美股投资网获悉，近日，Meta(META)召开了2024Q4业绩会。会上Susan Li表示，2024年第四季度，Meta实现总收入484亿美元，同比增长21%。营业成本同比增长15%，主要由于基础设施支出增加。展望2025年，预计第一季度总收入将在395亿至418亿美元之间，这反映了8%至15%的年度增长；支出方面，预计2025年全年资本支出将在600亿至650亿美元之间，资本支出增长将由支持公司的生成式人工智能努力和核心业务的增加投资推动。2025年，公司的大部分资本支出将继续投向核心业务。

公司表示，2025年的资本支出中，服务器仍然是最大的投资方向，并且预计将大幅增长，主要原因包括增加AI计算能力支持生成式AI(GenAI)以及核心AI业务的扩展。维护核心业务扩展基础设施以满足用户增长，并更新老旧服务器。整体而言，Meta在基础AI、非AI业务、生成式AI三个领域的基础设施投资都会增加，重点仍然是支持核心业务。

关于DeepSeek，扎克伯格表示，仍在评估他们的创新点，并计划吸收其中的一些技术优势。他表示，目前，很难判断这些发展对基础设施投资和资本支出的长期影响。AI计算资源的分配正在经历结构性变化过去，计算能力主要集中在预训练(Pre-training)。现在，越来越多的计算资源转向推理(Inference)，即AI在实时应用中的计算需求。

这种趋势意味着，未来AI计算不一定需要更多的预训练资源，但推理计算的负载可能大幅增长。这对拥有强大商业模式支撑的企业是一个长期优势，因为可以持续投资基础设施，以提供更高质量的AI服务，而一些无法承受高昂计算成本的竞争对手可能难以维持。

此外，公司的AI计算基础设施不仅用于Meta AI，还广泛应用于信息流推荐(Feeds)和广告产品。因此，公司需要确保有足够的计算能力来支持数十亿用户的需求。

Q&A

Q我知道今年会有很多公告，但能否分享一些高层次的示例，说明你对新潜在应用场景和产品的愿景?这些产品如何提升用户体验并为广告商创造价值?特别是关于Llama 4和Meta AI在2025年的发展方向?

A(马克·扎克伯格)关于你的第一个问题，我在开场发言中已经提到了一些内容。我们目前的重点是Meta AI，希望将其打造为一个高度智能化且个性化的助手，能够在我们的各个应用程序中使用，同时也可以通过独立网站访问。

我们认为，Meta AI的质量将持续提升，过去一年已有显著进步。此外，我们正积极探索如何更好地将其融入我们的服务，使更多用户能够发现并使用它。正因为如此，Meta AI目前已被数亿用户使用，这也是我们持续优化产品易用性的结果。

至于Llama 4，我此前已经提供了一些技术层面的细节，这对于技术爱好者来说可能会很有趣，因为我们之前从未讨论过这些内容。但关于今年即将发布的产品，我暂时不会透露太多细节，还是留点惊喜吧。不过，我们会围绕 Meta AI 进行大量创新，同时 Llama 4 也将带来一系列激动人心的更新。

Llama4 不会是单一的产品发布，而是像 Llama 3 一样，分阶段推出多个不同的模型。此外，我们在 AI 工程师方向的进展也让我感到非常兴奋。虽然它短期内不会成为一个外部产品，但我们正在积极推进 AI 研究，并用于内部产品开发。这项技术未来可能会带来重要的市场机会，但在今年，它主要用于提升我们现有产品的能力，推动 AI 在2026年及之后的更大变革。

Q关于定制芯片，Meta 在自研芯片和第三方芯片在计算效率和排名模型上的应用有什么经验?未来采用定制芯片的主要限制因素是什么?

A(Susan Li)很高兴回答你的第二个问题。首先，我们仍然会继续从行业领先的供应商采购第三方芯片，并保持长期合作关系。同时，我们也在积极研发自研芯片，以应对一些特定的计算需求，特别是针对那些市面上标准芯片无法优化的工作负载。

我们的自研芯片可以优化整个计算架构，从而在计算效率、单位成本和功耗方面实现更高的性能。这主要是因为 Meta 的工作负载在内存、网络带宽和计算资源的分配上有着独特需求，而自研芯片可以根据这些需求进行精准优化。

目前，我们的 MTIA(Meta Training and Inference Accelerator)主要用于核心排名和推荐推理任务，并已在 2024 年上半年正式投入使用。今年，我们将继续扩大 MTIA 的应用范围，不仅用于新增算力需求，还将逐步替换部分已达到使用寿命的 GPU 服务器。

展望未来，我们希望在 2025 年让 MTIA 支持部分核心AI 训练任务，并逐步扩展到生成式 AI 相关的应用场景。

QMeta对开源策略的看法如何演变?你们如何看待开源战略在AI领域的竞争格局?从成本控制和资本回报的角度来看，开源模式能否为Meta带来长期优势?

A(马克·扎克伯格)在开源策略方面，我们的思路类似于 OpenCompute 项目。当年，我们并不是第一个建立数据中心硬件系统的公司，因此我们决定将其开源，推动整个行业采用我们的方案，并鼓励生态系统共同创新。最终，这种标准化让供应链更加高效，也降低了成本。

在AI领域，我们认为 Llama 的广泛应用将推动更多芯片供应商、API开发者和开发平台对其进行优化，从而降低使用成本并提升整体性能。随着行业采用率的提高，我们自身也可以受益于这些优化成果。

此外，我们也注意到了近期中国的DeepSeek 等开源竞争对手的崛起。全球范围内可能会形成一个开源标准，我们希望这一标准能由美国主导。因此，我们会继续推动 AI 生态系统的发展，让全球开发者都能使用Meta开发的AI技术。最近的一些行业动态更坚定了我们对开源战略的信心，我们认为这是正确的方向。

Q在智能眼镜的发展趋势方面，Meta认为AI助手的最佳硬件形态是智能眼镜吗?还是它只是对应用内AI体验的补充?

A(马克·扎克伯格)是的，我一直认为智能眼镜是 AI 设备的理想形态，因为它可以让 AI 助手“看到”你的视角，并“听到”你听到的内容，从而提供更有上下文理解的交互体验。未来，智能眼镜将成为一个重要的计算平台。

当智能手机成为主要计算平台时，传统 PC 并没有被淘汰。同样，未来手机仍然会存在，但越来越多的用户会转向 AI 眼镜。这是一个不可逆的趋势，我预计未来十年，市面上所有眼镜都将具备 AI 功能，甚至一些原本不戴眼镜的人也会开始使用 AI 眼镜。

去年，我曾认为，只有当智能眼镜拥有全息显示技术时，它才会成为主流产品。但现在，我认为AI本身带来的价值可能与全息AR一样重要。因此，AI 眼镜的发展可能比我们预想的更快。

Ray-BanMeta 智能眼镜的成功表明市场对此类产品有需求。尽管我们还不清楚长期的发展轨迹，但 2025 年将是探索智能眼镜市场潜力的关键一年。

Q广告业务方面，最近几个季度 Meta 的广告收入增长主要由广告单价提升驱动。未来广告增长的主要推动因素是什么?定价增长的趋势是否会持续?

A(Susan Li)从长期来看，我们认为广告收入的增长仍然可以从广告定价和广告展示量两方面获得推动。在定价方面，增长可能受到多种因素影响，包括广告位供应情况、广告竞价动态，以及广告展示位置的变化。例如，视频类广告的变现效率通常低于其他广告类型，这也会影响整体定价趋势。此外，宏观经济环境也是一个重要因素。

不过，我们预计，Meta 仍然可以通过持续优化广告表现，提升广告主的投资回报率(ROI)。我们在广告变现上的技术创新，包括优化投放算法、提升广告目标匹配精度等，都将有助于广告单价的长期增长。

需要注意的是，广告单价是一个复合指标，受到多个变量影响，例如广告主的竞价策略、广告转化成本等。因此，尽管单价可能波动，但我们总体上看到广告转化成本仍然保持在健康水平。随着 Meta 持续提升广告转化率，我们预计未来的CPM(千次展示成本) 仍将呈增长趋势。

QMark，你提到美国的政治变化可能会使美国企业在海外的竞争地位更有利。但在美国国内，你如何看待这些变化对用户使用和广告商采用的影响?你们最近取消了事实核查(fact-checking)机制，是否认为这会影响平台内容?这是否可能吸引更多用户?同时，这对广告业务是否会有影响?

Susan，关于 Meta AI，外界对其应用场景感到兴奋，但也关注其商业化路径。你们如何考虑 Meta AI 的变现模式?未来是否可能采用 CPC(按点击付费)广告模式?

A(马克·扎克伯格)关于事实核查和内容政策的问题，我们的目标始终是打造最适合用户的服务。我一直支持言论自由，同时我们也意识到人们不希望看到错误信息，因此需要建立一个有效的系统来提供更多上下文信息。

从实践经验来看，我们发现社区注释(Community Notes)系统的效果优于之前的事实核查机制。我愿意承认，当其他公司开发出更好的方法时，我们也应当学习并优化自己的系统。

近期的政策调整并不意味着我们对平台内容的质量失去关注。实际上，我们认为社区注释系统(类似于X平台的模式)比以往的事实核查机制更有效，并且能够为用户提供更好的体验。因此，我相信这些调整最终会让我们的产品变得更好。

A(Susan Li)

就广告业务而言，我们目前没有看到内容政策调整对广告支出的明显影响。广告商的需求依然强劲，特别是AI赋能的广告工具帮助企业更有效地优化广告支出价值。因此，我们的品牌安全承诺保持不变，并将继续投资于品牌安全工具，以满足广告商的需求。

至于 Meta AI 的商业化，我们的初期重点是打造卓越的用户体验，目前所有精力都集中在提升产品质量上。

未来，Meta AI 的变现方式可能包括付费推荐(Paid Recommendations)和高级订阅服务(Premium Offerings)但目前，我们的主要目标仍然是产品开发，而不是变现。

QMark，关于开源问题，DeepSeek等新模型正在利用 Llama 进行更快、更低成本的训练。这对 Meta 有何影响?是否会影响 Meta 在未来几年的投资方向?

关于 2025 年的资本支出(CapEx)，你们预计投资 600-650 亿美元，相较去年，投资结构是否有变化?服务器仍然是最大支出项吗?数据中心和网络设备的投资分配是否有所调整?特别是在 AI 训练和推理计算上的分配情况?

A(马克·扎克伯格)

关于DeepSeek，我们仍在评估他们的创新点，并计划吸收其中的一些技术优势。无论竞争对手来自哪里，整个AI领域的进步往往是相互学习的过程，每次新的技术发布都会推动整个行业前进。

目前，很难判断这些发展对基础设施投资和资本支出的长期影响。AI计算资源的分配正在经历结构性变化过去，计算能力主要集中在预训练(Pre-training)。现在，越来越多的计算资源转向推理(Inference)，即 AI 在实时应用中的计算需求。

这种趋势意味着，未来 AI 计算不一定需要更多的预训练资源，但推理计算的负载可能大幅增长。这对 拥有强大商业模式支撑的企业 是一个长期优势，因为我们可以持续投资基础设施，以提供更高质量的 AI 服务，而一些无法承受高昂计算成本的竞争对手可能难以维持。

此外，我们的 AI 计算基础设施不仅用于 Meta AI，还广泛应用于 信息流推荐(Feeds)和 广告产品。因此，我们需要确保有足够的计算能力来支持数十亿用户的需求。

A(Susan Li)关于 2025 年资本支出，服务器仍然是最大的投资方向，并且预计将大幅增长，主要原因包括增加 AI 计算能力支持生成式 AI(GenAI)以及核心 AI 业务的扩展。维护核心业务扩展基础设施以满足用户增长，并更新老旧服务器。

数据中心投资也会增加，主要用于构建大规模 AI 训练集群;高功率密度数据中心的核心建设阶段

网络设备投资将支持更高容量的网络，满足 AI 计算和非 AI 计算的流量增长;光纤基础设施建设，优化跨区域 AI 训练数据传输。

整体而言，Meta 在 基础 AI、非 AI 业务、生成式 AI 三个领域的基础设施投资都会增加，重点仍然是支持核心业务。

我们仍处于 AI 计算的早期阶段，未来计算成本是否会大幅降低仍不确定。因此，我们目前保持大规模投资，以确保长期竞争力。

QMeta 近期强调回归“OG Facebook”(最初的 Facebook 体验)。你能否具体说明如何扩大这一方向的应用场景?视频、社群市场(Marketplace)等是否是重点?

同时，Meta AI 目前已经拥有 超过 6 亿月活用户(MAUs)，你们如何看待用户体验的演进?目前用户主要在做哪些事情?

A(马克·扎克伯格)Facebook 仍然是许多用户日常生活的重要组成部分。我认为，Facebook还有很大的潜力可以发挥，并在文化影响力方面重新崛起。

目前，我们正在探索一些新的产品方向，但不会立即对短期业务增长产生影响。这个过程需要权衡，我们可能会在某些领域做出取舍，以专注于长期产品创新。

我会在未来 6-12 个月内分享更多细节。总体而言，我们希望Facebook能回归早期的社区互动方式，并重新焕发活力。

A(Susan Li)关于 Meta AI，我们正处于用户行为学习阶段。从各应用的数据来看WhatsApp 是 Meta AI 使用量最高的平台，主要应用场景包括信息查询、学习支持、情感交流。Facebook是第二大Meta AI使用平台，用户主要通过Feed深度整合体验AI推荐功能。

从整体趋势看，用户正逐步将Meta AI 应用于信息搜索和整理;社交互动和沟通;休闲娱乐(例如幽默交流);内容创作与编辑(如写作辅助)

2025年，Meta AI的核心目标是个性化体验优化，包括增强AI记忆能力，能记住用户在私聊中的关键信息，以提供更精准的回应。提升内容推荐质量，增强 Facebook 和Instagram的价值。

资讯来源：美股投资网 TradesMax.com 美股大数据 StockWe.com