Meta 2026年第三季度净利润达到99亿美元，同比增长264%；同期资本开支为339亿美元，同比增长80.3%。高额设备投入带来折旧压力，但利润仍明显增长。收入端的广告效率提升，以及既有内容系统的单位处理成本下降，是解释这组数据的两条线索。与此同时，资本投入还将延续，广告之外的新业务需要时间兑现，算力成本和商业模式变化构成后续检验重点。
财报中的利润增长与重投入
339亿美元的季度资本开支，主要投向服务器、数据中心和网络设施，同比增加80.3%。这类投入会形成设备和基础设施折旧，按传统逻辑，折旧增长会压缩利润。不过第三季度净利润仍达到99亿美元，较上年同期增长264%。利润表现与投入强度并不矛盾，关键在于收入增量和运营成本变化能否超过折旧带来的压力。
Meta 的核心应用业务中，广告收入达到631亿美元，同比增长26%。收入规模增长提供了利润增量，而后端内容处理成本下降构成另一项支撑。二者叠加形成明显的“剪刀差”：前端广告收入扩张，后端部分日常系统单位成本收缩。判断利润变化时，需要区分资本开支、折旧和当期运营成本：设备投资先形成资产，随后通过使用年限进入折旧；广告收入则直接反映当期业务扩张。收入增量大于新增折旧和相关成本时，净利润仍可上升。该机制解释了当前利润表现，但不等于所有人工智能产品已经盈利，也不意味着新增资本开支都已取得回报。
广告系统的实时创意与转化效率
广告增长来自展示量和单价两端。第三季度广告展示量增长10%，单条广告平均价格增长14%，共同推动广告收入同比增长26%。在品牌预算趋紧的情况下，数量增加同时价格上升，说明广告主仍愿意购买更有效的投放结果。人工智能的作用不只是增加展示位，而是帮助广告系统预测不同受众对创意内容的反应，并在投放中优化匹配。
生成式创意工具可以将同一商品拆成大量图像背景和文案组合，再进行大规模实时测试。以运动鞋广告为例，过去可能由设计人员制作三五张海报并统一投放；现在可快速生成约500种不同背景与文案。对偏好冲浪的用户，背景可匹配海滩；对城市通勤用户，则可匹配霓虹街景。系统在毫秒级完成匹配，使相同商品以不同创意面向不同人群。实时A/B测试进一步比较不同版本的表现，投放不再只依赖少数固定素材。其商业意义在于，广告系统同时选择“展示给谁”和“展示哪种表达”，同一商品不再要求单一素材适配所有受众。数据反馈可用于筛选更有效的版本，令投放优化从人工有限组合转向更大规模的自动测试。
使用人工智能商业工具的广告主，在转化成本没有增加的情况下，转化率提高近5%。季度内接近1000万广告主至少使用一种生成式人工智能创意工具，广告预算提高约9%。这些数字描述的是采用工具的广告主和转化效果，不能直接推导为所有广告主均获得同等提升。当转化效率提高，广告主愿意为更高的预期回报支付更高价格，展示量与价格因此可以同步增长。广告系统由创意生成、受众匹配、测试和转化反馈组成，人工智能介入的是整个交易链条。三五张统一素材的模式，难以同时覆盖冲浪爱好者和城市通勤人群；500种背景、文案组合让每个版本都能进入实时比较。不同版本带来的点击和转化反馈，构成系统选择后续投放内容的依据。
模型蒸馏与日常处理成本
成本改善主要发生在内容理解系统。原有大型模型逐步迁移至内部开发的新一代模型后，相关系统单条内容的处理成本降低约80%。关键方法是模型蒸馏：由能力较强的基础模型训练较小、效率较高的专用模型。Llama 4在若干核心维度接近行业领先水平，可承担训练与蒸馏的基础角色；专用小模型则处理规模庞大的日常任务。
模型蒸馏的目标不是让小模型机械地记住全部训练数据，而是学习基础模型的推理方式，再处理边界明确、无需每次调用最大模型的任务。内容理解、内容分发和部分个人助理请求可以使用较轻量的模型，降低对芯片、算力与内存的占用。就像用掌握专门解题方法的小模型处理重复、明确的任务，无须每次都调用完整的大模型，计算资源便可以集中用于训练和复杂工作。于是，前端仍需建设更大的训练设施，后端却可能降低每条内容的处理成本。80%的降幅对应的是相关内容理解系统的单位成本，不代表总运营成本下降80%，也不能直接套用于高算力的前沿生成模型。
基础设施投入及硬件链条
2026年全年资本开支预期为1350亿至1450亿美元，且管理层表示，2026年之后仍将维持大规模投入。资金集中于服务器、数据中心和网络基础设施，以支持模型训练和服务运行。大型算力集群不只是把数万张高端GPU放在一起，还要保证GPU之间能够快速交换数据；如果传输通道不足，计算卡即使增加，集群协同效率也会受到限制。训练任务往往需要在多个处理器之间传递参数和中间结果，数据传输带宽与延迟会影响计算资源能否持续工作，因此互联能力可能成为扩容过程中的瓶颈。
光模块负责把电信号转换成光信号，承担高速互联的数据传输；PCB则承载高密度、发热量较大的电子元器件，是服务器和相关设备的基础部件。光链路承担处理器之间的高速连接，电路板则承载器件并满足密集布线和散热要求。持续建设超算集群，因此会传导至高速光通信和高阶电路板等物理硬件环节。中际旭创被举作全球光模块龙头企业的例子，沪电股份则被举作核心PCB供应商。相关需求来自设施建设的规模，但这些产业链环节的收入和利润仍要以实际订单与财务数据验证；基础设施逻辑也已被市场部分反映。资本开支规模只是建设投入，不能直接等同于已形成的订单收入；传导到供应链企业还需要采购计划、交付进度和后续财务表现相互印证。
2027年潜在收入与智能体网络
基础设施投入的下一阶段回报，除广告效率外，还包括计划在2027年开始贡献实质收入的新业务：订阅服务、交易抽成和企业平台。企业平台拟通过API和产品向企业提供底层模型能力，使业务从面向消费者的服务扩展到企业市场。收入来源如果形成独立的接口服务或企业订阅项目，才可在财务表现中得到检验。订阅费与企业接口费用属于按服务持续收费的模式，交易抽成则取决于平台是否促成并参与交易；这些路径对基础设施的要求、收入确认方式和客户范围各不相同，不能仅凭规划就视为已建立稳定现金流。订阅收入依赖持续使用和续订，交易抽成依赖实际成交，企业接口收入则需要客户接入并持续调用模型。三类收入都要通过经营数据体现，方能说明建设投入正在形成可重复的现金回报。
更长期的方向是互联智能体网络。当前问答式人工智能通常等待用户提出问题；智能体网络则设想个人助理与商家智能体直接沟通、比较参数、谈判价格并执行交易。比如，个人助理发现跑鞋接近更换时间，可利用日常使用信息与对话了解需求，再向不同运动品牌的商业助理查询款式与价格，协商后把适合的选项提交用户确认。交易执行仍需要用户授权和具体的支付确认；其设想重点是系统之间能够完成连续交互，而非单轮问答。系统之间的深度连接仍需要较长研发周期和反复试验，现阶段属于战略愿景，不等同于已形成的规模化收入。
无投票权新股与资本控制
资本结构安排包括以股票分红方式发放无投票权新股，计划为每持有一股现有股份的股东分配一股新股，预计于2027年1月底开始交易。按股份数量看接近一比二的拆分效果，但表决权安排不同于普通拆股。该安排接近一比一的新股分配，但新股没有投票权。新股可用于未来股权激励或收购，并减少相关安排对创始团队投票控制权的稀释。
这一安排与大规模人工智能投资并行，反映的是融资、激励和控制权之间的设计。后续需要观察机构投资者是否接受这类资本结构，判断依据不只是新股开始交易当天的股价变化，也包括市场对扩张投入和投票权维持方式的持续反应。新股交易时间和分配方式是计划，市场接受程度仍待实际交易验证。
商业逻辑的风险与验证指标
个人超级智能产品的设置用户超过1000万，地区为美国和加拿大；但设置人数没有回答用户是否持续活跃，也没有给出日活、次日留存或七日留存。作为对照，Meta 全系应用每日使用人数为36.4亿。若大量用户只是短暂设置功能，设置数就不能说明粘性或实际商业转化，产品的持续使用情况仍是未验证变量。
硬件业务同样有待检验。现实实验室第三季度收入约4.43亿美元，同比下降6%，主要受到 Quest 头显销量下滑影响。智能眼镜被设想为个人智能体的硬件载体，但现实实验室仍持续亏损，当前数据没有显示清晰的扭亏路径。因此，未来人工智能服务与新硬件的整合构想，不能替代硬件业务自身的收入和盈利验证。
算力成本则是生成式人工智能盈利的核心约束。Muse 面向高质量图像、创意视频和复杂交互，运行消耗较高；下一年将 Muse 成本效率提高十倍以上，是一项尚待实现的目标。该目标需要算法架构、芯片调度和数据中心冷却等环节共同改善。此前内容理解模型的单条处理成本下降约80%，不能证明 Muse 已实现相同降本。若下一年成本效率未达到目标，且重度生成服务扩展到30多亿用户，1350亿至1450亿美元的基础设施投入可能由收入引擎转为自由现金流压力。
可以持续观察三组指标。短期看第四季度营收指引730亿至760亿美元能否在约1%的汇率逆风下实现；中期看2027年1月无投票权新股交易后的机构接受度；长期逐季跟踪 Muse 成本效率是否提高十倍以上，并核验2027年财务报表是否出现API、企业订阅等新收入条目。后两项收入若未出现，智能体网络的商业化仍停留在愿景阶段。
智能体网络还提出另一项商业模式问题。若个人助理与商家系统直接交换参数和价格并完成比价，人工智能代理未必需要浏览或点击传统展示广告。广告业务目前每季度收入631亿美元，是利润增长的重要来源；若智能体承担购买决策，基于眼球和注意力的展示、点击机制可能受到冲击。人工智能可以提高当前广告收入，也可能改变广告所依赖的注意力分配方式，未来收入结构需要同时面对这两种作用。