Meta Platforms 將資本支出上限調高至 1,450 億美元，MuSpark 發布印證 AI 實驗室策略
2026 年第一季財報電話會議，2026 年 4 月 29 日
Meta Platforms 本季營運表現強勁，但結構性成本高昂。營收達 563 億美元，年增 33%；營業利益率維持在 41%，Facebook 與 Instagram 的用戶參與度指標均創下多年來新高。然而，投資人最關注的焦點在於公司連續兩季上調資本支出指引，2026 全年資本支出預計將達 1,250 億至 1,450 億美元，高於先前預測的 1,150 億至 1,350 億美元。公司將此增長主要歸因於記憶體元件價格上漲及資料中心成本增加。管理層傳達的訊息明確無誤：運算能力是戰略資產，而 Meta 志在必得。
MuSpark 是實驗室所需的實證
週三電話會議中最具影響力的新資訊，是 Meta Super Intelligence Labs 首款模型 MuSpark 的正式發布及其初步市場反應；該模型也是升級版 Meta AI 助理的基礎。執行長祖克柏（Zuckerberg）直言此次發布的內部意義：「我認為這間實驗室從成立到推出廣受歡迎的強大模型，其速度之快前所未見。」考慮到該實驗室僅在十個月前才從零開始組建，這項聲明意義重大。
財務長 Susan Li 隨後以產品層面的數據佐證了這一點。在 MuSpark 全面推出前的幾週內，Meta 觀察到 Meta AI 的參與度「隨著模型每次迭代而逐週加速」。在正式發布後，Meta AI 的每位用戶使用次數（sessions per user）出現雙位數成長。Meta AI 應用程式在應用商店排行榜中持續名列前茅。這些雖是早期跡象，尚不足以證明存在持久的獲利途徑，但已驗證了該實驗室能在可靠的時間表內產出具競爭力模型的技術論點。
資本支出升級是事實，回報時程卻不明
本季合約承諾金額增加了 1,070 億美元——主要受多年期雲端交易與基礎設施採購協議推動——這正是主導投資人辯論的關鍵數字。Li 承認，公司「儘管已大幅擴充產能，但仍持續低估了運算需求。」這對財務長而言是一項誠實卻發人深省的坦承，也清楚勾勒出風險所在：Meta 投入基礎設施的規模與速度，已使其內部需求預測多次顯得過於保守。
當摩根士丹利（Morgan Stanley）分析師 Brian Nowak 追問 Meta 具體觀察哪些指標以確保投資資本回報率（ROIC）時，祖克柏提供的框架方向合理，但缺乏精確度。「我們公司的公式始終是打造能觸及數十億人的體驗，並在達到規模後專注於變現。」他概述了三個階段：技術品質優先、產品規模化，最後才是變現效率。但他並未提供具體的時間表、營收目標，甚至連變現階段何時開始的定性門檻都未提及。投資人目前只能選擇信任這個過程。
核心參與度依然強勁
在 AI 敘事之外，Meta 的核心廣告引擎持續運作良好。全球廣告曝光量成長 19%，平均廣告價格上漲 12%，兩者推動應用程式家族（Family of Apps）廣告營收達 550 億美元，年增 33%。Facebook 方面，第一季全球總影片觀看時長成長超過 8%，創下四年來最大季增幅；受惠於排序演算法優化，美國地區影片觀看時長成長 9%。Instagram 方面，僅憑推薦模型升級，Reels 的觀看時長便增加了 10%。
Li 詳細說明了這些成長背後的機制，細節精確度罕見。Meta 將 Instagram 用於訓練的用戶互動序列長度增加了一倍，提升了每個互動描述的豐富度，並加快了排序模型對新貼文的索引速度。目前，當日貼文已佔 Instagram 與 Facebook 推薦 Reels 的 30% 以上，較一年前成長超過一倍。每個平台上每週有超過 5 億用戶觀看 AI 翻譯的影片。對於擔憂推薦系統優化已接近報酬遞減邊緣的分析師，Li 強調：「今年剩餘時間內，推薦系統仍有很大的改進空間。」
廣告技術正悄然進行模型架構轉型
電話會議中技術意義最重大的揭露之一，是 Li 解釋了 Meta 如何將大型語言模型（LLM）的規模引入其廣告基礎設施。過去，推論模型受限於小型輕量化架構，因為延遲要求——即在毫秒內找到合適的廣告——使得大型模型成本過高。Meta 的解決方案是 2025 年下半年引入的「自適應排序模型」（adaptive ranking model），透過智慧路由，僅在評估轉換機率較高時才調用更耗費運算資源的模型，從而實現兆級參數的 LLM 複雜度。第一季，將此模型覆蓋範圍擴大至支援站外轉換，帶動 Facebook 與 Instagram 主要版面的轉換率提升 1.6%。而針對到達頁面瀏覽廣告（landing page view ads），透過 Lattice 與 GEM 模型架構的額外優化，轉換率更提升了 6%。
商業 AI 擴張速度超乎預期
會議中一個驚人的數據是 Meta 訊息平台上商業 AI 對話的成長。透過商業 AI 進行的每週對話量，已從 2026 年初的 100 萬次成長至今日的超過 1,000 萬次，約四個月內成長了十倍。這些 AI 目前對 Meta 訊息應用程式上的大多數企業免費，意味著這是一個尚未建立變現模式的成本中心。Li 承認了此機會，但坦言：「隨著我們取得更多進展，預期將致力於建立長期的變現模式。」相比之下，價值優化套件（value optimization suite）的年化營收運作率已超過 200 億美元，年增超過一倍，顯示 AI 輔助廣告的變現基礎設施成熟速度，已超越了面向消費者的代理人產品。
5 月將裁員，2027 年資本支出刻意模糊
Li 確認 Meta 計畫於 5 月精簡員工編制，並將其定位為實現「更精簡的營運模式」，使公司能「在更快速行動的同時，協助抵銷我們正在進行的大規模投資。」截至第一季末，員工總數已較上季減少 1% 至 77,900 人，部分職能的優化抵銷了 AI 與基礎設施領域的招募。裁員與積極的基礎設施投資同步進行，凸顯了資本配置邏輯：將支出從人力轉向運算。
關於 2027 年的資本支出，伯恩斯坦（Bernstein）分析師 Mark Shmulik 追問未來支出的規模，鑑於同業已暗示可能大幅增加。Li 拒絕提供具體細節，並坦誠說明原因：「坦白說，我們正在進行非常動態的規劃過程，以評估未來幾年的產能需求。」對於試圖預測兩年後自由現金流的投資人來說，這並非令人安心的回答，但卻是誠實的。
AI 眼鏡動能強勁，顯示器將是下一步
Ray-Ban Meta AI 眼鏡持續成為業界少數的消費硬體成功案例，每日活躍用戶數年增三倍。Li 指出銷售組合已從前一代轉向現行一代，這歸功於電池續航力延長與更高解析度的影片拍攝，顯示消費者是為了功能而非新鮮感而升級。更具戰略意義的是，Li 指出市場對配備 Meta 神經手環的 Ray-Ban Meta 顯示器「興趣濃厚」，並將其描述為「消費者對顯示器眼鏡有需求的鼓舞跡象，這也是該產品演進的下一代方向。」預計 2026 年稍晚將推出新的品牌合作與款式。Reality Labs 部門第一季營收為 4.02 億美元，年減 2%，主因是 Quest 頭戴式裝置銷量下滑，僅部分被 AI 眼鏡的營收成長所抵銷。
個人超級智慧願景是投資核心論點
祖克柏花了不少時間闡述 Meta 的方法與業界普遍傾向於集中式、取代生產力的 AI 之間的哲學差異。「我對 AI 的看法與業界許多人截然不同。我聽到很多人談論 AI 將如何取代人類。相反地，我認為 AI 將放大人類做想做之事的能力。」其實際體現就是專注於個人目標——健康、學習、購物、人際關係、在地情境——的個人代理人，以及協助企業家尋找並服務客戶的商業代理人。
關於 Meta 是否會追求遞迴自我改進與專注於程式編寫的 AI，祖克柏明確表示：「如果你的模型無法自我改進，未來就不會擁有領先的模型……這是我們專注的必要條件。」他反對將程式編寫工具與自我改進混為一談，認為程式編寫只是模型自我改進的一種成分，而非全部。這暗示 Meta 正將自我改進的模型能力視為內部需求，而非像某些競爭對手那樣將其視為一種產品類別。
展望下一季，Meta 指引第二季營收為 580 億至 610 億美元，匯率將帶來約 2% 的順風。全年費用指引維持在 1,620 億至 1,690 億美元不變，並重申 2026 年營業利益將超過 2025 年水準。當前產生強勁現金流的業務與以加速速度消耗這些現金的資本配置策略之間的差距，是投資人必須解決的核心矛盾。管理層的答案是：模型運作良好，產品正在獲取用戶，而基礎設施是對數十億潛在市場的押注。本季驗證了前兩點，至於第三點，目前仍是一場信念的考驗。
Meta Platforms, Inc. 深度剖析
核心商業模式與營收引擎
Meta Platforms 運作著消費科技史上最強大的數位轉換引擎。該公司透過旗下應用程式家族（Family of Apps）——包括 Facebook、Instagram、WhatsApp、Messenger 和 Threads——在全球範圍內將人類注意力變現。其商業模式概念簡單，但執行極其複雜：Meta 提供免費且具高度成癮性的社群與通訊工具以吸引用戶，隨後針對這些注意力銷售透過演算法精準投放的廣告版位。該系統由一個良性循環驅動：用戶互動產生行為數據，進而訓練機器學習模型，以呈現更相關的內容與轉換率更高的廣告。近年來，Meta 已從依賴確定性用戶數據（該數據因行動作業系統隱私權變更而嚴重受損）轉向依賴機率性、人工智慧驅動的訊號處理。
這台機器的財務產出驚人。截至 2026 年第一季，Meta 的營收年化率（run rate）達到 563 億美元，年增率為 33%，並維持 41% 的高水準營業利益率。儘管數位廣告佔總營收逾 98%，但營收性質正不斷演變。Meta 正日益將媒體採購流程從人工行銷人員手中抽離。透過 Advantage+ Shopping 等產品，廣告主只需上傳預算與創意素材，Meta 的神經網路即可動態組合廣告、決定目標客群並即時優化出價。這套自動化工具大幅提升了平均廣告價格與總曝光量。此外，非廣告營收來源正展現結構性可行性，其中 WhatsApp 付費訊息服務的年化營收已突破 20 億美元，而 Meta Verified 訂閱服務則為資產負債表增添了高毛利的經常性軟體服務（SaaS）營收。
主要客戶、供應商與市場份額動態
Meta 的真正客戶是全球數百萬名廣告主，涵蓋在地商家至跨國消費性包裝商品集團。終端消費者則是每天登入至少一個 Meta 應用程式的 35 億「每日活躍用戶」（Daily Active People）。Meta 本質上是全球供給與消費者需求之間的收費橋樑。在供應商方面，Meta 極度依賴半導體製造商，特別是 Nvidia 的繪圖處理器（GPU）以及與 Broadcom 共同開發客製化的 Meta 訓練與推論加速器（Meta Training and Inference Accelerator）晶片，同時也仰賴伺服器基礎設施供應商來實體承載其不斷擴張的運算量能。
2026 年是數位廣告市場份額動態的分水嶺。Meta 已系統性地超越 Alphabet 旗下的 Google，成為全球最具主導地位的數位廣告平台。預測顯示，Meta 今年將囊括 2,430 億美元的全球淨廣告營收，佔全球份額的 26.8%，高於 Google 的 2,390 億美元與 26.4% 份額。這種交叉現象源於兩者成長動能的巨大分歧：Meta 以每年超過 24% 的速度複合成長，而 Google 則徘徊在 12% 左右。核心差異在於兩大平台的行為範式：Google 依賴「拉力模型」（pull model），透過搜尋查詢捕捉既有的消費者意圖；Meta 則依賴「演算法推力模型」（push model），利用 Reels 和人工智慧探索功能，在用戶意識到需求前就創造出新的消費者需求。在現代電子商務領域，創造需求已被證明比單純滿足需求更具獲利空間。
競爭優勢與經濟護城河
Meta 的主要經濟護城河來自於無可匹敵的規模效應與複合式網路效應。一個擁有 35 億每日用戶的社交圖譜（social graph），任何新進者無論資本多雄厚都無法複製。這種龐大的人類互動量為 Meta 提供了獨有的數據集，極其適合訓練多模態人工智慧系統。每一次滑動、暫停、按讚與購買行為，都餵養了數據飛輪，不斷精進內容推薦引擎，並在每一次迭代中更有效地鎖定用戶注意力。
除了社交圖譜，Meta 最強大的競爭優勢在於其資本規模。在尖端人工智慧時代，進入門檻在於原始運算力，而 Meta 正將競爭對手遠遠拋在後頭。該公司將 2026 年資本支出指引修正為 1,250 億至 1,450 億美元，這筆驚人的金額實質上排擠了規模較小的競爭對手。透過設計自有的客製化晶片（如第二代 Meta 訓練與推論加速器晶片）並簽署多年期資料中心協議，Meta 正進行基礎設施的垂直整合。這種深度的基礎設施所有權降低了推論成本，讓 Meta 能免費向數十億用戶部署先進的人工智慧功能，這種部署規模是那些需支付雲端運算代幣費用的新創公司無法維持的。
產業機會與結構性威脅
Meta 的結構性機會在於獲取商家利潤中更大比例的份額。隨著 Meta 的自動化廣告系統效率提升，該平台正從廣告聯播網轉變為全球零售業事實上的外包銷售與行銷部門。此外，將生成式人工智慧整合至消費應用程式中，帶來了巨大的互動機會。2026 年初 Muse Spark 模型的發布，推動了 Meta AI 每位用戶的對話次數出現雙位數成長。隨著公司推出能夠代表用戶執行任務的先進 AI 代理，Meta 將能捕捉到以往屬於搜尋引擎或原生應用生態系的漏斗底層（lower-funnel）交易數據與意圖訊號。
投資論點的主要威脅在於公司自身資本支出週期的沉重壓力。將 2026 年資本支出指引調升 100 億美元至 1,450 億美元的上限，顯示了一場無限制的基礎設施軍備競賽。若人工智慧的商業化無法帶來相應的營收成長，這種固定成本負擔將嚴重侵蝕投資資本報酬率。此外，Meta 持續面臨嚴峻的監管審查。歐盟與美國在青少年安全、反壟斷與數據隱私方面持續進行的法律挑戰，始終威脅著要實質損害公司的營運彈性與數據收集方式。
新產品與技術驅動力
Meta 正積極將產品線擴展至行動螢幕之外，重點聚焦於開源與自有的人工智慧模型以及空間運算硬體。在軟體方面，2026 年春季發布的 Llama 4 家族（包括高效的 Scout 模型與推理能力強大的 Maverick 模型），鞏固了 Meta 將 AI 堆疊中基礎模型層商品化的策略。透過釋出功能強大的開源模型，Meta 削弱了競爭對手的定價能力，同時受惠於全球開發者的貢獻。然而，管理層內部正同步轉向：在 AI 長 Alexandr Wang 的帶領下，Meta 的「超級智慧實驗室」（Superintelligence Labs）據傳正開發代號為 Avocado 的封閉原始碼自有尖端模型，這顯示公司已意識到，完全公開最頂尖技術可能會喪失過多的戰略籌碼。
在硬體方面，Reality Labs 依然是巨大的財務黑洞，2026 年第一季營收僅 4.02 億美元，營業虧損卻高達 40 億美元。然而，該部門是後智慧型手機運算範式的先鋒。Ray-Ban Meta AI 眼鏡銷量已成長兩倍，證明了消費者對可穿戴式科技的接受度。更重要的是，公司已開始分發其高度先進的 Orion 擴增實境開發者套件。Orion 利用光學級碳化矽波導技術實現 70 度視野，被廣泛認為是目前存在的最先進擴增實境原型機。雖然這並非消費性產品，但它為預計 2027 年推出的 Artemis 消費級眼鏡鋪平了道路，使 Meta 有望最終掌握硬體分發管道，並徹底繞過行動作業系統的守門人。
新進者與破壞性技術
威脅格局已從本土社群網路新創轉向國際娛樂演算法與開放權重（open-weight）人工智慧破壞者。字節跳動（ByteDance）旗下的 TikTok 依然是爭奪消費者注意力和數位廣告預算的最強勁對手。TikTok 提供更低的每千次曝光成本（CPM），使其成為品牌鎖定年輕族群時極具吸引力的漏斗頂層（top-of-funnel）探索引擎。然而，Meta 的轉換基礎設施扮演了有效的防火牆。儘管 TikTok 擅長製造初步需求，但 Meta 在漏斗底層的精準投放能力，其廣告支出報酬率（ROAS）中位數為 2.2 倍，高於 TikTok 的 1.4 倍，這確保了績效型行銷人員最終仍會透過 Meta 的系統投放最大筆預算。
在人工智慧領域，Meta 面臨來自國內外實驗室快速迭代的破壞。DeepSeek V4 等模型以極低的運算成本提供尖端性能，挑戰了 Meta 作為開放權重生態系無可爭議領導者的地位。功能強大且低廉的人工智慧模型激增，意味著 Meta 必須持續投入比對手更多的資金，才能維持其技術領先優勢。轉向內部自有模型反映了一種防禦姿態，以對抗那些先前利用 Meta 開源架構來建立競爭性商業產品的激進新進者。
管理層績效與資本配置
Mark Zuckerberg 已成功帶領 Meta 渡過存亡危機，將公司敘事從臃腫且沉迷於元宇宙的科技巨頭，轉變為紀律嚴明、由人工智慧驅動的複合成長機器。備受矚目的「效率之年」（Year of Efficiency）並非一時的成本削減行動，而是一種結構性的經營哲學。公司持續嚴格優化人力，將員工人數維持在 7.8 萬人以下，同時積極將薪資預算重新配置給高優先級的人工智慧人才與基礎設施工程。
然而，目前的資本配置由一場單一且具歷史意義的運算基礎設施賭注所定義。管理層對於預先投入鉅資以確保 Meta 在人工智慧競賽中不會處於結構性劣勢的決策毫不後悔。財務長 Susan Li 強調，公司傾向於承擔「過度投資」的風險，而非在運算能力上「投資不足」，這凸顯了管理團隊將長達十年的戰略主導權置於季度自由現金流優化之上的優先順序。儘管市場偶爾會因這些數十億美元的資本支出上修而懲罰股價，但管理層將大規模基礎設施投資轉化為持久、高毛利廣告營收的紀錄，為其提供了強大的機構信譽基礎。
總結
Meta Platforms 成功建構了一個偽裝成消費性工具提供商的數位廣告壟斷企業。向自動化、原生人工智慧廣告堆疊的轉型，抵銷了外部隱私權變更造成的結構性損害，使公司得以在全球市場份額上超越主要對手。結合 35 億每日用戶、41% 的高水準營業利益率以及加速成長的營收，造就了對總體經濟摩擦具有高度韌性的財務結構。透過控制 Reels 的需求創造以及 Advantage+ 的需求滿足，Meta 已鞏固其作為全球數位商務不可避免的「稅收」角色。
反之，投資論點需要承擔一場前所未有的資本支出週期，這已逼近歷史企業支出的極限。承諾在一年內投入高達 1,450 億美元用於資料中心與晶片，代表著巨大的固定成本負擔，這要求最終必須透過尚未發掘的人工智慧消費產品來實現變現。如果尖端模型競賽在商品化後無法產生自有營收來源，或者 Reality Labs 在無法實現主流硬體採用下持續燒錢，該業務的資本效率將會惡化。Meta 依然是一個高度依賴執行的故事，仰賴一位已多次證明其最大膽的基礎設施賭注最終能產生非凡股東價值的創辦人兼執行長。