Meta（纪要）：AI 长期愿景并非做生产力工具，而是赋能普通个体的方方面面
以下为海豚君整理的 $Meta(META.US) FY26Q1 的财报电话会纪要，财报解读请移步《Meta：烧钱堆不出顶模，小扎又要慌》
一、财报核心信息回顾
1. Q2 收入指引与全年展望：Q2 2026 总收入指引$580-610 亿（汇率约 2% 顺风）；全年费用展望$1620-1690 亿不变；预计全年经营利润高于 2025 年水平
2. 资本开支上调：2026 年 CapEx 预期上调至$1250-1450 亿（此前$1150-1350 亿），主要因零部件价格上涨（尤其存储芯片价格）及数据中心成本增加；本季度合同承诺增加$1070 亿（多年期云服务及基础设施采购协议）
3. Q1 核心财务表现：总收入$563 亿，同比 +33%（固定汇率 +29%）；经营利润$229 亿，经营利润率 41%；调整后（剔除$80.3 亿一次性税收优惠）净利润$187 亿，EPS $7.31
4. 现金流与资产负债：Q1 自由现金流$124 亿；期末现金及有价证券$812 亿，债务$587 亿；CapEx $198 亿
5. 人员优化与税率：计划 5 月缩减员工规模；Q1 末员工约 77,900 人，环比-1%；剩余季度预期税率 13%-16%
二、财报电话会详细内容
2.1 高管陈述核心信息
1. AI 模型与 Meta AI
a. 发布 Muse 系列模型及首个模型 MuSpark，由 Meta Super Intelligence Labs（MSL）推出，团队从组建到发布强模型仅用 10 个月
b. MuSpark 驱动的 Meta AI 已成为世界级助手，在视觉理解、健康、购物、社交内容、本地服务、游戏创建等领域领先
c. Meta AI 使用量大幅增长，每用户会话数双位数百分比增长；Meta AI App 持续位居应用商店前列
d. 更先进的模型已在训练中，持续攀登 scaling ladder
2. 个人与商业智能代理
a. 战略愿景：不仅是助手，而是理解用户目标并全天候帮助实现的个人代理；同时构建商业代理帮助企业主触达和服务客户
b. 个人代理与商业代理将形成生态系统，预期推动创业大幅增长
c. 商业 AI 早期测试中，每周对话量从年初的 100 万增至 1000 万以上，已扩展至拉美、印尼的 WhatsApp SMB 及亚太的 Messenger
d. 扎克伯格的 AI 哲学：AI 应放大个人能力而非取代人类，赋能个体追求各自目标
3. 内容推荐系统
a. Instagram 排名改进推动 Reels 时间花费提升 10%；Facebook 全球视频时间增长超 8%，为 4 年来最大环比增幅
b. 美加地区 Facebook 视频观看时间 Q1 增长 9%
c. 训练数据改进：Instagram 用户交互序列长度翻倍，交互描述丰富度提升
d. 当日发布内容占推荐 Reels 的 30% 以上（同比翻倍）；AI 翻译/配音视频在 FB 和 IG 上各有超 5 亿用户每周观看
e. 未来方向：继续扩大模型规模和复杂度，引入 LLM 深化内容理解；开发下一代推荐系统基础模型，今年重点验证架构和技术
4. 广告业务进展
a. Q1 广告展示量 +19%，各地区均健康增长；全球平均广告单价 +12%
b. Lattice 建模和 GEM 模型架构改进推动落地页广告转化率提升超 6%
c. 自适应排序模型（LLM 规模、1 万亿参数）扩展至支持站外转化，推动 FB 和 IG 主要界面转化率提升 1.6%
d. Meta AI 商业助手已全面推广至所有符合条件的广告主，常见账户问题解决率提高 20%
e. 本周推出 Meta ads AI connectors（开放 beta），广告主可将广告账户直接连接至 AI 代理
f. 800 万 + 广告主使用至少一款 GenAI 广告创意工具，视频生成功能测试中转化率提升超 3%
g. 价值优化套件 ARR 超$200 亿，同比翻倍；合作伙伴广告收入 ARR 达$100 亿，同比翻倍
h. Threads 广告扩展至更多市场；WhatsApp 状态广告已有数亿人每日观看
5. AI 眼镜与硬件
a. AI 眼镜日活用户同比增长 3 倍，为消费电子领域增长最快品类之一
b. Q1 发布 Ray-Ban Meta 光学眼镜（全天候佩戴设计），Oakley 合作后还有更多品牌合作和款式即将推出
c. 消费者对 Meta Ray-Ban 显示屏版本及 Meta Neuralbands 表现出浓厚兴趣
d. Reality Labs Q1 收入$4.02 亿，同比-2%（Quest 销量下降，AI 眼镜收入增长部分抵消）
e. 继续作为 VR 领域最大投资者，但聚焦 VR 业务可持续发展，将更多资源投入 AI 和眼镜
6. 基础设施与计算
a. 自研定制芯片（与 Broadcom 合作）部署超 1GW，同时大量采用 AMD 芯片，搭配 NVIDIA 新系统
b. Meta Compute 计划目标：在计算建设效率上引领行业，打造长期战略优势
c. 签署多年期云服务协议，将在 2026-2027 年陆续上线
d. 团队持续低估计算需求，预计计算将变得更加核心
7. 其他
a. AI 正在改变工作方式：一两个人一周内完成过去数十人数月的工作，围绕高产出个体重塑公司
b. FoA 其他收入$8.85 亿，同比 +74%，主要由 WhatsApp 付费消息和订阅收入驱动
c. 创作者经济方面，上月在 Facebook 向更多测试合作伙伴推出 affiliate partnerships 产品，创作者可标记零售商产品并赚取佣金，Instagram 也在测试类似体验
2.2 Q&A 问答
Q：在 AI 大规模投资中，你们关注哪些关键指标来确保投资回报？
A：我关注的核心是我们是否在构建领先的模型和领先的产品。我们公司的公式一直是——先打造能触达数十亿人的体验，等达到规模后再聚焦变现。目前我们正处于前期投资阶段，构建领先模型并将其转化为领先产品，而我们认为这些将是未来十年最重要的产品。
具体来说，我看三个层面的里程碑：
第一，技术上是否交付了足以支撑优秀产品的质量；第二，产品如何扩张；第三，变现情况以及向更高盈利能力的效率提升。我们没有精确到每月的增长计划，但对整体形态有清晰的判断。从模型质量、产品使用量、以及其他前沿模型获得的使用趋势来看，我非常有信心——我们正在建设的实验室有望成为全球领先的实验室，MuSpark 是一个非常高质量的模型，驱动的 Meta AI 现在是世界级的助手。未来几个季度，我们将跟踪下一轮训练的进展、产品的扩张情况，同时逐步增加变现力度。
Q：MSL 团队当前的重心如何在模型训练和产品发布之间分配？
A：团队的路线图一直很一致。研究团队专注于 scaling 越来越智能的模型，针对我们聚焦的商业代理和个人代理方向开发特定能力。我们刚发布了第一个模型，更先进的模型已在训练中，这项工作会持续进行——这是一个循环，我们不会很快完成。
产品团队现在真正被解锁了，因为我们有了一个非常强大的模型。此前我们一直在用旧模型或其他公司的 API 做原型，现在可以在自己的模型上构建并推向规模化。这两条线将持续迭代——持续提升智能，持续构建和扩展新产品。当达到产品市场匹配后，我们还将越来越聚焦于围绕产品建立业务并降低成本。这就是我们过去 20 年运营公司的方式，也是当前的计划。
Q：如何看待 2027 年 CapEx 的走势？
A：我们目前没有提供 2027 年 CapEx 的具体展望。坦率说，我们自己也在经历一个非常动态的规划过程，评估未来几年的算力需求。到目前为止的经验是，即便我们已经在大幅提升产能，仍持续低估了我们的计算需求——因为 AI 领域不断取得进展，团队也在持续识别出有吸引力的新项目和内部使用场景。
我们的预期是，计算将变得更加核心，它决定了我们开发模型的质量、能推出的产品类型以及组织的生产力。因此我们会继续灵活地扩建基础设施，如果最终需求低于预期，我们可以选择更慢地上线产能或减少未来年度支出。
Q：如何看待在消费者和企业端部署 Agentic 计算的机遇？
A：近期最大的聚焦方向包括：加深现有社区的参与和使用、让广告体验更加个性化和高效、帮助中小企业在平台上找到和服务客户。这些是最直觉、最贴近当前业务的机会。随着 Agentic 能力的构建，代理将帮助个人提高效率，也为企业服务——个人代理和商业代理之间能够互相交互，形成我们期望的蓬勃商业生态系统。
后一类机会时间线更远一些。目前我们聚焦于构建个人超级智能——一个能为你工作、帮你完成事情的消费者代理。虽然目前是消费者体验，但我们看到了清晰的变现路径：可以想象佣金结构或高级订阅。在商业侧，商业 AI 对话量从年初的 100 万增至每周 1000 万 +，Q2 将继续全球扩展。商业 AI 目前对大多数企业免费，但随着进展，我们会建立长期变现模式。
Q：AI 眼镜扩展到 Essilor-Luxottica 旗下更多品牌的制约因素是什么？2026 年成功的标准是什么？
A：AI 眼镜在 Q1 持续保持强劲增长。扩展后的产品组合需求普遍很强，我们看到销售正从上一代 Ray-Ban Meta 转向最新一代——这说明改进的功能（更长电池续航、更高分辨率视频拍摄等）确实创造了价值。消费者对带显示屏的 Meta Ray-Ban 以及 Meta Neuralbands 也展现出浓厚兴趣，这是产品进化的下一代方向。这是我们持续看好并持续投入的领域。
Q：5 月的裁员主要是因为 AI 带来的效率提升还是保持组织精干的需要？未来员工规模相对营收增长会如何变化？
A：坦白说，我们不确切知道公司未来的最优规模。目前 AI 能力在快速进步，变化很大。我们非常专注于利用 AI 工具大幅提升生产力，工程师产出的加速已经有所体现。我们的整体思路是倾向于用这些工具来构建比以前更多的产品和服务。与此同时，我们在基础设施上投入巨大，非常注重运营效率。因此，我们会持续评估组织架构，确保能最好地支撑未来几年的优先事项。
Q：Muse Spark 模型在产品层面解锁了什么？未来 9 个月消费者和企业产品的发布节奏如何？
A：整个领域发展非常快。我很高兴我们是从组建实验室到发布被广泛认可的强模型速度最快的团队，这是对团队协作、基础设施运作以及整体计划的重要验证。
至于具体的发布节奏，我很难给出精确时间线——一方面不想透露竞争敏感信息，另一方面在研究端我们更注重质量而非特定日期。研究本身在尝试新事物，你不能精确预测何时会有突破。产品端也是如此——市面上有很多代理产品，但我想达到一个足够好的质量标准，好到我愿意把它推荐给我妈妈，这比赶某个发布日期更重要。
但话说回来，我们目前处于一个团队每天都有实质性进步的状态，而不是每季度才汇报一次。这正是 AI 开发的有趣之处——小团队能取得非常快速的进展。Muse Spark 和 Meta AI 的首次发布证明我们在正轨上，未来几个季度，整体图景会变得清晰得多。
Q：OpenClaw 等新兴消费 AI 应用如何影响 Meta AI 和整体 Agentic 战略的方向？
A：OpenClaw 和其他代理产品让人们看到了令人兴奋的可能性。但今天它们还是相当粗糙的系统——设置 OpenClaw 需要在本地安装计算机、进入终端、配置很多东西，可能只有几十万到几百万人能做到。而我们谈论的是向全球数十亿人交付个人超级智能。
所以我们聚焦的是：如何打造一个更精致、更易用的版本，所有基础设施都替用户准备好了，开箱即用。如果能做到这一点——比现有系统好得多、又足够简单让普通人都能上手——那你就从几十万或几百万用户的规模跳跃到数十亿人可触达的规模。这从实验室成立第一天起就是我们的首要目标。
商业侧也是一样。很多人的目标是创造东西——网站、产品、业务增长——好的代理都能帮到他们。
我们今天能帮助人们实现几个大目标：保持联系、了解世界、娱乐。但这不是人们关心的全部。我希望我们的产品能理解用户的具体目标，然后去执行，有问题时再来找你确认。不管是个人目标还是商业目标，我认为全世界每个人都会想要某个版本的这种服务。而且它有天然的升级空间——用得越多、想要的越多，人们也会愿意为高级或高算力版本付费。
Q：MSL 实验室会一直聚焦消费者方向，还是也会走代码/递归自我改进的路线？
A：我们有两个主要目标。第一是代理愿景——将能力交付给用户。第二是自我改进，这非常重要，因为如果没有领先模型就无法构建领先的 AI 产品，而未来领先模型必须能够自我改进。目前模型还在从人类学习，但某个时刻模型将需要自我改进，如果做不到这一点，那就不会是领先的实验室。所以自我改进是我们关注的基础能力。
但这是否意味着我们要成为开发者工具公司？不一定。我们不排斥 API 或编码工具，但这不是核心聚焦。实际上，我认为人们把 coding 和自我改进关联得过于紧密了——编码只是模型自我改进的一个要素，不是唯一的。我们关注所有对自我改进必要的环节，最终服务于个人超级智能的愿景。
Q：个人代理产品何时能看到——短期、中期还是长期目标？
A：代理工作会有短期版本，但更大的上行空间来自于持续提升模型的智能和能力。你能看到整个行业的趋势——每一代模型都有更多能力，人们吸收后获得更多超能力。我认为代理是将这些能力交付给用户的产品载体。今年将是确立代理作为人们使用 AI 的核心载体的关键时期，但模型改进将持续很长时间。所以短期、中期、长期都有大量工作要做。
Q：将用户交互序列长度翻倍等排名改进如何驱动更多使用？推荐系统改进的空间还有多大？
A：首先，今年剩余时间推荐系统仍有大量改进空间，我们预期将继续推动 Facebook 和 Instagram 的参与度增长。几个方向：
第一，继续改进数据基础设施，让模型能在更多数据上训练。我们在增加用户过去互动内容的描述细节，同时扩大模型架构复杂度以利用更大的数据集——比如使用更长的内容交互历史，这都有助于提升推荐质量。
第二，让推荐更加个性化和相关。我们在重新设计内容检索系统，展示更多匹配用户全部兴趣范围的内容，并根据兴趣集中度调整推荐的主题多样性——兴趣集中的用户会看到更多相关内容，兴趣广泛的用户则看到更大的主题范围。
第三，继续改进基于 LLM 的调优算法，让用户能用自然语言更细粒度地反馈想看更多或更少什么内容。所以序列长度只是 Q1 众多改进之一，未来还有一个庞大的改进路线图。
Q：从较小模型升级到 Spark 及未来大语言模型，在广告业务中的关键解锁是什么？
A：广告排名模型架构已在推进中。历史上，我们没有用 GEM 这样的大模型做推理，因为其规模和复杂度的成本过高。我们的方式是用大模型的知识迁移到更轻量的运行时模型。推理模型受严格的延迟要求约束——需要在毫秒级找到合适的广告，这一直阻止我们大幅扩展推理模型的规模和复杂度。
但在去年下半年，我们推出了自适应排序模型，它能利用 LLM 规模（1 万亿参数）的模型复杂度。我们在模型架构上取得了进展，并将系统与底层芯片协同设计，使其在保持亚秒级速度的同时服务大规模广告投放。我们还开发了智能路由方法——在判断转化概率较高时，将请求路由到计算更密集的推理模型，从而同时提升性能和推理 ROI。在我们将更多 LLM 工作融入底层广告排名模型之前，已经有大量工作在推进中。
Q：Manus 收购的最新进展如何？
A：我们仍在处理细节，目前没有更新。
Q：Muse Spark 在购物和商务方面有什么机遇？2021-22 年深入电商的经验有哪些启示？
A：AI 代理在你完全优化整个技术栈时才能达到最佳效果。这就是为什么我们认为需要既构建前沿模型，又构建代理产品——当然还需要建设基础设施来支撑这一切。我们的投资本质上是在押注：个人关心的事物在未来会变得更加重要。
行业里很多关于 AI 的言论是围绕某家公司试图构建某种集中化的东西来完成社会中的所有生产性工作。这跟我们对世界的看法完全不同。我们的愿景是：社会通过个体追求各自的目标来进步。有人关心治愈疾病这样的宏大目标，很多人关心为女儿找到合适的东西这样的个人事务。
尽管赋能个体、构建消费者产品这些理念看似显而易见，但在具体执行层面，我们的方法与其他人非常不同。购物是一个具有商业意义的具体例子——消费者会喜欢它，但我没听到其他任何实验室在谈论如何构建一个真正擅长购物的 AI。这不是因为购物本身最重要，而是因为赋能人们做生活中重要的事——本地服务、社交理解、购物、个人健康、视觉感知（对眼镜非常重要）——这些都是个人超级智能愿景的组成部分。在考虑 Meta 的长期投资价值时，应该从这些价值观出发：我们希望 AI 在社会中做什么？如果答案是赋能个体、构建服务于个人目标的 AI，那就是我们要建造的，我相信它将极具价值。
Q：核心业务持续以行业两倍增速增长，对增长轨迹的可见度如何？
A：我们给出了 Q2 指引，其中包含了一系列宏观情景假设，以及我们在提升应用使用/参与度和持续改善广告表现方面的持续努力。
从更高层面看广告路线图的整体轨迹，我在这个领域工作了很长时间，团队持续推进最前沿技术的能力总是让我印象深刻。我们的规划流程现在非常精细——我之前几次电话会上提到的基于 ROI 的预算流程，确保我们资助所有预期能推动未来增长的广告举措。这个流程既成熟又可靠，我们衡量其影响的能力也相当稳健。它一直是广告收入增长的重要驱动力，在最近的预算周期中也再次验证了这一点。就我们目前的可见度而言，我们对前方的投资机会感到乐观。
<正文结束>
本文的风险披露与声明：海豚研究免责声明及一般披露
