炒股配资网站拾必选配资:靠谱的前十大配资炒股公司-META财报电话会实录：AI算力投资加码 逾百亿税收支出仅为一次性资产减值

　　美东时间周三盘后 ，META公布了第三季度财报 。

　　财报显示
，由于在2025年第三季度计入了一笔近160亿美元的一次性非现金所得税费用，Meta当季利润大幅下滑
。与此同时 ，META还上调了今年全年的支出预估，并且表示将在2026年进一步大幅增加总支出
，从而确保在数据中心及其他基础设施方面维持高水平的投入。

　　财报发布后，META股价盘后大跌7.37% 。

　　在财报会上 ，Meta首席财务官苏珊·李（Susan Li）在会议上特别解释了这一笔一次性税费支出。而Meta CEO扎克伯格则向参会的华尔街分析师们阐述了他在人工智能、业务增长等方面的计划
。

　　META财报会议要点

　　一 、用户与核心业务双增长
，变现效率持续优化

　　用户规模再创新高：全平台日活跃用户超35亿，Instagram 月活破30亿里程碑 ，Threads 日活达 1.5 亿且用户使用时长同比增10%
，视频内容成关键驱动力 ——Instagram视频使用时长同比增超30%，Reels 年化营收突破 500 亿美元。

　　营收利润表现强劲：Q3总营收 512 亿美元（同比增 26%）；广告业务为核心引擎 ，端到端 AI 驱动广告工具年化营收超600亿美元
，Advantage Plus 自动化广告方案助力广告主获客成本降 14%，WhatsApp 点击广告营收同比增 60% 。

　　二
、AI 战略加码：算力基建与技术落地双线推进

　　算力超前布局：计划 2026 年大幅提升资本支出（增速显著高于 2025 年） ，重点投向 Meta 超级智能实验室（MSL）与 AI 基础设施
，分阶段建设数据中心并联合第三方（如与 Blue Owl 合作数据中心）保障算力；

　　技术落地提速：Meta AI月活超 10 亿，模型优化（如 LAMA 4）直接带动使用率增长 ，未来将接入 MSL 前沿模型；推出 Vibes AI 创作工具，上线后媒体生成量增 10 倍；企业级 AI 在菲律宾、墨西哥试点成效显著
，用户与企业 AI 对话达数百万次，计划拓展至美国官网场景
。

　　三 、硬件业务：可穿戴设备领跑 ，VR 短期承压

　　AI 眼镜成新增长点：Ray-Ban Meta、Oakley Meta 眼镜销量亮眼
，新款 Meta Ray-Ban 显示眼镜 48 小时售罄，Q4 AI 眼镜营收预计同比大幅增长 ，未来 AI 功能将成核心使用场景
，目标覆盖数十亿用户。

　　VR 业务短期遇阻：Reality Labs Q4 营收预计同比下滑，因去年 Q4 Quest 3 头显上市形成高基数 ，且今年零售提前备货使 Q3 计入部分销量
，但长期仍聚焦 “全视野 ” 产品（如 Orion 原型机）研发 。

　　四
、财务规划：支出聚焦 AI，现金流支撑战略

　　支出与资本导向明确：2025 年总支出预计1160-1180亿美元（同比增 22%-24%） ，资本支出 700-720 亿美元；2026 年支出增速将进一步加快
，主要投向 AI 基础设施（含云服务、折旧）与AI人才薪酬
。

　　资本配置灵活度高：通过合资 、第三方合作等表外融资方式降低基建压力（如 Blue Owl 数据中心合作不计入 CapEx），同时维持股东回报 ——Q3 回购 32 亿美元股票
、分红 13 亿美元 ，现金及有价证券达 444 亿美元。

　　五、美国新税法将在未来带来明显税金节约

　　Meta首席财务官苏珊·李（Susan Li）在会议上特别解释财报中的一次性税费支出称， 因美国新税法调整
，产生一次性非现金税费支出—— 对“不再预计使用的递延所得税资产
” 进行减值调整，该调整直接导致该季度税率大幅攀升 。该支出仅为会计层面调整 ，不涉及实际现金流出
。

　　在纳入这一一次性税费支出后
，Meta第三季度面临的实际税率高达87%。不过若剔除这一一次性支出，Q3的实际税率为14% ，更贴合公司此前日常经营的税负水平 。

　　苏珊·李明确表示
，美国的新税法仍将为公司 “本年度剩余时间及未来年度” 带来显著现金税收节约，此次支出已完全反映新税法过渡的 “全部预期影响 ” ，后续不会再因同一政策调整产生类似一次性税费
。

　　她预计
，若美国税收政策无其他变化，公司2025年第四季度税率将介于12%至15%之间 ，回归正常水平。

　　以下是META财报会问答部分完整纪要（由人工智能辅助翻译） 。

　　参会人员

　　首席执行官 —— 马克·扎克伯格（Mark Zuckerberg）

　　首席财务官 —— 苏珊·李（Susan Li）

　　会议主持人-克里斯塔（Krista）

　　克里斯塔：谢谢大家。现在我们开启问答环节
。如果您正在直播本次会议
，请将电脑扬声器调至静音。第一个问题来自摩根士丹利（Morgan Stanley）的布莱恩·诺瓦克（Brian Nowak），请发言 。

　　布莱恩·诺瓦克：感谢您回答我的问题
。我有两个问题想请教苏珊。第一个问题：苏珊 ，2026 年在模型 、广告排名模型以及更多类型算力方面的核心优化计划听起来前景十分可观，背后的基础设施建设规模似乎也相当庞大 。能否请您帮助我们理解
，从这些待落地优化措施的 A/B 测试中，您看到了哪些早期可量化信号？这些信号中哪些最令您振奋 ，又是什么让您有信心这些资本支出能带来投资回报率（ROIC）？这是第一个问题
。第二个问题相对简短：在第四季度业绩指引中
，Reality Labs 业务板块的营收阻力规模有多大？谢谢。

　　苏珊·李：感谢布莱恩的提问 。我认为您的第一个问题包含几个层面，我会尝试逐一拆解解答 ，若有未覆盖到的部分
，请您告知
。首先需要说明的是，2026 年资本支出相较于 2025 年的增长 ，来自多个核心领域 ——Meta 超级智能实验室（MSL）
、核心人工智能（CoreAI）
，以及非人工智能相关支出。这些领域均有增长，其中 MSL 的人工智能需求增长最为显著 。

　　关于核心人工智能的推进计划 ，去年在制定 2025 年预算时
，我们就规划了涵盖人力与算力的资源投入路线图，并预期这些投入将在 2026 年产生回报
。这其中涉及广告排名优化与性能提升的多个方面 ，且今年以来，我们已持续看到这些投入的成效。具体举措数量众多
，我们主要通过两个指标监测进展：一是广告效果的提升情况，二是转化量的增长情况 。对我们而言 ，转化量是一个复杂指标
，因为广告主会针对不同价值的目标进行优化。但在控制变量后，从价值加权转化速率来看 ，我们仍观察到强劲的同比增长
，且加权转化速率的增长持续快于广告展示量的增长
。

　　此外，我们今年还讨论过一些新模型架构 ，这些架构能帮助我们更好地利用更多数据与算力来提升广告效果
，我们预计这一趋势将在 2026 年延续。目前我们已启动 2026 年预算制定流程，仍能看到一系列有望带来营收增长的投资方向 ，这些投资机会令我们充满期待
，也将成为我们明年持续推动营收强劲增长的重要支撑 。

　　关于您的第二个问题，即 Reality Labs 的营收阻力 ，我们暂未量化具体规模，但预计第四季度 Reality Labs 营收将低于去年同期
，原因我此前已提及
。最主要的因素是，去年第四季度我们推出了 Quest 3 头显 ，而今年暂无新款头显上市；同时
，由于 Quest 3 头显于 2024 年10月推出，去年第四季度我们计入了所有假日季相关的 Quest 3 头显销售额 ，而今年零售合作伙伴为备战假日季提前在第三季度采购 Quest 头显
，相关销售额已计入第三季度。尽管第四季度人工智能眼镜营收将因近期新品需求旺盛实现同比大幅增长，但这一增长仍无法抵消 Quest 头显业务带来的营收阻力 。

　　克里斯塔：下一个问题来自摩根大通（JPMorgan）的道格·安穆斯（Doug Anmuth） ，请发言
。

　　道格·安穆斯：好的
，感谢您接受提问。我非常认可为超级智能提前布局算力的战略 。能否请您谈谈，在制定明年资本支出规模增长及支出增速大幅提升的计划时 ，如何结合核心业务增长
，平衡其对盈利与自由现金流的影响？另外，在现金持有量或整体净现金方面 ，是否有我们应关注的目标数值？谢谢
。

　　苏珊·李：感谢道格的提问。目前我们仍处于 2026 年预算制定的初期阶段，这一过程变数较多
，动态性较强 。显然，我们当前的算力容量仍无法满足需求—— 无论是 Meta 超级智能实验室团队 ，还是核心业务
，都有大量能产生正投资回报率的用途亟待更多算力支持
。

　　因此，我们的规划不仅要确保 2026 年的算力需求得到满足 ，还要为 2027 年、2028 年可能的需求预留灵活性与选择权。不过
，目前预算方案仍在制定中，尚未最终确定 ，暂时没有具体目标数值可分享 。但可以明确的是
，在预算制定过程中，我们的战略优先级是确保拥有足够算力 ，以在人工智能领域占据有利地位
，这是我们的首要考量。

　　马克·扎克伯格：我也补充几点看法
。尽管如苏珊所说，预算仍在制定中 ，且通常我们会在明年初分享更多细节，但迄今为止
，我们不断观察到一种规律：我们基于积极预期建设一定规模的基础设施后，总会出现更多算力需求 —— 尤其是核心业务领域 ，且这些需求往往能带来可观盈利
，最终导致算力供不应求。

　　这表明，加大基础设施投资在中长期很可能是一项盈利决策 。因为这些算力的主要用途是推进人工智能研发与新人工智能业务 ，进而助力核心业务与新产品发展；即便有部分算力暂时未用于上述领域
，我们也完全有能力将其投入到系列应用与广告业务的智能优化中，通过提升推荐质量实现盈利
。

　　当然 ，也存在投资过度的可能性。但正如我此前所言
，无论是公司内部还是外部，对算力的新需求几乎每周都在涌现 —— 外部机构频繁联系我们 ，希望我们提供 API 服务或共享算力
，只是我们目前尚未开展此类业务 。显然，即便出现算力过剩 ，我们也有应对方案
。最极端的情况不过是提前数年完成基础设施建设，虽会产生一定折旧损失
，但随着业务发展，这些算力终将被充分利用。

　　因此 ，我的观点是：与其因资本支出受限
，导致核心业务中诸多可盈利的投资机会无法落地，不如主动加快投资步伐 ，确保既能满足人工智能研发与新业务的需求
，也能改善核心业务的算力供给状况 。当然，基础设施建设还受诸多运营层面的限制 ，我们正全力推进相关工作
，未来数月及明年将分享更多进展
。总体而言，这一领域的机遇极为广阔。

　　克里斯塔：下一个问题来自高盛的埃里克·谢里丹（Eric Sheridan） ，请发言 。

　　埃里克·谢里丹：非常感谢您接受提问
。马克
，您此前谈到了向超级智能领域迈进的规划，我想将话题拉回消费级人工智能：目前用户在系列应用中使用 Meta AI 的互动情况如何？您观察到了哪些信号？未来 ，随着超级智能研发成果落地，模型不断升级
，这将如何改变 Meta AI 的实用性与用户使用习惯？谢谢。

　　马克·扎克伯格：目前有大量用户在使用 Meta AI，正如我在开场发言中提到的 ，月活跃用户已超 10 亿 。我们发现
，随着模型质量的提升（目前主要是 LAMA 4 模型的训练后优化），用户使用率也在持续上升。因此我们认为 ，一旦将 Meta 超级智能实验室研发的新一代模型（即真正具备前沿能力 、独特功能的模型）融入 Meta AI
，其潜在增长空间将极为巨大
。

　　要知道，Meta 在将用户喜爱的新产品推广至数十亿用户群体方面 ，拥有业内领先的 track record（过往业绩）。因此我预测
，未来几年，搭载领先模型的 Meta AI 将迎来大规模应用 ，前景令人振奋 。

　　值得一提的是
，这不仅限于 Meta AI 本身 —— 人工智能还将催生各类基于新内容形态的产品，目前视频与内容创作领域已初现端倪 ，未来这类创新还会更多
。此外，企业级人工智能（Business AI）也是重要方向。

　　除了催生新产品
，更智能的模型还将推动核心业务升级：优化系列应用的内容推荐
、提升广告推荐效果 。正如我们所见，这一领域仍有巨大提升空间 ，且随着人工智能技术的优化
，机遇还在不断扩大，目前完全没有迹象表明增长已接近天花板
。

　　正如我在上一个问题中提到的 ，目前系列应用与广告业务仍处于 “算力短缺” 状态 —— 尽管我们已建设了大量算力
，但许多资源被投入到未来业务研发中。若能为核心业务调配更多算力，必将释放巨大增长潜力 。

　　克里斯塔：下一个问题来自伯恩斯坦的马克·施穆利克（Mark Shmulik） ，请发言
。

　　马克·施穆利克：您好
，感谢您接受提问。苏珊，关于明年广告效果与用户参与度提升的可持续性 ，以及这些提升的规模与过去两年相比会如何
，您有何看法？另外，对于 Meta 超级智能实验室新举措的落地时间 ，我们是否应理解为明年有望推出更新的前沿模型？还是说，应更多关注 Vibes 等您看好的新产品的进展？谢谢 。

　　苏珊·李感谢马克的提问
。在广告优化方面
，我们近期推出的部分创新举措涉及大规模模型的改进。需要说明的是，我们不会将 JEM 等大型模型用于推理环节 ，因其规模与复杂度会导致成本过高 。我们的做法是
，通过 “知识迁移
” 将大型模型的能力传递给轻量级小型模型，再将这些小型模型用于运行时推理。

　　除基础模型研发外 ，我们还在通过开发新技术、新架构来优化推理模型
，以实现算力与复杂度的 ROI 正向规模化提升
。总体而言，我们拥有庞大的广告主群体 ，系统内存在大量需求流动性 —— 即便某一季度仅能实现广告效果基点级提升
，或转化量相对展示量的个位数增长，基于庞大的基数 ，也能带动营收实现显著的绝对额增长。

　　马克·扎克伯格：关于 Meta 超级智能实验室的进展
，我补充一句 。目前我们暂未公布模型或产品的具体推出时间，但预计未来两者都会有成果落地 —— 我们计划研发新型模型与新型产品 ，一旦有进展，会第一时间分享
，对此我充满期待
。

　　克里斯塔：下一个问题来自美国银行（Bank of America）的贾斯汀·波斯特（Justin Post），请发言。

　　贾斯汀·波斯特：好的 ，谢谢 。马克
，您此前提到了两个发展周期，显然这两个周期都为公司带来了可观的利润率
。进入人工智能周期 ，尽管市场对相关投资存在担忧
，但我仍想请教：您认为未来会为用户推出哪些工具？目前该领域已出现新的竞争，您如何看待？其次 ，在人工智能周期中
，利润率会与以往周期有何不同吗？是否有理由认为会出现差异？谢谢。

　　马克·扎克伯格：目前谈论新产品的利润率还为时尚早 。每种产品都有其独特属性，相关规律需要时间逐步摸索
。我的核心目标是打造能为用户创造最大价值 、同时实现利润最大化（而非利润率最大化）的业务。因此 ，我们会专注于开发最优质的产品
，为尽可能多的用户提供最大价值 。

　　克里斯塔：下一个问题来自巴克莱银行（Barclays）的罗斯·桑德勒（Ross Sandler），请发言
。

　　罗斯·桑德勒：好的 ，您好马克。其他人工智能实验室的目标多聚焦于实现通用人工智能（AGI）等较为抽象
、长远的里程碑 。请问您在组建新团队时，如何平衡 “实现这类长远目标” 与 “开发能立即为 Meta 带来营收的产品 ” 这两者的关系？您此前提出的 “为数十亿人提供个性化人工智能
” 的目标是否仍是核心方向？还是说
，Vibes、Sora（视频生成模型）等领域也被视为重要方向？我们应如何理解公司的整体战略方向？谢谢。

　　马克·扎克伯格：我是这样思考的：研发工作将催生新的技术能力，而这些能力可被整合到各类产品中
。例如 ，更强大的推理能力在诸多领域都至关重要 —— 既可为个人助手赋能
，也能优化企业级人工智能，还可帮助广告主智能规划营销活动 ，甚至未来还将影响内容动态流的排名与决策机制。这只是其中一个例子 。

　　再如
，高质量视频生成能力不仅能为用户提供新的创作工具，还能增加 Instagram 、Facebook 的内容库 ，进而提升用户参与度；同时
，也能帮助广告主制作更优质的创意内容，推动变现效率提升
。类似地 ，各类技术能力都将催生多方面的应用价值。

　　我认为
，产品开发的关键在于：基于现有技术能力清单，判断哪些新产品具有实用价值 ，并确定优先级 。但从根本上讲，新技术能力的发展将呈现指数级增长趋势
。此外
，我认为在某一领域做到领先将带来巨大回报 —— 这并非 “完成任务式” 的简单竞争（如 “别人能生成内容，我们也能 ”） ，而是在每个能力领域占据领先地位的公司
，将获得该领域的大部分潜在价值。

　　人工智能领域可开发的能力众多，没有哪家公司能在所有领域都保持领先 —— 这一点我深信不疑 。我们的核心策略并非重复他人已做之事 ，而是专注于研发独特的技术能力
。出于竞争与战略考虑
，我不便透露具体优先级，但希望以上表述能让您理解我们的思路：我们致力于研发创新技术 ，并将其融入多款产品
，再借助算力将这些产品推广至数十亿用户。这一过程不仅将催生新产品、新业务，也将为现有业务带来显著提升 。

　　克里斯塔：下一个问题来自 Evercore ISI 的马克·马哈尼（Mark Mahaney） ，请发言
。

　　马克·马哈尼：谢谢。我想就 Meta AI 的产品发展与变现路径提问：在 Meta AI 的用户采纳与使用方面
，哪些现象最令您鼓舞？另外，我们知道您通常遵循 “先推出产品
、再提升用户参与度、最后考虑变现
” 的路径 ，目前 Meta AI 处于这一路径的哪个阶段？您是否已明确其变现方式？非常感谢 。

　　马克·扎克伯格：最令我们振奋的两点是：第一，我们成功打造了一款拥有庞大用户基础的产品
，且用户认为其具有价值；第二，模型质量的提升（我们认为有价值的优化）与用户使用率之间存在明确的正相关关系 —— 这表明 ，我们仍有足够空间通过提升模型能力来增强用户参与度
，逐步将 Meta AI 打造成领先产品。

　　至于当前所处阶段：我们近期已全力推进 Meta 超级智能实验室的建设，目前已组建起一支我引以为傲的 、业内人才密度最高的团队 —— 众多顶尖研究员
、基础设施专家与数据专家已投身其中 ，专注于下一代技术研发与创新
。待相关成果落地后
，我们将把其整合到多款产品中，这将是下一阶段的核心工作 ，前景令人期待。

　　从变现角度看
，这些新模型将通过多种方式推动收入增长 —— 如提升用户参与度、优化广告效果 、帮助广告主更高效地开展营销活动等 。

　　还有一个在以往会议中常被提及，但本次尚未讨论的机会：未来广告主将只需告知我们业务目标 ，并提供支付方式
，人工智能系统就能自动完成其余所有工作 —— 包括生成个性化视频或各类创意内容
、定位目标客户等
。我们目前研发的各类能力，都在为实现这一目标奠定基础 ，因此我对此持乐观态度。

　　克里斯塔：下一个问题来自花旗集团（Citi）的罗纳德·乔西（Ronald Josey），请发言 。

　　罗纳德·乔西：好的
，感谢您接受提问
。这个问题恰好承接马克刚才的话题。我们了解到端到端自动化业务的年化营收（ARR）已达 600 亿美元，能否请您详细介绍该业务在广告主中的采纳率？更宏观地看 ，当您将 Andromeda、GEMS 、Lattice 等排名推荐优化措施与自动化整合后
，整体上如何提升广告主的投资回报率（ROI）？谢谢 。

　　苏珊·李：好的
。我们一直在逐步推进 Advantage Plus（优势增强）系列产品的建设，并不断扩展其适用的目标场景。第三季度 ，我们已在全球范围内完成 Advantage Plus 潜在客户营销活动 “简化创建流程” 的推广 —— 目前
，开展销售类
、应用类或潜在客户类营销活动的广告主，从活动创建之初就能启用端到端自动化功能 。

　　与针对其他目标场景的 “简化创建流程 ” 类似 ，这一功能能帮助广告主同时优化并自动化营销活动设置的多个环节
，包括受众选择、广告投放场景选择 、预算分配与节奏控制等，以实现最高效的投放效果
。

　　我们观察到 ，Advantage Plus 持续推动广告效果提升 —— 使用该功能开展潜在客户营销活动的广告主
，其单位潜在客户获取成本平均降低 14%，相比未使用该功能的广告主具有显著优势。

　　我们认为 ，Advantage Plus 的采纳率仍有巨大提升空间：许多广告主仅在部分营销活动中使用我们的端到端自动化解决方案，因此我们有望进一步扩大市场份额 。为抓住这一机遇
，我们一方面持续优化产品性能，另一方面针对尚未覆盖的关键使用场景进行功能补充。

　　同时 ，我们也在努力推动仅使用单一自动化功能的广告主（如仅使用 Advantage Plus 受众功能的广告主）扩大使用范围
，帮助他们理解同时采用多项自动化功能的优势
。

　　总体而言，Advantage Plus 是一个持续迭代的平台：我们不仅会不断扩展其功能集 ，还会将这些功能推广到更广泛的广告主群体中。正如马克所说
，目前使用这些自动化解决方案的广告主，其年化营收已达 600 亿美元 ，未来这一规模仍有较大增长空间 。

　　克里斯塔：下一个问题来自 Truist Securities 的优素福·斯夸利（Youssef Squali）
，请发言
。

　　优素福·斯夸利：好的，非常感谢。马克 ，关于可穿戴设备业务：您认为该业务的硬件销量能否覆盖前期投资成本？还是说
，这需要通过新计算平台的广告
、服务、电商等新营收渠道来实现？若需依赖新渠道，关键制约因素是什么？另外 ，苏珊，在人工智能相关举措的融资方面
，表内融资与表外融资如何规划？Meta 近期与 Blue Owl（蓝猫头鹰资本）就路易斯安那州数据中心达成合作，这是否计入 2026 年资本支出指引？若不计入 ，这类融资对 Meta 未来的资金支持力度有多大？是否会减缓 2026 年后资本支出的增长速度？谢谢 。

　　马克·扎克伯格：我先谈谈可穿戴设备
，之后由苏珊回答融资相关问题
。目前，Ray-Ban Meta 与 Oakley Meta 两款产品的进展非常顺利。若这一势头能持续 ，我认为该业务将成为一项盈利性极高的投资 。其营收来源包括两部分：一是设备销售本身
，二是后续的附加服务与人工智能相关收入
。

　　因此，这一领域机遇巨大。需要强调的是 ，我们的投资不仅限于设备本身
，还包括构建配套服务 。目前，许多用户购买这些设备是出于非人工智能功能的需求（尽管他们也喜欢人工智能功能） ，但我预计
，随着时间推移，人工智能将成为用户使用这些设备的核心原因 ，这本身就将创造巨大的商业机会
。

　　在 Ray-Ban Meta 与 Oakley Meta 持续增长的同时，我们也在继续投资更前沿的产品
，例如去年 Connect 大会上展示的 Orion 原型机（具有更广阔视野的产品形态）。这类产品目前仍处于商业化初期，距离成为可持续盈利业务还有较长路要走 。我们的总体目标是将这类产品推广到数亿甚至数十亿用户手中 ，届时其盈利潜力将极为可观。

　　苏珊·李：优素福
，关于您的第二个问题：我们与 Blue Owl 宣布成立的合资公司，是我们引入外部资本合作开发数据中心的一次尝试 —— 这种模式既能为未来的算力需求提供长期选择权 ，也能应对未来几年算力需求的不确定性与规模挑战
。

　　在资本支出核算方面：在合资公司成立前
，我们已将该数据中心部分建设成本计入前期资本支出；未来，该数据中心的建设成本将不再计入资本支出 ，我们将按 20% 的持股比例承担剩余建设成本（这部分支出将计入 “其他投资现金流
”）。

　　克里斯塔：最后一个问题来自富国银行（Wells Fargo）的肯·高雷尔斯基（Ken Gawrelski）
，请发言 。

　　肯·高雷尔斯基：谢谢
。我有一个问题想请教马克：若明年顺利推出领先的前沿模型，在不断演变的人工智能生态系统中 ，您认为价值将主要流向平台方
，还是更多流向规模化的第一方应用？谢谢。

　　马克·扎克伯格：我不太确定您在此语境下所说的 “平台” 与 “应用 ” 具体指什么，但总体而言 ，我认为人工智能领域整体存在巨大的价值创造空间 。

　　从当前市场来看，硬件厂商（如英伟达）表现极为出色
，其成功实至名归；云服务合作伙伴与相关企业也发展良好，这一趋势预计将持续 ，未来仍有巨大机遇
。而在应用层面
，目前多数应用规模仍较小，但显然未来将成为重要增长领域。

　　纵观科技行业发展历史 ，我们发现：企业通常会借助单项技术突破开发新产品
，进而构建社区或形成其他类型的网络效应，最终发展为可持续盈利的业务 。不同之处在于 ，当前技术能力的迭代速度远超以往 —— 围绕每一项新能力
，都能开发出多款新产品，且每款产品都有望成长为颇具规模的业务
。

　　因此 ，我对该领域的整体前景持乐观态度。在新产品开发与规模化推广方面
，Meta 已具备将产品推广至数十亿用户的强大能力，这是我们的核心优势 ，也将为公司创造巨大价值 —— 无论是通过优化推荐算法 、提升服务质量、整合模型能力以扩大内容池，还是在二十余年运营中积累的各类有效策略
，都将持续为业务增长助力 。我们将不断提升系统的通用性与智能水平，优化用户推荐体验 ，扩大内容库
，这些举措都将带来显著成效
。

　　未来，我们还将推出更多新产品 ，并逐步将其推广至数十亿用户
，构建新业务（无论是基于广告
、电商，还是用户付费等模式）。目前 ，人工智能领域仍处于早期阶段
，但核心业务已开始显现回报，这让我们更有信心加大投资 —— 我们必须确保不会错失机遇 ，避免投资不足 。

　　肯尼斯·多雷尔（Kenneth Dorell）：好的
，感谢各位今天的参与。我们期待很快与大家再次交流
。

（文章来源：财联社）