声明：本文仅供参考，不构成投资建议，股市有风险，投资需谨慎！如文中有侵权请联系删除，谢谢！
来源：Meta2026年第二季度业绩电话会议
会议时间：2026年7月29日 周三
查德・希顿：谢谢大家。下午好，欢迎各位参加Meta 平台公司 2026 年第二季度业绩电话会议。今天与我一同参会、解读业绩的有首席执行官马克・扎克伯格、首席财务官李苏珊。我们今天的发言包含前瞻性陈述，这些陈述均基于截至今日的各项假设。受多种因素影响，实际经营业绩可能与预判存在重大偏差，相关因素详见今日财报新闻稿，以及我们向美国证券交易委员会提交的10-Q 季度报告。本公司无义务对任何前瞻性陈述进行更新。本次电话会议我们将同时披露美国通用会计准则（GAAP）与部分非通用会计准则财务指标，今日财报新闻稿中附有 GAAP 与非 GAAP 指标的调节对照表。财报新闻稿及配套投资者演示文稿均可在官网investor.atmeta.com查阅。接下来，我将把发言交由马克。
马克・扎克伯格，首席执行官：各位好，感谢大家参与本次会议。本季度我们的社区与业务表现强劲，每天至少有36 亿人使用我们旗下任意一款应用。我们达成了多项里程碑成就：Instagram 日活跃用户达到 20 亿；Threads 月活跃用户突破 5 亿，成为有史以来增速最快的对话类应用；Facebook 的日活跃用户早已超过 20 亿；WhatsApp 刚刚创下消息发送历史纪录，世界杯决赛时段每秒消息发送峰值达到 3000 万条。此外，库纳尔・沙阿刚刚出任 WhatsApp 新任负责人，他创办了印度最重要的支付企业之一，将会成为团队的重要力量。我们也从 Meta 超级智能实验室推出了多款优质新模型，并发布了新款智能眼镜。总体来看，我们全平台社区的规模与覆盖范围十分出众，这为我们向数十亿用户推出全新创新产品打下了坚实基础。我们眼前的机遇十分巨大。第一，我们对人工智能的投入如今已经能够推动核心业务的各个板块实现增长。这些投入优化了用户的应用使用体验，为广告主带来更好的投放效果，同时帮助团队更快开发并上线全新产品。第二，我们正在研发全新个人智能代理，这将在未来数月乃至数年成为新一代产品与收入来源的基础。第三，面向企业端存在巨大市场，我们可以向企业提供程序接口、企业智能代理，未来还有可能直接对外出售算力，以及为大型客户打造其他配套服务。今天我会花时间详细说明我们的各项投入如今带来了哪些实际成果，以及我们长期看好的各类机遇。在推动核心业务增长方面，多个领域都展现出亮眼、可期的成果。
在Instagram 和 Facebook 业务中，我对于将大语言模型整合进推荐系统的工作十分乐观。大语言模型能够从底层原理理解内容的核心与吸引人的原因，同时更深入理解用户的兴趣以及用户使用产品时的目标。这意味着我们能够推送更贴合用户目标、更有吸引力的相关内容。我们全新的Muse 图像模型、Muse 视频模型也将极大拓展用户可浏览的内容池。目前已有两大内容来源：一是你的好友与你关注的创作者，二是你未关注的创作者；而现在将会出现一整套全新、近乎无限的个性化内容，这会让我们的服务对用户而言更实用、更有吸引力。广告业务方面，我们利用大语言模型优化系统对广告的预测与排序逻辑。我们拓宽了系统可参考的用户原生内容、广告交互行为维度，以此判断广告的匹配度，Facebook 与 Instagram 的广告相关性、转化量均实现大幅提升。从营收规模来看，我们广告业务的同比增速高于所有同行的广告业务，这说明AI 投入已经兑现回报。我们全新AI 创意工具的市场需求旺盛，平台上已有 900 万家中小企业至少使用一款我们的 AI 广告创意工具。我们正在推出端到端全新创意解决方案，帮助广告主将投放数据转化为创意决策，Muse 图像模型将进一步放大该能力。这款模型可以自主分析图像、优化自身产出，并根据广告主需求生成更多广告版本，目前市场反馈十分良好。我们还刚刚推出Meta One 订阅服务，在全平台提供更多工具与 AI 功能。随着需求增长，我们也会推出多种不同档位与定价方案。同时我十分看好AI 帮助团队加快产品开发的作用。今年早些时候我们上线了 Instagram 即时动态，也刚刚推出独立群组应用 Forum、独立商城应用 Seller。我预计全新应用的上线难度会大幅降低，因此我们计划落地更多产品创意，并参考 Threads 的推广方式，依托推荐系统推送给感兴趣的用户。Meta 超级智能实验室成立至今刚满一年，整体发展势头强劲。上个月我们推出 Muse Spark 1.1 与 Muse 图像模型。完成 Meta AI 重构并接入 Muse Spark 后，每日与 AI 助手交互的用户数量上涨 60%，且每周仍在快速增长。Muse Spark 1.1 是一款优秀的智能代理、代码专用模型，运行效率极高，擅长设备操作、工具调用、多模态理解。该模型可通过全新公共 API 获取，未来数周我们会通过合作渠道、更多代码代理扩大分发范围。我们也在开发配套功能，降低企业接入 Muse Spark 的门槛，这会是我们持续重点发力的领域。我们重点强化Muse Spark 的智能代理能力，原因是我们认为推出几类契合公司使命与业务的智能代理将蕴藏巨大机遇。第一类是个人智能代理。不久之后，我们将推出可24 小时为用户服务的智能代理，协助用户达成各类目标，改善生活、健康、人际关系、财务状况等一切你关心的事务。智能代理最先落地的领域是代码开发，但工程师群体技术门槛更高，愿意花费时间调试工具。想要打造优质个人消费级代理，产品必须开箱即用，操作简单，能够被数十亿普通用户轻松上手。我对此十分期待，后续我们会披露更多相关信息。未来所有人都会同时使用多款智能代理，WhatsApp 与其他消息应用的重要性会持续提升。WhatsApp 已经是用户使用 Meta AI 最主要的载体。我们正在搭建多代理统一消息平台，打造私密安全的 AI 使用体验。本季度我们在 WhatsApp 与 Meta AI 应用上线无痕模式，用户与助手的私密对话，即便是 Meta 也无法查看。我们计划将强隐私、安全设计作为所有自研智能代理的底层基础。企业智能代理的落地进展同样令我振奋。本季度Meta 企业智能代理在 WhatsApp、Messenger 全球上线，每周已有超过 100 万家企业借助该工具对接客户、完成成交，目前我们也正在 Instagram 铺开该功能。智能代理每日和客户沟通的过程中会持续学习，沉淀各类业务洞察。我们正在开发更多代理功能，自动汇总全部对话、梳理隔夜客户咨询内容、提炼客户诉求。不久后功能会进一步升级，包含业务增长建议、竞品情报、投放效果实时分析。长期我们希望将这套工具打造成一站式企业经营服务，企业可依托Meta 全平台完成整套经营流程。商业化模式采用订阅+ 按量计费结合，我预计未来更多产品会对标广告体系，企业仅在我们为其带来实际业务成果后付费。长期我们可搭建高效算力竞价体系，逻辑和当前广告投放竞价机制相近。随着产品、企业端AI 使用量持续攀升，我们持续激进加码基础设施投入。昨日作为Meta 算力业务布局的一环，我们宣布与贝莱德成立全新战略合资企业，在得克萨斯州埃尔帕索建设一座 1 吉瓦规模的数据中心。整体来看，我们大部分算力将用于模型训练、核心业务增长、个人智能代理与全新产品落地；同时面向大型客户的对外算力业务也会形成可观规模。我们已搭建完整API 体系，正在推广企业智能代理，大量企业给出溢价采购算力的合作邀约，代码、生产力工具也在研发路线中，相关细节我们后续会详细披露。在个人通用人工智能时代来临前，我们还需要配套硬件，实现与AI 的无缝交互，智能眼镜是理想载体，可全天佩戴，在不割裂现实的前提下为用户提供辅助。Meta 智能眼镜是史上增速最快的消费电子产品之一，我们持续扩充产品线。我们刚刚与依视路陆逊梯卡推出自有Meta 智能眼镜系列，包含与凯莉・詹娜联合设计款式；这是首款出厂预装 Muse Spark 的智能眼镜，可识别视野内容并给出更完善的解答，初期销量超出预期。9 月 23 日 Meta Connect 开发者大会，我们将完整披露全套眼镜产品线，欢迎大家届时收看。收尾前我想说明，我刚刚发表一篇专栏文章，阐述我为何对全民正向AI 未来充满信心。Meta 长期以来的产品理念是让技术掌握在用户手中，方便人们联结亲友、打造自己想要的生活，这也是我们始终坚持产品平价、全民可及的原因，这套策略同时利好社区生态与公司经营。迈入AI 发展新阶段，相同理念指引我们的研发方向。我们是唯一一家以向大众普及通用人工智能为核心目标的头部科技企业，不垄断超智能技术，而是广泛分发，让每个人自主决定 AI 服务自身的方向，这也是人类社会长期进步的底层逻辑，我相信这是打造正向 AI 产业的正确价值观，落实这套理念的同时，公司业务也会持续强劲增长。以上是我今天的核心发言。AI 正在优化我们的核心产品、提升广告主投放效果，多款全新产品陆续落地，未来我们还会推出更多创新成果。市场潜力巨大，因此我们持续加大投入。感谢各位一路同行，接下来交由苏珊解读财务数据。
苏珊・李，首席财务官：感谢马克，各位下午好。首先分板块解读业绩，若无特殊说明，所有数据均为同比对比口径。第二季度全系应用总营收604 亿美元。第二季度全系应用广告营收594 亿美元，同比增长 27%，固定汇率口径增长 26%。第二季度全平台广告总曝光量同比上涨14%，全球各区域曝光均衡增长，驱动因素包含用户活跃度、用户规模提升，以及广告加载优化。全球单条广告均价同比上涨 12%，受益广告转化效果提升、去年二季度后宏观环境改善、汇率红利；但低变现渠道、区域曝光量大幅增长，部分抵消均价涨幅。全系应用其他业务营收首次单季度突破10 亿美元，同比增长 73%，核心驱动力为 WhatsApp 付费消息、订阅服务收入。现实实验室板块第二季度营收4.31 亿美元，同比增长 16%，AI 智能眼镜销量大幅增长，Quest 头显销量下滑形成部分对冲。接下来解读合并整体财报数据。第二季度公司总营收608 亿美元，同比增长 28%，固定汇率口径增长 27%。第二季度总费用420 亿美元，同比增长 55%，其中包含 24 亿美元法律相关支出、12 亿美元 2026 年 5 月裁员遣散费。费用同比上涨主因员工薪酬、基础设施成本、法律相关开支、第三方 AI 代币采购增加。剔除上述遣散费后，员工薪酬上涨源于过去一年扩招大量技术人才，尤其是AI 领域人才。基础设施成本上涨来自折旧、数据中心运营支出、第三方云采购费用提升。二季度末员工总数超7.5 万人，较一季度下降 3%，该人数包含 5 月裁员涉及的 8000 名员工，我们预计 2026 年三季度末大部分涉裁人员将完成人员清退，不再计入员工统计口径。第二季度GAAP 口径营业利润 188 亿美元，同比下滑 8%，营业利润率 31%；剔除二季度法律支出、遣散费后，营业利润同比上涨 9%。本季度有效税率16%。净利润158 亿美元，每股收益 6.18 美元。资本开支（包含融资租赁本金偿还）311 亿美元，投向服务器、数据中心、网络基础设施。自由现金流7.84 亿美元。二季度末公司持有现金及有价证券903 亿美元，总负债 837 亿美元。
接下来拆解业务经营表现，营收两大核心驱动：为用户打造高粘性产品体验、持续提升流量商业化变现效率。第一，内容推荐相关迭代持续带来显著增长。Instagram 本季度全球用户时长双位数同比增长，核心驱动力为信息流、短视频 Reels 推荐优化；Facebook 视频时长全球同比上涨 9%，美加地区涨幅超 10%，排序算法升级拉动增长。我们发现大语言模型可持续提升排序、推荐效果：其一，大模型理解内容本质，生成更优质训练数据，优化现有系统；其二，依托大模型打造的智能代理辅助研发团队评测内容、捕捉行业热点、测试排序迭代方案。今年我们达成里程碑：Instagram 全部公开短视频、动态帖子均自动通过大模型解析主题、情绪等多维度信息，我们正推进将该能力覆盖 Facebook 更多内容板块。解析后的各类信号可传导至下游排序、推荐、内容合规管控系统，是实现更高个性化的核心基础。本季度我们同步使用全套 Muse 模型完成视频分类、摘要等内容解析，初期成果积极。同时推荐个性化程度持续提升，推送更多新鲜内容，同时赋予用户直接调控推荐内容的权限。短视频Reels 上线史上规模最大排序版本更新，推理速度提升搭配全新用户历史分析架构，带动 Instagram 会话量上涨 15 个基点，转发、停留时长涨幅突出，是内容匹配度提升的直观信号。同款优化方案正在落地信息流 Feed，初期数据表现相近。我们也实现新品内容更快进入推荐池，依托实时基建、短视频模型优化，大型排序模型可在短视频发布时识别优质内容。目前Instagram 信息流中超半数推荐内容发布不足 24 小时，一年前该比例仅为一半。我们向用户开放内容调控工具：Instagram 上线「你的算法」页面，用户可输入自然语言指令调整推荐偏好；Facebook 推出「自定义信息流」，使用该功能的用户留存率超 80%。长期研发规划方面，我们正在搭建新一代推荐系统，包含可同时服务原生内容、广告推荐的基础大模型，以及原生适配大模型的推荐架构。本半年度我们完成推荐专用大规模基础模型持续预训练，验证了正向缩放规律，我们对此成果十分鼓舞，预计下半年持续取得进展。营收第二大驱动：提升商业化变现效率。变现优化第一部分：原生内容中广告加载节奏优化。二季度我们持续迭代系统，在最优时点、位置展示广告；同时完成Threads 全球广告铺开，WhatsApp 动态板块新增多类广告落地页、广告主转化目标，全球上线推进工作按计划进行。变现优化第二部分：提升广告主投放转化效果。本季度我们推出Meta 生成式推荐引擎，重构广告底层匹配逻辑，不再单独为每条广告打分，依托大语言模型同步解析广告素材、用户偏好，预判最优广告，广告匹配更智能、精准，持续放大广告主转化收益。我们在广告检索系统落地首代生成模型，广告效果改善显著；依托大模型优化用户偏好理解的 Instagram 试点，应用转化量上涨 1%。二季度我们同步迭代用户理解模型，同步解析广告、原生浏览行为，兼顾用户体验与广告主收益；搭配广告排序、序列学习GEM 模型，Facebook 广告点击量上涨 8.3%，转化量上涨 15.7%。我们依托AI 简化广告主投放、创意制作、客户运营流程。AI 一站式 Advantage 解决方案规模持续扩张，本季度年化营收突破 750 亿美元；同时使用多款工具的广告主收益形成复利增长。举中小企业案例：印度线上服饰品牌Underneat 此前在 Facebook、Instagram 手动搭建投放计划，接入 Advantage 全链路销售投放，搭配受众、投放位、预算优化工具后，下单量增量上涨 13%，加购转化上涨 16%。AI 创意工具企业渗透率持续提升，超 900 万家中小企业至少使用一款 AI 创意工具；图像生成工具本季度使用量环比翻倍，支持从视频素材生成图片；我们推出全新端到端创意方案，为广告主提供 AI 基建，依托投放真实数据迭代创意，同时保留品牌风格，原生对接广告代理商工作流。Muse 图像模型上线后，将进一步拓宽广告主批量生成高质量品牌素材的能力。依托Meta 企业智能代理，企业可在消息应用 7×24 小时接待咨询、推荐商品、处理售后；本月我们推出 Meta 企业智能开发平台，大型企业可在 WhatsApp 批量搭建、自定义专属客服代理，平台内置企业级管控、数据监测功能。巴西大型租车企业Movida 在 WhatsApp 部署企业智能代理，整套订车流程（车型选择、定价、支付）均可在单次对话完成，老用户仅需 3 条消息即可完成预约；上线一月内，WhatsApp 渠道日订单同比上涨 44%，85% 的客户咨询可完全由 AI 代理处理，无需人工介入。我们同时拓展多元化变现渠道，两大新增收入来源为订阅服务、付费大模型API。Meta One 是订阅产品升级方案，面向普通用户、创作者、中小企业，打包更多创作、社交、AI 专属功能，我们计划推向更多用户，持续完善订阅配套工具。我们近期推出平价高性能大模型API，初期反馈良好；Muse Spark 已接入 OpenRouter 面向美国开发者，后续将拓展更多分发渠道、落地更多国家、开放企业定制权限。算力基建规划受多重核心因素影响：第一，短期、长期基建环境均具备动态不确定性，行业过往算力建设规模不足以匹配AI 普及浪潮，包括我们自有算力在内的现有资源价值极高；长期视角下，上下游供应链仍需大规模扩建，匹配全行业 AI 产品算力需求。第二，我们有充足信心依托现有算力放大产品规模，同时持续投入基础大模型，开辟全新市场机会。因此当下规划以最大化2026、2027 算力储备为核心；过往新增算力落地后，可快速放大 Reels 等产品规模，本次 AI 周期同理。长期算力需求增长曲线难以精准预判，但我们的全球分发优势，可支撑各类面向36 亿用户、数百万企业的 AI 产品落地；即便模型并非行业最前沿，依然具备市场价值；但前沿模型可开辟全新市场，届时会配套新增算力投入。因此长期算力战略预留2028 年及以后扩容弹性，提前落地数据中心、网络底层基建，后续可灵活调整服务器采购；数据中心、网络设备使用周期长，天然赋予投资调整空间。我们同步自研定制芯片，打造长期战略弹性与供应链议价能力，提升长期投资回报率。最后，我们预判可预见的未来，全行业算力将持续紧缺。正如我们此前表述，自研大模型、消费级产品、企业服务是算力投资回报率最高的使用场景。马克提及企业变现存在多种形式：智能代理工具、API、直接算力外销，市场溢价需求充足。灵活把握各类商业机会，可更高效支撑基建投入，同时保留算力储备战略弹性，多路径实现资本回报。基建资金层面，稳健的资产负债表可支撑我们从多元市场吸纳资金，补充经营现金流。昨日与贝莱德的合资数据中心项目，便是配套基建融资合作案例。
接下来发布财务业绩指引。我们预计2026 年第三季度总营收区间 610 亿至 640 亿美元；基于当前汇率测算，汇率将对营收同比增速形成约 1 个百分点的拖累。费用、资本开支指引：我们上调费用指引下限，纳入二季度24 亿美元法律一次性支出；2026 全年总费用区间 1650 亿至 1690 亿美元。我们预计全年营业利润高于2025 年。2026 全年资本开支（包含融资租赁本金）区间缩窄至 1300 亿–1450 亿美元，此前区间为 1250 亿–1450 亿美元。若无税制变更，我们预计2026 剩余季度有效税率区间 15%–17%，此前指引为 13%–16%。最后，我们持续跟进各类法律、监管事项，该类事件或对经营、财务造成重大影响；多国针对青少年业务开展监管核查，美国今年有多起相关诉讼，最终或产生大额一次性损失。总结：二季度核心广告、用户活跃度项目落地成效显著；个人通用人工智能、全新大模型迭代持续推进，全年将依托现有增长势能推出多款新品。
下面交由克里斯塔，开放问答环节。
电话运营专员：感谢苏珊，现在开放问答通道。参会嘉宾如需提问，请在电话键盘按下星号1；取消提问再次按下星号 1。每位参会者仅限提出一个问题，提问前请拿起听筒保证收音清晰。线上直播参会嘉宾请将电脑扬声器静音。首个提问来自摩根士丹利布莱恩・诺瓦克，请讲。
布莱恩・诺瓦克：感谢各位接受提问，我有两个问题分别请教马克、苏珊。马克，您详细介绍了消费代理、企业代理、API、算力租赁等大量新品管线，市场机遇众多。我的问题是，结合当下产品、算力储备现状，2026 至 2027 年哪条业务线会最先落地可量化、可观的投资回报率？苏珊，市场多次讨论2027 年算力翻倍，能否提前分享 2027 年资本开支规划，以及支撑多年基建投入的资金来源、业绩上行 / 下行影响因素？
马克・扎克伯格：我先回答第一个问题。整体来看，大量算力将用于前沿大模型训练，这是核心长期投入；剩余算力分配至多条变现赛道：核心业务优化、全新消费AI 产品、API 接口、企业代理、开发者工具，同时存在直接外销算力的机会，我此前提及已有大量企业给出溢价采购邀约。长期来看，售卖 AI 智能服务的利润率高于单纯出租算力，但算力外销同样空间广阔。我对全板块增长均持乐观态度，后续我们会披露细分数据。
苏珊・李：布莱恩，现阶段暂不披露2027 年精确资本开支指引。基建规划具备高度动态性，今年指引已包含多档情景区间。我在主线发言中提及，当下规划核心是最大化2026、2027 算力储备，同时预留 2028 年后扩容弹性，届时可根据真实需求调整服务器采购规模。未来数年算力规模仍在测算中，短期算力价值高于远期，整体规划持续动态调整。
电话运营专员：下一位提问来自高盛埃里克・谢里登，请讲。
埃里克・谢里登：感谢接受提问，我有两个问题。第一，企业市场分为依托现有广告渠道拓展、全新搭建拓客体系两类，当前依托广告渠道的市场空间占比多少？第二，未来数年资金筹措思路，您昨日提及合资项目作为融资案例，投资者持续关注股债配比，从战略层面公司如何平衡大额投入与资金需求？
马克・扎克伯格：好的，我先来回答第一个问题。我认为企业业务会分为两条发展路径，第一条是现有业务的延伸，也就是面向营销从业者、直面消费者的商家开展业务，帮助他们触达客户、直接促成交易。显然，这是Facebook 和 Instagram 上最主要的业务模式。我们认为可以借助各类通讯应用中的企业智能代理拓展这条业务线，持续维护客户沟通。
和广告体系逻辑一致，只有我们为商家带来实际业务成果时，才会产生收费。我们将这项业务视作与数百万广告主、数亿平台中小企业现有合作关系的延伸。
因此这条业务对我们而言是顺理成章的发展机遇。现阶段我们不会追求短期营收最大化，而是优先为客户创造实际价值，搭建完善的竞价体系，长期来看这套经营模式已经验证可行。
除此之外，我们还会持续拓展另一类企业客户群体。我们正在开发代码、开发工具以及企业内部办公效率软件，开发初衷是满足自身使用需求，打造适配公司内部的工具。
如今这类工具已经成型，我们看到面向大中小企业推广的巨大市场空间。这需要搭建一套和过往完全不同的业务能力，后续我们会详细披露落地规划。
算力相关新闻近期热度很高，但企业市场机遇是多元业务的集合，不只是算力售卖，API 服务、办公效率工具、营销之外各场景的企业智能代理都属于整体业务矩阵。
这块市场体量十分庞大，我们正重点布局。这是公司需要全新搭建的业务能力，但至关重要，以此充分把握未来的市场机遇。
苏珊・李：埃里克，关于资金来源的第二个问题，我们在规划长期财务方案时已经做了审慎考量。稳定充沛的经营性现金流无疑为基础设施建设提供了有力支撑。同时近几年我们持续优化资本结构，提高债务融资占比，以此降低综合资金成本。
对于AI 基建这类长周期投资项目，持续引入低成本长期资金是稳妥的选择。
我们也拓展了多元融资渠道，例如昨日公布与贝莱德达成合作。后续评估各类新项目时，我们仍会审慎筛选适配的资金渠道。
电话运营专员：下一位提问来自伯恩斯坦马克・什穆利克，请讲。
马克·什穆利克：好的，感谢接受我的提问。马克，很多人都有这样一种经历：有人在硅谷深耕代码开发、用人工智能搭建智能代理，回到家之后却跟父母说大家对AI的用法完全错了，人们只把AI当成一个升级版搜索引擎。 消费者行为向来很难预判。但我读了您那篇面向大众普及人工智能的专栏文章，想问问您怎么看待普通用户对AI的实际使用价值认知鸿沟能否被填平？我们是即将迎来行业突破性发展，还是仍需要再多一些耐心？谢谢。
马克·扎克伯格：其实我认为部分领域已经实现突破。对比其他技术，人工智能有一个很特别的地方，迭代周期大概一年左右，而且这个周期还可能缩短，差不多每一年我们都会拥有全新技术能力，进而催生出全新产品线。 首先是面向普通消费者的AI助手赛道，也就是我们正在推进的Meta AI相关业务，行业竞品也推出了同类产品。而过去一年，代码智能代理市场迎来飞速增长，这是首个真正成熟的智能代理赛道。代码相关应用能够率先发展有多方面原因：使用者本身具备技术背景，愿意花时间调试工具；编程本身属于纯数字化闭环工作，某种程度上这类场景的模型训练难度更低。但我们押注的核心方向之一是，消费级个人智能代理最终会成为规模庞大、至关重要的市场。举个例子，放眼五年之后，几乎不可能出现数十亿人没有专属个人智能助手的情况。这类智能代理能够读懂用户的各类目标，全天候为用户处理事务、达成需求。无论你关注哪个领域，健康管理、兴趣爱好、个人财务、居家事务、工作效率、人际关系维护、职业发展等等，全部都能覆盖，相关应用场景极其丰富。但正如你所说，面向普通用户开发产品和面向开发者开发工具思路截然不同。一款产品如果要服务数十亿人，而不只是几百万用户，它必须做到开箱即用、操作简单。目前市面上很多初代智能代理产品都需要大量调试操作，使用者得通过命令行终端完成配置，好不容易跑通某一个场景，短期看着效果惊艳，可运行一段时间后就容易出现故障。我认为，哪家企业能够推出稳定、无需折腾的个人智能代理产品，就将抓住人工智能领域下一个重大机遇。除Meta AI、企业智能代理相关布局之外，我们也十分看好这条赛道，同时持续研发新一代大模型，依靠模型迭代不断解锁全新功能，孵化各类新产品。 所以我们对此前景十分乐观。相关产品很快就会正式推出，届时会是重磅进展，不过目前我们还未发布这款产品。财报电话会上关于这件事我能透露的信息有限，但我坚信这是巨大的行业机遇，这类产品的落地几乎是必然趋势，而且这件事恰好能充分发挥Meta自身的企业优势。我们擅长打造覆盖数十亿用户的消费类产品；只要产品经过验证可行，我们就能快速大规模推广，同时搭建配套基础设施，支撑高负载AI应用运行。对此我信心十足，我们的核心目标就是把这款产品带给平台用户，这也是我们当下的工作重心。
电话运营专员：下一位提问来自摩根大通道格・安姆斯，请讲。
道格拉斯·安姆斯：非常感谢您接受提问。我有两个问题，一个想问苏珊，一个想问马克。苏珊，您提到大语言模型正不断提升内容排序与推荐效果，能否详细介绍相关技术路线图，以及当前依托更先进模型、扩充算力的推进进度？
另外想请教马克：一方面有不少外部方希望采购我们富余算力对外商用，另一方面我们自身也在向第三方采购算力。能否解释这两者背后的逻辑差异？单纯是产能衔接的阶段性过渡方案，还是区分模型训练与推理场景、搭配专用芯片的差异化安排？
苏珊·李：道格，我先回答关于推荐系统路线图的问题。首先，今年剩余时段直至2027年，我们的推荐算法仍有巨大优化提升空间，预计将持续带动Facebook和Instagram的用户活跃度增长。我重点说明两大核心工作。
第一，我们会进一步提升推荐内容的个性化程度与匹配度，优化推荐模型与底层架构，更精准捕捉用户兴趣、实时响应用户当下需求。
AI相关投入将支撑这一目标落地，其中包括拓展大语言模型的内容理解能力，深度解析帖子内容与创作者价值，精准抓取用户偏好、实时响应用户需求；同时借助AI挖掘优质新鲜热门内容，降低低质内容的推送占比。
第二，我们持续升级数据底层架构，让模型能够基于更多数据、更高效地完成训练。
我们细化用户历史互动内容的标签体系，扩充用户行为序列的细粒度数据，帮助模型精准分辨各类互动对用户的价值高低。
Facebook与Instagram两端，我们持续拉长训练所用用户行为序列、升级模型复杂度，充分利用海量数据集；目前依托大语言模型做内容理解已经取得显著进展。
鉴于大语言模型深度解析内容的能力，我们会将其进一步全面融入推荐体系与内容合规审核全流程。整体来看，我们对这条技术路线的成果十分乐观。
我们同时投入研发基于大模型的智能代理架构重构推荐系统，本半年已经落地多款排序代理功能，既提升工程师研发效率，也是我们重点发力的优化方向。
马克·扎克伯格：我来回答第二个算力相关问题。您的问题核心是为何一边收到大量算力外销邀约，一边我们还要外购第三方算力。核心现状是全行业算力供给远无法满足整体需求。
因此一方面，大量企业愿意溢价采购我们闲置算力；另一方面，我们自身内部各项业务也存在大量高价值算力需求。
从经营取舍角度，我们需要平衡短期变现收益与长期技术资产布局，业务布局应当多元化，不能只着眼远期投入而放弃当下市场验证机会。
但如果单纯把全部算力对外出售换取短期利润，其实是短视行为；依托算力搭建上层智能服务，能够带来数倍于算力出租的复利收益。
我们当下的策略是投入大量资金扩建算力储备，在合适时机对外出租算力实现变现；同时算力有多重上层商业化路径，包含前面提到的企业服务、消费端产品，以及现有核心业务——即便不开发新品，也能依托算力为平台推荐、排序、广告体系增加智能能力，优化核心产品。
目前我们投入建设的数据中心存在交付周期，建成投产后才能产生收益。市场整体算力需求旺盛，我们希望全方位布局各类变现业务，充分把握全部市场机遇。
电话运营专员：下一位提问来自美银贾斯汀・波斯特，请讲。
贾斯汀・波斯特：好的，感谢提问。马克，您大约一年前完成了人工智能实验室核心管理层的组建。能否谈谈实验室目前的整体进展？您认为资本市场很快就能看到模型、芯片等各类产品的落地速度显著加快吗？另外，您认为该实验室正在打造哪些可持续竞争优势？谢谢。
马克・扎克伯格：好的。我对我们目前的发展节奏十分满意。在模型迭代的初期阶段，我们已经推出了几款表现亮眼的模型。正如我之前所说，我们正在研发规模更大、性能更先进的模型，对此我们也满怀期待。这件事分为两大维度：一是模型智能能力，二是数据积累。
无论布局哪一类产品赛道，都会形成数据飞轮效应：我们能从平台用户的使用行为中持续汲取信息，而对用户行为挖掘得越透彻，获取的反馈就越多，产品也会随之持续优化。
当下行业各界固然都聚焦模型智能能力，但想要做好面向用户的产品，数据与用户认知积累同样至关重要。
如果要打造个人通用人工智能，核心一点就是完整还原用户的生活全貌与个人目标，这是不可或缺的一环。
不同企业在各个细分赛道拥有不同先天优势。而我们前期同步布局多条技术线，一部分原因在于AI 技术具备通用性，一套智能底座可以适配多种应用场景。
但搭建完通用智能能力后，还需要持续投入运营，沉淀专属数据飞轮，这才是长期构筑可持续竞争壁垒的核心路径。
Meta 已经证明，只要一款产品经过验证可行，我们几乎是全球最擅长将其规模化推向数十亿用户的企业。因此我对个人智能代理这条业务线信心十足。
对于企业智能代理业务我同样十分看好，我们本身就拥有海量广告主与中小企业客户基础，依托现有客户群体规模化落地这套产品具备天然优势。
用户数据飞轮、现有的客户资源都是我们长期稳固的竞争壁垒。而在研发层面，搭建良好的团队文化也尤为关键。
说起来都是基础管理工作，但核心是稳定、有序地运营团队，稳步积累长期成果，减少内部消耗。
这是我们追求的团队建设目标。或许很难用量化数据直观体现，但这正是企业长期经营的底层逻辑，我们也正是按照这套思路推进工作。
电话运营专员：下一位提问来自巴克莱罗斯・桑德勒，请讲。
罗斯·桑德勒：你好，马克。我们接着聊聊人工智能实验室相关内容。Muse Spark 1.1基本达到帕累托最优边界，但这款模型定位在智能程度偏低、也就是低成本区间。根据你上一轮的回答，你认为企业需要同时布局低成本模型与高性能高端模型两条产品线，能否展开说说这一点？另外，实验室管理层也提到计划恢复开源策略，回归几年前的路线。这一规划如何和AI产品、模型商业化整体战略相匹配？非常感谢。
马克·扎克伯格：我简单从模型研发逻辑展开说明。训练大模型存在循序渐进的规律，每提升一档模型规模，都会涌现全新能力。
我们的研发路径是先训练中小规模模型，再迭代更大规模的前沿模型。目前已经发布的几款模型，只是我们模型规模迭代过程中的阶段性成果，我们还在持续研发更大的模型。
Muse Spark 1.0与Muse Spark 1.1放在实验室当前研发阶段来看，综合表现十分出色，我对这两款模型的成果很满意。
同时我们也在研发更高阶的先进模型，并配套搭建一系列相关研发基础设施。
与此同时，我们也需要轻量化高效模型，这类模型会面向海量普通用户大规模落地。服务数十亿用户的场景下，复杂难题需要高性能模型处理，但绝大多数日常指令依靠轻量化高效模型即可完成。
两类模型都至关重要，模型运行效率不可或缺；同时我们也需要高端模型，为全球企业、用户解决高难度业务问题，所以两条技术路线我们都会同步推进。
关于开源策略：我们始终认为开源是行业生态的重要组成部分，具备正向行业价值。开源能够吸引开发者社区参与我们整套技术体系，形成正向反馈，持续迭代优化产品。我们一直坚持开源、闭源双线并行的路线，未来也会延续该策略。
现在Meta超级智能实验室全力攻坚前沿模型，客观上开源模型的研发工作量会更高：如果仅面向公司内部业务做闭源模型，功能可以针对性定制，不用兼顾通用性；但开源模型要适配各类场景，必须打磨得更加完备。我们希望研发团队可以不受约束，全力打造性能顶尖的自研模型。后续我们计划重新推出开源模型。
正如我们一贯的表态，我们不会极端固守单一路线。开源生态具备重要价值，我们愿意参与共建，后续会同步推出开源、闭源两类模型。
电话运营专员：最后一个提问来自富国银行肯・加雷尔斯基，请讲。
肯·加雷尔斯基：谢谢。我有两个问题。马克，我想再聊聊开源权重模型相关话题，市场对此讨论很多，您也之前发表过相关观点。
第一个问题：如今各类开源权重模型层出不穷，这是否会改变Meta自研闭源前沿大模型的战略？如果开源模型大量普及，我们是否还有必要自主研发顶尖前沿模型？
第二个问题想向苏珊求证：您在准备稿中提到计划最大化2026、2027年算力储备，这句话是从需求端还是供给端出发？是否意味着2027年前建成的全部算力都会留给公司内部业务自用？还是说2028年及以后的算力建设规模，会根据公司产品实际需求再评估？谢谢。
马克·扎克伯格：我先来回答开源相关的问题。核心疑问是市面上已经有开源模型，我们是否可以直接依赖它们？答案是不行，现阶段开源模型性能不及行业顶尖前沿模型。
除此之外，行业各家企业的技术路线、发展策略变数极大，完全依赖外部开源模型存在极高经营风险，这条路并不稳妥。
从两方面来看，自研模型我们能做出更优质的成果，单纯依赖外部模型隐患重重，因此这条路我们不会选择。
大家看待Meta往往只看到社交媒体应用和广告业务，但本质上我们是一家全栈科技公司。
我们自建数据中心、自研底层基础设施、自研芯片、自研底层软件。我本身就是工程出身，写过大量底层系统代码。早年Facebook能稳定流畅运行，而同期其他社交平台卡顿低效，核心原因就在于我们自研底层技术。
只有打通技术全栈，我们才能打造高度个性化、极致优化、高效的产品体验，很多特色功能是其他企业仅凭外部模型根本无法实现。未来自研底层模型的自主掌控权，会成为全栈技术体系里至关重要的一环，这也是Meta坚持自研的核心原因。
当然开源模型本身具备行业价值，这也是行业各界重视开源的原因。其他企业无力自研模型，自然不希望市场被少数闭源实验室垄断，开源体系有其存在的重要意义。
但开源模型的普及并不会冲击我们的API等业务机会，模型的运行、推理、高效算力部署依旧存在商业价值，二者并不冲突。
放眼全球优质企业与客户，他们都希望自身数据可控、所用模型可信，不会把自身数据交给竞品，这类需求很难依靠开源模型满足。
所以开源固然重要，但自研模型对我们而言依旧是核心战略。
市面上各类评测基准只能给出简单分数，模型之间仅相差几个分值，但不同模型擅长的能力组合天差地别，就像人各有所长。
打造个人通用人工智能、中小企业企业智能代理所需的能力，和其他实验室调优的模型能力侧重点完全不同。过去Instagram推荐、广告系统能持续优化，正是依托全栈自研的技术能力。
长期来看，打造全栈自研模型会构筑核心竞争壁垒，支撑个人智能代理、企业代理等各类业务落地。
我们手握海量用户渠道，能快速将产品规模化推广，叠加定制化自研模型带来的差异化体验，会形成长期稳固优势。
我清楚这是一笔重投入、高押注的长期布局，但我们的技术路线已经跑通，实验室整体发展节奏符合预期，后续多款产品即将落地，我十分看好这条赛道。整个行业都在加码AI投入，而我坚信深耕自研的企业长期会收获丰厚回报。
苏珊·李：肯，我快速解答第二个问题。我们提出最大化2026、2027年算力储备，主要基于两点考量：
第一，当前及可预见的阶段，全行业算力供给紧缺，就连我们自身核心业务都存在大量高回报算力使用场景，只要算力充足我们就会优先投入内部业务。
第二，长期算力扩建的各类约束条件存在不确定性，我在前面的发言也提到，整条上下游供应链都需要长期扩建。
2028年及以后市场环境、公司内部算力需求都会发生巨大变化，诸多变量无法提前预判。因此现阶段规划远期基建只预留土地、电力这类底层弹性资源，芯片等大额硬件采购决策延后敲定。
就2026至2027年而言，我们有大量成熟高价值业务场景可以消化新增算力，当前基建扩建计划完全围绕这一目标推进。查德・希顿：感谢各位参会，我们后续将持续披露业务进展，期待再次交流。
电话运营专员：本次财报电话会议到此结束，参会人员可挂断连线。
