劃將強大的隱私與安全保障作爲所構建智能體的核心組成部分。

我對我們在商業智能體方面的進展也感到非常興奮。本季度，我們已在全球範圍內的WhatsApp和Messenger上推出Meta商業智能體，目前已有超過1,000,000家企業每週通過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。

讓一個智能體每天與你的客戶對話，有一個有趣之處在於它會隨着時間推移不斷學習，並將所有這些洞察反饋給你。因此，我們正在構建更強的智能體能力，以彙總所有這些對話，梳理夜間發生的情況，並提煉出客戶真正關心的問題。

很快，它還將更進一步，包括建議你拓展業務的方法、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項「一站式企業服務」，幫助你利用Meta的平台從零開始創建並運營整個業務。

關於如何實現這些功能的變現，我們將採用混合模式，包括訂閱制和按使用量計費。我預計，我們會繼續推動更多這類產品向我們的廣告系統靠攏——即企業只有在我們爲其達成實際效果時才付費。

隨着時間推移，這將使我們能夠像如今爲廣告主所做的那樣，在我們的計算資源上運行高效的競價機制。隨着AI在我們產品和業務中的使用持續增長，我們將繼續大力投資基礎設施以滿足需求。

昨天，作爲我們Meta計算計劃的一部分，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，我們預計很大一部分計算資源將用於模型訓練、核心業務拓展，以及個人智能體和新產品的交付。

但我們同時也預期將發展出一項面向大客戶的重要業務。我們已構建了自己的API，正在推出商業智能體。目前市場上對我們的計算資源報價遠高於我們的採購成本，而且我們的路線圖上還有更多編碼和生產力工具即將推出。

隨着我們日益接近個人超級智能，我們將很快分享更多相關內容。我們也需要能夠讓你與之無縫交互的硬件設備。眼鏡是理想的形式，因爲它們可以全天陪伴你，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，我們還在不斷豐富產品線。我們剛剛與SLR Luxottica合作推出了自有品牌的Meta眼鏡系列，其中一款是我們與Kylie Jenner共同設計的。

這是首批出廠即內置Muse Spark功能的眼鏡，能夠理解你所看到的內容，並提供更有幫助的回答。早期銷售表現強勁，超出我們的預期。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。

最後，在結束之前，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相信，我們正在爲每個人打造一個積極的未來。我們始終致力於開發能賦予人們力量的技術，讓他們能與在乎的人建立聯繫，並以自己希望的方式塑造世界。

這正是我們始終專注於讓產品價格親民、人人可及的原因，這一策略既造福了我們的社區，也推動了業務的蓬勃發展。在開啓下一階段之際，同樣的理念將繼續指引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人工智能的大型公司。我們並不打算將超級智能集中化，而是致力於廣泛分發，讓每個人都能將其用於對自己重要的事情上。

社會歷來都是這樣取得進步的。我認爲，這些價值觀正是構建積極人工智能未來的關鍵。如果我們能助力實現這一願景，我相信我們的業務也將持續保持強勁增長。

以上就是我今天想首先分享的全部內容。人工智能正在提升我們的核心業務，使我們的應用更具相關性，併爲企業帶來更佳的成果。我們已經開始推出更多創新產品，未來還將有更多新品陸續面世。

我們正在大力投資，因爲這裏的潛力巨大，而且我們知道有許多方式可以創造價值。一如既往，感謝各位與我們一同踏上這段旅程。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表現。除非另有說明，所有比較均爲同比數據。第二季度Apps家族總收入爲$604億，同比增長28%。

第二季度Apps家族廣告收入爲$594億，同比增長27%，按固定匯率計算則增長26%。本季度，我們各服務平台上的廣告展示總次數同比增長14%。所有地區的廣告展示量均健康增長，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。

全球每條廣告的平均價格同比上漲12%，主要得益於廣告效果提升、相比去年第二季度宏觀環境改善以及匯率帶來的利好因素。不過，強勁的廣告展示量增長（尤其是來自變現能力較低的平台和地區的增長）部分抵消了這一漲幅。

Apps家族其他收入首次達到$10億，同比增長73%，主要由WhatsApp付費消息和訂閱服務收入驅動。在Reality Labs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。

接下來介紹我們的合併業績。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，較去年同期增長55%，其中包括與法律訴訟相關的$24億費用，以及與2026年5月裁員相關的$12億遣散費。

同比增長主要由員工薪酬、基礎設施成本、法律相關成本以及第三方AI代幣成本的增加所驅動（不包括前述遣散費用）。員工薪酬的增長源於我們在過去一年中新增的技術崗位，尤其是AI人才。

基礎設施成本的增長主要源於更高的折舊費用、數據中心運營成本以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，較第一季度下降3%。這一總數包括約8000名受2026年5月裁員影響的員工。我們預計，到2026年第三季度末，大部分受影響員工將不再計入我們的員工總數。

第二季度Gap業務的營業利潤爲$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，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。季度末公司持有現金及有價證券共計$903億，債務總額爲$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將這種用戶參與有效變現的能力。

在第一點上，我們繼續從Instagram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，這主要得益於信息流和Reels推薦算法的改進。

在Facebook視頻方面，全球用戶使用時長同比增長9%，在美國和加拿大地區更是增長超10%，這主要得益於排名算法的優化。我們發現，大語言模型（LLM）在提升內容排名和推薦效果方面正變得越來越強大。

首先，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。其次，由LLM驅動的智能體還在工程開發中發揮作用，例如評估內容質量、識別趨勢以及測試排名算法的變更。

今年早些時候，我們達成了一項里程碑：Instagram上所有公開的Reels和信息流動態均已通過大語言模型自動處理，並從主題到語氣等多個維度進行分析。我們也在努力將更多Facebook平台的界面納入這一系統。

這些信號隨後可傳遞至下游應用，用於排名推薦和內容政策執行，這是實現更高程度個性化的重要基石。本季度，我們還開始使用Muse系列模型，對視頻、主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。

最後，我們的推薦也正變得更加個性化，在推送更多新鮮內容的同時，讓用戶對所見內容擁有更多直接控制權。在Reels中，我們發佈了迄今爲止最大規模的一次排序改進，結合了更快的推理速度和一種新架構，該架構利用更深入的用戶歷史來提升預測效果。

這推動了Instagram會話時長提升了15個點子，尤其在Reels互動分享和用戶停留時間方面表現強勁，這兩項都是內容與用戶匹配度更高的有力指標。我們現在正將這一改進應用於信息流，早期結果看起來同樣可觀。

我們也在更快速地向用戶推送新內容。通過對實時基礎設施的投資以及對新視頻建模的改進，我們最大的排序模型現在能夠在新Reels創建時就識別出高質量內容。

在Instagram信息流中，目前超過一半的推薦內容發佈不到一天，是一年前的兩倍多。我們還賦予用戶對所見內容更多的直接控制權。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，在Facebook上，我們推出了「塑造你的信息流」（Shape Your Feed）功能。早期數據顯示，參與該功能的用戶中有超過80%持續使用。展望未來，我們正持續推進長期計劃，開發下一代推薦系統。

這包括構建專爲同時驅動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（LLM）的推薦系統。今年上半年，我們達成了首個研究里程碑：通過推薦數據對一個大規模模型進行持續預訓練，並在此過程中觀察到了良好的縮放規律。

這一里程碑令我們備受鼓舞，並預計在今年下半年繼續取得進展。接下來談談推動我們收入表現的第二個因素：提升變現效率。這項工作的第一部分是優化自然互動中的廣告投放水平。

在這方面，我們持續優化系統，以在最佳時間和位置展示廣告。第二季度，我們還擴大了在較新界面的廣告投放，包括完成了WhatsApp動態（Status）功能在全球範圍內的廣告擴展。

我們已支持更多類型的廣告落地頁、廣告主績效目標及狀態，並正按計劃推進全球上線。接下來是提升變現效率的第二部分：改善使用我們服務的企業客戶的廣告效果。

在我們的廣告系統中，隨着我們部署更復雜、更具預測性的模型，我們正在實現性能提升。本季度，我們推出了Meta生成式推薦系統（Meta Generative Recommender），這是對我們廣告系統運作方式的一次範式轉變。

我們現在不再對每個可能的廣告逐一評分，而是利用大語言模型（LLM）同時分析廣告內容和用戶偏好，爲每位用戶預測最合適的廣告。這讓我們的廣告匹配更加智能、更加精準，從而爲廣告主帶來疊加的性能增益。

我們將首個生成式模型部署到廣告檢索系統中，並觀察到廣告表現的顯著提升。第二季度，早期試點項目利用大語言模型（LLM）更好地理解用戶偏好，推動Instagram上的應用事件轉化率提升了1%。

我們還升級了用戶理解模型，以同時分析廣告和自然內容活動，從而同步提升用戶體驗與廣告主效果。結合用於廣告排序和序列學習的GEM模型，這些改進使Facebook上的廣告點擊量提升了8.3%，轉化率提升了15.7%。

我們也在利用AI賦能企業，使其更輕鬆地管理廣告活動、創作廣告素材並與客戶互動。我們基於AI驅動的Advantage Plus端到端解決方案持續增長，本季度年化營收運行率已超過$750億。

我們正致力於推動更深入的採用，因爲使用多種工具的廣告主能獲得疊加的性能增益。我將分享一個例子，說明Advantage Plus如何顯著簡化並提升中小企業的效果營銷效率。

一家印度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，其購買量實現了13%的增量提升，加購轉化率也提高了16%。

我們面向廣告創意的生成式AI工具的採用規模持續擴大，已有超過900萬家中小企業至少使用了一種AI創意工具。圖像生成功能現已允許廣告主基於現有內容大規模製作更多創意素材，包括一項從視頻資產生成圖像的新功能，本季度採用率增長了一倍以上。

我們還推出了一項全新的端到端創意解決方案，爲廣告主提供AI基礎設施，使其能夠將真實的效果信號轉化爲下一次創意決策，同時保留品牌調性與風格。我們從第一天起就構建了與代理機構系統的集成，讓團隊無需離開現有工作流即可診斷、生成並規模化高表現創意素材。

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、符合品牌調性的創意素材的能力。藉助Meta商業代理（Meta Business Agent），企業可通過我們的消息應用全天候響應客戶諮詢、推薦產品並處理支持請求，從而更好地服務客戶。

本月早些時候，我們還推出了Meta Business Agent平台，爲企業提供基礎設施，使其能夠在WhatsApp上大規模構建、定製和部署自己的商業智能體。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，使它們能夠設定規則，並在客戶已使用的即時通訊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，已在WhatsApp上部署了一個商業智能體，可在一次對話中完成從選車、定價到支付的整個預訂流程。回頭客僅需發送3條消息即可完成預訂。

在一個月的時間內，Movida報告稱，通過WhatsApp的日均預訂量較去年同期增長了44%。此外，該渠道85%的對話完全由AI智能體自主解決，無需人工介入。

我們還在拓展生態系統的其他變現方式。另外兩個收入來源分別是訂閱服務，以及通過API對我們的高性能模型進行商業化。Meadow 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，讓他們獲得更多功能和AI工具，用於創作、連接和脫穎而出。

我們很高興將這些服務帶給更多用戶，並持續爲訂閱用戶提供增強型工具。我們最近還以具有競爭力的價格推出了高智能模型API，初步結果令人鼓舞。

我們近期已在美國開發者可訪問的Open Router平台上推出Muse Spark，擴大了其分發範圍，並讓開發者更輕鬆地採用該模型。我們預計很快將在更多分發渠道推出該模型API，將其推廣至更多國家，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，我們當前的計劃聚焦於最大化2026年和2027年的算力容量。過去當我們獲得額外算力時，已被證明極具價值，並推動了如Wheels等體驗的規模化擴展。我們相信，在這一時間框架內情況仍將如此。

從更長期來看，確切的使用量增長曲線更難預測，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，既面向36億名用戶，也面向數百萬家企業。

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，處於前沿將爲我們打開新的市場和機會，而這些可能需要額外的算力支持。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，爲我們提供靈活性，以便在2028年及以後繼續擴大算力規模，以適應未來服務器部署的需求。

這些資產具有較長的生命週期，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，我們一直在對內部定製芯片等關鍵領域進行戰略性投資，這將爲我們帶來長期的戰略靈活性和供應鏈議價能力。

這將有助於提升這些長期投資的回報率。最後，我們認爲，在可預見的未來，整個行業的產能仍將保持緊張態勢。正如我們此前所述，我們堅信，我們正在構建的模型、消費者體驗和企業級產品，將是對我們的基礎設施實現最佳且最高投資回報率（ROI）的用途。

正如Mark所提到的，這些企業級產品可能採取多種形式，例如智能體工具、API，或在市場需求遠超供應的情況下直接變現算力資源。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——確保在需要時擁有充足算力，併爲我們提供多種路徑來產生回報，避免資本閒置。

在爲這些基礎設施投資提供資金方面，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，以補充業務自身產生的現金流。我們昨天與貝萊德（BlackRock）宣佈的合作，就是我們可以構建的、用於補充我們基礎設施能力建設策略的合作伙伴關係的一個範例。

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，外匯因素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，我們將費用預期區間的下限上調，以納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。

我們仍預計今年實現的營業利潤將高於2025年。我們預計2026年資本支出（包括融資租賃本金支付）將在130億至$1,450億之間，較此前預期的125億至$1,450億有所收窄。

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13%至16%的預期。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，我們繼續在多個市場看到針對青少年相關問題的審查，並已在美國安排了多場與青少年問題相關的庭審，這些案件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。我們現在開始問答環節。如需提問，請在您的按鍵電話上按*1；如需撤回問題，請再次按*1。每人請僅提一個問題。爲確保清晰度，請在提問前拿起聽筒。如果您正在觀看本次電話會議的直播，請關閉電腦揚聲器靜音。我們的第一個問題來自摩根士丹利的Brian Nowak，請發言。

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豐富的新產品管線，這些確實蘊含着大量機會。

但我的問題是，當您審視這些機會以及當前產品狀態和算力容量時，您預計哪些領域能在2026年和2027年率先實現規模化，並向投資者展示可量化的實質性資本回報率（ROIC）？

另外，Susan，此前有一些關於2027年算力容量及翻倍計劃的公開評論，也感謝您對資本支出（CapEx）的說明。能否就2027年的資本支出提供一些初步看法？例如，在規劃這一多年建設過程中，您如何看待潛在的上行空間或下行壓力來源，以及相應的融資策略？

馬克·扎克伯格

我可以先回答第一個問題。就不同機會以及我們對整體算力的規劃而言，很大一部分算力用於訓練模型，以保持我們在領先實驗室的地位，我認爲這是一項重要投資。

其餘算力則用於一系列不同的產品和收入機會，包括優化和提升我們的核心業務、即將推出的新型消費者產品、API服務、企業智能體項目，以及我之前提到的開發者工具路線圖中的相關工作。

此外，我們也看到直接銷售算力的機會。正如我之前提到的，我們已經收到不少報價，價格顯著高於我們獲取算力的成本。不過，我們認爲直接銷售智能（intelligence）而非算力本身，將帶來更高的利潤率。

當然，我們也認爲直接銷售算力本身同樣存在巨大機會。因此，雖然您問的是哪個領域最有可能率先規模化，但我實際上對所有這些領域都持非常樂觀的態度，預計都將實現顯著增長。我們很快也會在其中多個領域分享更多進展。

Susan Lee

Brian，關於您的第二個問題，我們目前暫未提供2027年資本支出（CapEx）的具體展望。基礎設施規劃仍處於高度動態變化中，即便在今年，我們的展望也已包含了多種可能的結果。

我在主要發言中曾提到，我們當前的重點是調整基礎設施規劃，以最大化2026年和2027年的產能，併爲我們提供在2028年及以後持續增長的靈活性，同時也讓我們有能力在屆時評估實際需求後，做出服務器相關決策。

因此，我們仍在梳理未來幾年的產能需求。總體而言，我們認爲短期產能比長期產能更具價值，而且目前這一規劃過程仍然非常動態。

接線員

下一個問題來自高盛的Eric Sheridan，請發言。

埃裏克·謝裏丹

謝謝您接受提問。如果可以的話，我想問兩個問題。當您描述企業級業務機會時，基於目前已構建的市場拓展策略——即作爲現有廣告和營銷業務的延伸——您認爲當前有多大比例的機會是可以把握的？又有多少機會需要建立全新的市場拓展策略才能實現？

另外，Susan，如果可以的話，我再擠一個問題。展望未來幾年公司的資金來源，您提到了昨天宣佈的交易，作爲探索爲未來義務融資方式的一個例子。

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，你們如何看待既要雄心勃勃地加大投入，又要兼顧資本需求之間的平衡？非常感謝。

馬克·扎克伯格

當然，我可以先談談第一部分。我認爲在企業級業務方面，將結合現有業務的延伸——也就是向營銷人員以及那些面向客戶、試圖直接觸達並銷售給客戶的公司進行銷售。

顯然，這構成了Facebook和Instagram平台上絕大多數業務。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），可以進一步拓展這一模式，持續與客戶互動。

就像廣告系統一樣，我們將在爲客戶帶來實際成效時獲得收入。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自然延伸。

因此，我認爲這對我們來說應該是一個非常自然的機會，我們正專注於以一種方式來實現它——也就是說，我們並不試圖在短期內最大化銷售額，而是力求爲用戶帶來最佳成果，並打造一個穩健的拍賣機制。我們也看到，這種做法長期以來一直對業務大有裨益。

還有其他企業客戶，我認爲我們將越來越多地爲他們提供服務。我們正在構建和開發內部生產力工具，部分原因是我們自己也需要這些工具，並且必須確保我們擁有適合自己需求的工具。

現在既然我們已經擁有了這些工具，我們就覺得無論面向中小企業還是大型企業，都存在巨大的服務機會。這在某種程度上不同於我們過去所具備的能力。我們很快將分享更多關於如何拓展這一業務的計劃。

但我認爲這其中蘊藏着非常巨大的機遇。在我看來，雖然近期媒體大量報道了計算能力（compute）方面的情況，但企業級市場的機會實際上是所有這些不同要素的總和。

這不僅僅是銷售計算資源，還包括API服務、生產力服務，以及用於營銷以外其他業務環節的商業智能代理等，這些共同構成了我們的整體解決方案。我認爲這裏存在着極其龐大的機會。

因此，我們對此非常專注。這將在一定程度上成爲公司需要培養的一項新能力，但我認爲這是非常重要的一環，只有這樣我們才能充分把握前方的巨大機遇。

蘇珊·李

Eric，關於你的第二個問題，即資本來源方面，這是我們一直在認真思考的問題，尤其是在規劃未來財務戰略時。顯然，我們強勁的經營性現金流使我們在爲基礎設施建設融資方面處於有利地位。

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。

我們還擴大了資本來源的範圍，例如昨天宣佈的與貝萊德的合作。未來在評估新項目時，我們會繼續審慎地評估各種合適的資本來源。

接線員

下一位提問者來自伯恩斯坦（Bernstein）的Mark Schmulich，請發言。

馬克·施穆利希

好的，謝謝您接受我的問題，Mark。現在很多人都有類似的經歷：有人從硅谷深處回來寫代碼，用AI構建智能體（agents），然後回家告訴父母他們用AI的方式不對——AI對他們來說只不過是個高級點的搜索工具而已。

大家都知道，消費者行爲向來很難預測。但結合您那篇《讓AI爲每個人服務》的專欄文章來看，您如何看待消費者採納能否彌合當前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

我認爲一些突破其實已經發生了。而且與其它技術相比，AI的一個有趣之處在於，每隔一年左右——這個週期甚至可能還在加速——你就會獲得全新的能力，從而催生出新的產品線。

比如顯而易見的消費級AI助手市場，這正是我們通過Meta AI正在做的事情，當然競爭對手也在該領域推出了自己的產品。此外，在過去一年裏，我認爲編程智能體（coding agent）市場增長非常迅速，這是第一個真正意義上的智能體市場。

我覺得編程之所以率先發展起來，原因有很多。首先，它的用戶是技術人群，他們願意投入精力讓工具發揮作用；其次，編程本身就是一種數字化程度高、閉環性強的活動，因此在某些方面更容易作爲訓練系統。

但我們押注的方向之一是，我們認爲面向消費者的個人智能體最終將成爲一個極其重要且規模龐大的市場。

舉個例子，如果你展望未來五年——或者任何你認爲合適的時間跨度——幾乎可以肯定的是，數十億人都將擁有一個能理解你目標的個人智能體，全天候爲你工作，幫你實現各種目標。

無論你關心哪個領域，無論是健康管理、興趣愛好、個人理財、提升工作效率、更好地運營家庭，還是改善和增進人際關係、助力職業發展，或是其他方方面面的事情。

這就像是一組非常、非常深入的使用場景。但正如你所說，我認爲面向消費者構建產品與面向開發者構建產品略有不同。如果你是爲消費者打造產品，尤其是當你試圖打造一個不只是被數百萬人使用，而是被數十億人使用的產品時，它必須開箱即用，對吧？它必須足夠簡單。

我認爲目前我們看到的很多這類智能體，或者說很多早期形態的智能體，都需要大量調試。你得進入終端進行設置，才能讓某個使用場景跑起來。一開始看起來很神奇，但可能隨着時間推移就會出問題。

我認爲，那些能夠推出真正開箱即用的個人智能體的公司，將抓住人工智能領域的下一個重大機遇。除了我們在Meta AI方面的工作、在企業智能體方面的工作，以及所有其他事項之外，我們也在積極開發我們認爲將持續推動新能力、催生全新產品線的大模型，對此我們感到非常興奮。

因此，這就是我們非常樂觀的原因。當然，我也明白——我們很快會在某個時間點推出這一產品，那將非常令人激動。但我們目前還沒有做到這一點，所以在業績電話會議上我能透露的內容確實有限。

但我認爲這是一個巨大的機遇，而且幾乎可以肯定，遲早會有人實現它。我認爲這非常契合Meta作爲一家公司的優勢——我們打造的是觸達數十億用戶的消費級產品。

一旦我們把某個產品做出來，我們就非常擅長將其大規模擴展到海量用戶，並且我們也善於構建基礎設施來支持這些高負載的應用。因此我對這一點非常有信心。我深知我們需要爲我們的社區交付這樣的產品，這也是我們當前高度聚焦的方向。

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，感謝接受提問。一個問題問Susan，另一個問Mark。Susan，你提到大語言模型（LMS）在提供有效推薦方面的能力日益增強。能否進一步談談這方面的路線圖？你們目前進展如何？以及如何更好地利用更強的模型和更多的算力？

另外，Mark，關於對外變現算力的方案數量，你們同時也在從多家第三方採購算力容量。希望你能幫我們理解這兩者之間的差異。這僅僅是時間安排或臨時過渡的問題，還是涉及訓練與推理的不同需求，以及針對不同任務選用最適合的芯片？謝謝。

Susan Lee

謝謝，Doug。我來回答第一個問題，關於我們在推薦功能路線圖上的進展。首先，我們確實認爲今年剩餘時間乃至到2027年，推薦功能仍有進一步提升的空間。我們預計這將有助於推動Facebook和Instagram在用戶參與度方面取得更多增長。

我想強調幾點。首先，我們將繼續讓推薦內容更加個性化，並更貼合用戶的興趣。部分做法是通過升級我們的推薦模型和架構，以更精準地捕捉用戶興趣，並更快地響應用戶在特定時刻所關注的內容。

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，從而更深入地理解用戶所重視的創作者發佈的內容，更精準地捕捉用戶興趣，並更迅速地回應他們在當下關心的內容。

此外，我們還將利用AI發掘高質量、新鮮且熱門的內容，並降低低質量內容的佔比。其次，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，並更高效地利用這些數據。

我們正在細化對用戶過去互動內容的描述方式，並通過更細粒度的內容信息豐富用戶過往的互動序列，從而使模型能更精準地學習哪些互動對用戶更有價值、哪些則相對價值較低。

我們還在繼續擴大訓練過程中所使用的用戶互動序列的長度，並提升Facebook和Instagram上模型架構的複雜度，以充分利用更大規模的數據集。

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。鑑於其更深入理解內容的能力，我們將進一步將其整合進我們的推薦系統和內容政策執行體系中。

總體而言，我認爲我們對這項工作非常樂觀。我們還投入資源，採用基於大語言模型（LLM）的智能體（agentic）方法來改造推薦系統。今年上半年，我們排名智能體的上線數量有所增加，這也有助於提升工程師的生產力——這也是我們非常期待的另一條發展路徑。

馬克·扎克伯格

好的，我可以回答這個問題的第二部分。我想你的問題是關於我們如何看待外界提出購買我們算力的報價，而同時我們自己也在採購算力。

總體來看，目前算力遠遠無法滿足所有需求。正因如此，我們收到了大量針對現有算力的購買報價，但同時我們內部也有許多我們認爲極具價值的用途。

現在從運營業務的角度來看，顯然我們需要權衡的一個常見問題就是：今天應該在多大程度上變現某項資產，還是爲未來開發更多資產？我認爲這始終是一個組合策略，對吧？

你不能只做長期的事情，而忽視在短期內驗證已有市場的可行性。但我也認爲，如果只是把所有算力全部出售、追求短期利潤，那將是愚蠢的。

但當你有機會在此基礎上構建智能能力時，這種智能會帶來一種乘數效應，並不斷複利提升底層算力的價值。因此，我認爲我們當前的做法是正確的——即投入大量資本建設算力基礎設施，同時有信心在適當時機直接將這些算力變現。

同時我們也清楚，在算力之上有大量不同的應用場景可以實現智能能力的變現，包括我們之前提到的企業級用例，以及一些面向消費者和基礎業務的用例。

還包括我們的核心業務本身——甚至不一定是我們尚未提及的新產品，而是利用這些能力進一步增強智能水平，改進核心服務中的排序、推薦和廣告效果。

因此，我認爲上述所有情況都是真實的，並形成了這樣一種動態：我們目前正在投資建設數據中心，但這些設施需要一段時間才能上線；顯然，在它們上線之前，我們還無法從中獲得價值。

但我們基本上看到對所有這些領域存在巨大的需求，因此希望最大化機會，推動這些不同業務的發展。

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

非常好，謝謝。Mark，您大約一年前聘請了AI實驗室的高級管理團隊。您能否分享一下對實驗室目前表現的看法？您是否認爲市場很快會看到產品推出速度的明顯加快，無論是模型、芯片還是其他方面的進展？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，我對目前的發展軌跡非常滿意。我們已經發布了幾個在我看來相當出色的模型，處於早期擴展階段。正如我之前所說，我們正在推進更大規模、更先進模型的擴展工作，對此我們感到非常興奮。

我認爲這其中有智能層面，也有數據層面。而且我覺得確實如此：無論你想進入哪一類產品領域，都會存在某種飛輪效應——你從用戶行爲以及該社區中人們如何使用產品中不斷學習。

因此，你在這一方面做得越好，獲得的反饋就越多，而這必然會讓產品變得更好。所以我認爲在這個領域，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，對這個人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，將是其中非常關鍵的一個方面。

有些公司從不同的優勢、不同的市場以及這一領域的不同環節起步。但同時，我認爲之所以一開始就要推進多個不同方向的工作，原因之一就是這些技術本身具有通用性。

因此，當你構建出這種智能後，它可以應用於多種不同的用途。但隨後，你需要投入資源去打造圍繞這些用途的飛輪效應，因爲我認爲這才是隨着時間推移建立可持續競爭優勢的方式。

但我認爲，Meta已經明確證明了一點：當我們擁有一種行之有效的產品形態時，我甚至可以說，我們可能是全球最擅長將這類體驗規模化到數十億用戶的公司。

因此，我對個人智能體（personal agent）相關的工作感到相當有信心，也對商業智能體（business agent）的工作非常看好——因爲我們已經擁有龐大的廣告主和中小企業客戶基礎，並具備將相關能力在其周圍規模化部署和推廣的能力。

這些構成了持久的競爭優勢，再加上我們正在其上構建的數據飛輪。此外，顯然在研究層面，你也希望打造良好的文化。我的意思是，這些都屬於比較基礎的事情，但我認爲關鍵在於確保團隊的建設方式能夠高效管理事務，並以低內耗的方式持續複利增長。

這正是我們所追求的目標。我認爲，如果你能在這方面做得很好，即便無法用清晰的數學公式來解釋，但這就是商業運作的本質。所以，是的，這就是我們正在做的事情。

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，接着聊一下關於AI實驗室的評論。Muse Spark 1.1 非常接近帕累託前沿，但在較低成本區間處於智能光譜的較低端。而且我得說，從你上一個回答聽起來，你認爲在低成本和更高性能（更昂貴）兩端同時競爭非常重要。

你能稍微談談這一點嗎？另外，你們實驗室的領導層也提到要重新回歸開源，回到幾年前的狀態。那麼這如何融入整體戰略？以及所有關於AI產品和模型貨幣化的討論？非常感謝。

馬克·扎克伯格

是的。我想稍微講講這背後的科學流程。基本上，在訓練大模型的每個階段，你都會觀察到新的行爲。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、沿着擴展階梯不斷攀升的成果，而且我們仍在繼續擴展更大規模的模型。我認爲，就Muse Spark 1和Muse Spark 1.1而言，考慮到模型的規模以及實驗室當前的發展階段，它們是非常出色的模型，我對它們相當滿意。

當然，我們也希望擁有更先進的模型，這也是我們正在擴展更大模型的原因，也是我們圍繞此構建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，這些模型將大規模地服務於消費者。如果你要服務數十億用戶，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提示請求。

因此，我認爲這兩者都非常重要。效率確實很關鍵，但我也認爲，我們必須能夠爲全球的企業和客戶解決最棘手的問題。所以在開源方面，我們對兩者都很重視。

我們認爲開源一直是生態系統的重要組成部分，對世界有益，也能爲我們帶來積極的反饋循環——讓社區更深入地參與我們的基礎設施棧和工作，並貢獻改進。

但我們一直明確表示，我們會採用開源與閉源相結合的方式。如今在加速推進Meta超級智能實驗室（MSL）的過程中，這一點仍然成立。事實上，在某些方面，開源模型反而需要更多工作，因爲如果你只做一個僅供自己使用的閉源系統，它可以稍微粗糙一些；

而如果你將其作爲開源發佈，並會被用於各種場景，你就需要讓它更加全面和完善。我只是想確保MSL團隊在構建我們所能實現的最智能模型時不受任何限制。

我們預計，很快會在某個時間點重新發布一些開源模型。但正如我們一直所說的那樣，我們對此並不教條。我們認爲開源很重要，也希望能爲這一生態做出貢獻。我們計劃同時推出開源和閉源模型的組合。

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，我想再請Mark稍微回顧一下剛才關於開源權重模型的最後一點。您已經就這一話題發表過很多看法，能否再談談爲什麼支持或不支持？這是否會改變Meta對開發閉源前沿模型的看法？

第一個問題是：如果開源權重模型大量湧現，是否意味着你們無需自行開發前沿模型？這是第一個問題。第二個問題，如果可以的話，請Susan澄清一下：您在事先準備的發言中提到，計劃最大化2026年和2027年的產能。

這指的是需求端還是供給端？也就是說，您是在暗示Meta計劃將截至2027年建設的所有產能全部用於內部用途，還是說你們會根據Meta產品和服務的實際需求來決定2028年及以後的建設計劃？謝謝。

馬克·扎克伯格

我可以回答一下這個開源相關的問題。讓我想想。問題的核心其實是：我們是否認爲，既然已經有了一些開源權重模型，就可以完全依賴它們？目前來看，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，還有一個長期存在的政策討論和疑問，即其他公司的行爲是否真的可靠，像Meta這樣的公司是否能依賴這些外部模型。我認爲這非常棘手。因此，從這兩個角度來看，我們都相信自己能夠做出更好的成果，而且我們認爲過度依賴外部模型存在一定的風險。我不認爲這樣做是正確的選擇。

要知道，如果我們退一步來看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。以我個人的工程背景爲例，我寫過大量系統代碼。Facebook之所以成功，很大程度上是因爲它確實「能用」——當其他社交網絡運行緩慢且效率低下時，我們的平台卻真正實現了高效穩定運行。

我認爲，我們有能力打造出更加個性化、更優化、更高效的產品。有些高質量的用戶體驗，其他公司根本無法實現，因爲我們深入到了技術棧的最底層。

在我看來，這一點非常明確：在未來的技術棧中，能夠自主掌控模型的構建主權將成爲重要組成部分。這正是它對Meta至關重要的原因，也是其他人關注開源、以及開源整體上如此重要的原因。

因爲與其他公司一樣，即使它們自身沒有能力構建這些模型，也不希望只能依賴少數幾家封閉的實驗室。世界上非常需要存在開源模型的一席之地。

需要明確的是，這並不會削弱API帶來的機會，也不會影響我所談到的其他方面，因爲總有人需要運行這些模型、進行推理，並能夠高效地部署這些模型；而擁有足夠的算力來實現這一點，將繼續成爲企業競爭優勢的來源。

因此，我並不認爲這些方面必然相互衝突。但當我觀察全球衆多精明的客戶和企業真正想要什麼時，他們會意識到自己必須掌控自己的命運，能夠信任所使用的模型，確保數據安全，不會將數據發送給競爭對手等等。

所以我認爲開源將非常重要，但對我們而言，構建這些模型本身也將是其中的關鍵部分。另外，就目前的情況而言，我知道所有模型都會在一套通用的評估基準上進行評測，人們通常會說某些模型與另一些模型只相差幾個分數點之類的，但實際上，每個模型確實擁有不同的技能組合，就像人一樣，對吧？

就像人一樣，每個人在某些領域有專長，擁有不同的個性，在不同事情上表現有好有壞。如果你試圖爲個人打造『個人超級智能』，或者爲中小企業打造業務代理，那麼這些代理可能需要具備與其他實驗室調優方向不同的特定技能。正如我們過去通過全棧式工作優化Instagram推薦系統或廣告系統才取得如今成果一樣。

我相信，構建這種全棧式模型將在長期內形成大量優勢，幫助我們打造個人超級智能代理、商業代理，以及面向我們希望服務的所有客戶的各類不同應用場景。

除了我們已有的分發能力以及觸達大量用戶並規模化成功產品的能力之外，我認爲這種持久優勢很大程度上來自於你所構建的東西能針對特定用例量身定製，並在這些用例上做到極致出色。

坦白說，我明白這是一項巨大的投資，也是一次重大的押注。我們已經看到這項技術正在發揮作用，對實驗室的發展軌跡感到滿意，也對即將推出的產品感到興奮，並堅信這將成爲一件大事。

所以，我理解這在整個行業看來都是一次重大押注。我個人的看法是，那些在此領域投入資源的人，最終將獲得回報，並隨着時間推移感到非常滿意。

Susan Lee

我先快速回答一下您的第二個問題。當我們提到聚焦於2026年和2027年的產能時，實際上有兩個因素。其一是，我們目前以及在可預見的未來仍將處於需求受限的狀態。這實際上也包括我們的核心業務——即便如此，我們仍有許多投資回報率（ROI）爲正的項目，只要有足夠的算力資源，我們就會投入其中。

第二個因素當然是長期產能建設所面臨的不確定性。正如我在前面評論中提到的，我們需要更早地着手擴展整個供應鏈。

因此，我認爲展望2027年之後，尤其是進入2028年及更遠的未來，整個行業格局將發生巨大變化，我們自身的內部需求也會隨之演變。到那時，很多關鍵問題都將水落石出。因此，在當下規劃2028年時，我們真正關注的是靈活性——即確保擁有土地和電力資源，但將實際採購芯片及其他大額資本支出項目的決策推遲到未來再做決定。

因此目前而言，我們認爲自己在26年和27年有很多對產能的良好應用場景，這也正是我們當前建設的方向。

接線員

非常感謝大家今天參與本次會議，我們期待不久後再次與各位交流。今天的電話會議到此結束，感謝您的參與，您可以現在斷開連接了。

詳細信息請訪問 Meta Platforms 投資者關係部

提示：上述內容由AI語言模型基於公開可用信息生成，幷包含來自第三方的自動生成字幕。以上材料不代表富途立場，也不構成任何投資建議。富途對上述內容中顯示的信息的準確性、及時性或完整性不做任何明示或暗示的保證。

瀏覽 32.6萬