Meta AI 基础设施支出突破 1000 亿美元，但回报仍要靠广告

据基础设施负责人 Santosh Janardhan 称，Meta 的 AI 基础设施支出将在 2026 年超过 1000 亿美元。公司正式预测的数字更高，达到 1300 亿至 1450 亿美元。这一庞大区间使数据中心、芯片和电力成为对 Meta 广告经济效益的直接考验。

Janardhan 在 10 月 8 日发布的一场付费 Meta 访谈中，将这笔投资描述为战略必需。他认为，基础设施已从支撑性职能转变为竞争优势。这场访谈罕见地详细展示了 Meta 的技术战略，但并未质疑其财务假设。

核心问题不在于 Meta 是否能够建设海量计算能力。其资产负债表、广告收入、供应商协议和正在推进的建设项目都表明，它具备这种能力。尚无答案的问题是，更优的推荐、AI 助手、智能眼镜和未来企业服务能否创造足够收入，以证明这些建设投入的合理性。

这使 Meta 处于不同于 Amazon、Microsoft 和 Google 的位置。这些公司可以直接向外部客户销售云计算能力。即便其基础设施日益类似全球云服务商，Meta 目前仍主要依赖广告。

Meta AI 基础设施支出实际涵盖什么

Meta 并非在购买一个庞大的 AI 系统，而是在为芯片、网络、数据中心、能源合同和专用计算环境构成的投资组合提供资金。

Janardhan 表示，Meta 将在 2026 年为基础设施投入“远超 1000 亿美元”。这一说法不如公司指引具体，但与 Meta 公开文件所呈现的方向一致。

Meta 的季度文件预计，资本支出约为 1300 亿至 1450 亿美元。该预测包括融资租赁的本金付款，并同时支持 AI 项目与 Meta 的核心业务。

这一区分很重要。该区间内的每一美元都不能被归类为生成式 AI 支出。Meta 的基础设施还为 Facebook 信息流、Instagram 推荐、WhatsApp 服务、广告竞价、内容审核和存储提供支持。

不过，AI 目前已触及其中许多系统。排序模型决定展示哪些帖子和广告。生成式模型创建或修改广告素材。推荐系统决定哪些视频获得分发。因此，“AI 基础设施”与 Meta 常规基础设施之间的界限正变得越来越难以划定。

Meta 在 2026 年上半年资本支出为 509.2 亿美元。其中，第一季度为 198.4 亿美元，第二季度为 310.8 亿美元。若要达到全年指引，Meta 需在下半年再投入 790 亿至 940 亿美元。

这一节奏意味着，这项支出承诺并非遥远的建设计划。Meta 必须迅速将资本部署到服务器、网络设备、土地、电力系统、租赁项目和数据中心工程中。

截至 6 月 30 日，公司还有 3493.1 亿美元不可取消的合同承诺。这些承诺涵盖第三方云计算能力、服务器、网络基础设施、数据中心及部分 Reality Labs 硬件。

其中并非所有金额都会在 2026 年支付。总额覆盖短期和长期合同，但仍显示 Meta 已将自身锁定在一项远超单个预算年度的基础设施战略中。

Meta 还披露，截至 6 月底，尚未起租的租赁金额为 2789.9 亿美元。这些租赁涉及数据中心、托管设施和网络基础设施，期限最长可达 30 年。Meta 在 7 月签订了额外约 680 亿美元的数据中心租赁协议。

这些义务使 Meta AI 基础设施支出难以迅速逆转。一个软件项目可在数月内缩减或转向，但电力协议、定制芯片计划或数十年的数据中心租约，则会形成期限更长的财务承诺。

当前建设项目包括数个吉瓦级工程。一吉瓦等于十亿瓦的电力容量。这一规模的设施远不只是服务器机架，因为它们还依赖变电站、输电接入、冷却设备、备用系统和可靠燃料供应。

Meta 已在印第安纳州 Lebanon 开工建设一座数据中心，设计容量超过一吉瓦。公司还计划到 2030 年在路易斯安那州的 Hyperion 园区实现两吉瓦容量。Meta 与 BlackRock 的合资项目则正在得州 El Paso 开发另一座一吉瓦设施。

这些项目解释了支出数字为何如此庞大，也表明相关竞争资产已不再只是获得先进处理器的能力。稀缺资源组合还包括芯片、电力容量、建设速度、网络、冷却、融资及运营许可。

为什么 Meta 如今将算力视为战略优势

Meta 的观点是，基础设施已成为产品的一部分，而不只是产品底层的机器设备。

Janardhan 描述了 Meta 在 2025 年末形成的一项认识：基础设施已从赋能产品转变为提供战略优势。他表示，Meta 的目标已经超出其现有规模所对应的能力范围。

这一想法具有明确的技术基础。训练前沿模型需要大量加速器长时间协同工作。缓慢的网络或不可靠的组件，可能让昂贵的处理器闲置。一家能够协调整个系统的公司，可以更快完成实验，也能更高效地利用设备。

推理带来了不同的问题。推理是指运行已训练模型，以回答请求、对内容进行排序或生成输出。这类工作负载可能以短时突发方式到来，并来自分布在众多地区的用户。

一个要求智能眼镜识别物体的人需要即时响应。请求详细旅行行程的人可能可以容忍数秒等待。这两类交互对网络延迟、硬件部署位置和可用容量提出不同要求。

Janardhan 预计，Meta 未来的计算集群将划分为两到三种数据中心模板。大型集中式园区将处理紧密连接的训练集群；更分散的设施则将在靠近用户的位置提供对延迟敏感的推理服务。

这种划分合乎逻辑，但也提高了运营复杂度。在使用这些能力的产品完全成熟之前，Meta 必须预测每一类需求的规模。建设不足会造成瓶颈；建设过多则会让昂贵资产利用不足。

Meta 还需要同时为多项成熟业务提供基础设施。Facebook 和 Instagram 的推荐系统持续运行。广告竞价必须在零点几秒内响应。消息、视频、完整性系统和生成式产品则带来相互竞争的需求。

潜在优势来自协同。Meta 可以围绕自身工作负载设计模型、软件、网络、设施和芯片，而不必为需求无关的外部云客户优化每个组件。

劣势则是集中度。如果 Meta 误判产品路线图，它无法轻易重新配置每一项专用资产。排序加速器、训练集群或偏远数据中心的外部需求，可能低于通用云资源。

Amazon、Microsoft 和 Google 拥有一定的缓冲机制。它们可向企业、初创公司和外部 AI 实验室销售计算服务。客户需求可帮助吸收超出即时内部需求而建设的基础设施。

Meta 曾讨论向外部提供剩余计算能力或 AI 访问权限的可能性。不过，其当前经济模式仍围绕内部产品。因此，Facebook、Instagram、WhatsApp、Meta AI、广告系统和智能硬件之间的利用率尤为重要。

因此，所谓战略优势包含两部分。Meta 必须以竞争对手难以轻易匹敌的规模建设能力；同时还必须在资产失去技术价值前，将这些能力转化为更好的产品或更低的运营成本。

处理器的折旧速度快于建筑物。新一代产品会提升性能、内存容量和能效。数据中心可能运行数十年，而其中最有价值的计算设备却可能在几年内过时。

这种错配解释了建设速度为何重要。延误会消耗已购硬件的一部分有效使用寿命，也可能迫使 Meta 在等待自有站点建设完成期间租用第三方云计算能力。

Meta 披露了一项或有义务：未来五年最多采购 147.2 亿美元的云计算能力。这种外部能力提供了灵活性，但也表明垂直整合无法一蹴而就。

因此，这场支出竞赛在一定程度上也是一场与时间的赛跑。Meta 需要足够的算力支持不断扩张的工作负载，同时又必须避免过早安装大量设备。公司已承诺扩大规模，但尚无法确定训练、推理、广告、消费者助手和企业需求之间的最终平衡。

广告引擎正在为 AI 建设投入提供资金

Meta 的基础设施战略依赖广告业务在大多数新 AI 产品产生可比收入之前，持续创造现金。

Meta 报告第二季度营收为 608.0 亿美元。其中广告业务贡献 593.6 亿美元，约占总额的 97.6%。为 Meta AI 雄心提供资金的同一广告业务，也越来越依赖正在建设的基础设施。

这种循环关系赋予 Meta 优势。AI 已用于广告选择、推荐、创意生成和广告活动自动化。公司无需等待独立聊天机器人订阅服务出现，便可将新模型应用于盈利产品。

更好的推荐可以增加用户在 Facebook 和 Instagram 上的使用时长。更好的广告排序可以提高用户响应广告的概率。自动化创意工具可帮助广告主在不扩大制作团队的情况下制作更多变体。

在 Meta 的规模下，微小改进也会产生重大财务意义。该公司表示，其应用家族服务着数十亿人。一个略微提升广告效率的模型，就可能影响庞大的收入基础。

然而，这种联系也使衡量更加复杂。Meta 并未单独披露 AI 基础设施带来的收入或利润。投资者可以看到支出和整体广告业绩，却无法分离某一模型、芯片或数据中心的回报。

Meta 的第二季度业绩清楚展现了这一张力。营收增长，但自由现金流从一年前的 85.5 亿美元降至 7.84 亿美元。该季度资本支出达到 310.8 亿美元。

自由现金流衡量的是在资本支出和其他运营需求之后剩余的现金。季度数据偏低并不意味着 Meta 缺钱，而是表明该基础设施计划能够以多么激进的方式消耗原本可用于收购、分红或股票回购的现金。

Meta 在上半年产生了 640.9 亿美元的经营现金流。它还在 5 月通过高级票据筹集了 249.1 亿美元。截至 6 月 30 日，现金、现金等价物和有价证券总额为 902.6 亿美元。

这些资源支持 Janardhan 所说的 Meta 有能力负担该计划。但它们并不能说明该计划是否会带来可接受的回报。负担能力描述的是融资能力，而投资回报衡量的是股东为承担相关风险和等待时间所获得的收益。

对广告业务的依赖也影响着竞争比较。Microsoft 通过 Azure 容量以及与其 AI 投资相关的企业软件获得收入。Amazon 通过 AWS 销售基础设施。Google 则将云服务销售与庞大的广告业务结合起来。

Meta 运营着大型消费者平台，却没有规模相当的云业务。其基础设施必须先改善内部经济效益，或创造新的产品类别。出售剩余容量将意味着一项战略扩张，而不只是为既有云服务增加另一条渠道。

这给 Meta 的产品组织带来了压力。数据中心能够提供原始能力，但产品必须将这些能力转化为用户参与度、广告表现、付费服务或硬件需求。

最直接的回报可能仍将来自广告。Meta 可以将模型应用于现有平台上的内容推荐和广告投放。这条路径不像推出全新 AI 产品那样显眼，但它将基础设施支出与已被验证的收入来源连接起来。

更长期的论点则更广泛。Meta 正在投资助手、企业 AI、智能眼镜、内容生成和先进模型。每种产品在开发完成后都需要额外的推理计算。因此，即使尚未创造强劲利润率，成功采用也可能增加运营成本。

这带来了一场艰难的转型。Meta 需要 AI 产品吸引用户，但每一次交互都会消耗计算资源。公司必须在扩大可用性的同时提升模型效率，否则使用量增长的速度可能快于收入增长。

Meta 的定制芯片旨在帮助管理这一平衡。这些芯片能否成功，将影响公司从投入到扩建中的每一瓦电力、每台服务器和每一美元中提取多少价值。

定制芯片和核能降低一种风险，却又带来另一种风险

Meta 正在分散芯片和能源来源，因为没有单一供应商能够满足其计划，但多元化也引入了新的执行风险。

Janardhan 表示，Meta 针对排序与推荐、大语言模型、训练和推理使用不同的内部芯片。他没有说明每款处理器的具体身份，也没有披露由 Meta 自研芯片承担的工作负载比例。

这一战略反映了不同工作负载之间的差异。排序系统需要在严格的延迟要求下处理大量预测。训练侧重于众多加速器之间的通信。生成式推理则需要高内存带宽，同时还要应对不可预测的需求。

针对单项任务优化的芯片，可能比通用处理器耗电更少或提供更多产出。以 Meta 的规模而言，即使效率仅有适度提升，也可以减少某项工作负载所需的服务器数量和电力容量。

Meta 此前曾为排序和推荐模型部署 Meta Training and Inference Accelerator，即通常所称的 MTIA。定制芯片也让公司在与外部供应商谈判时拥有更多筹码。

但这并不能消除对这些供应商的依赖。Janardhan 明确反对依赖单一供应商，认为某个组件未能按时交付不应中断 Meta 的运营。公司仍然需要来自广泛合作伙伴组合的处理器和设备。

这一组合如今还包括一项重要的 AMD 承诺。根据 AMD 芯片协议，Meta 计划部署最多相当于 6 吉瓦的 AMD MI450 系统。首个 1 吉瓦部署原计划于 2026 年下半年启动。

该协议还包括与业绩挂钩的认股权证，使 Meta 有机会收购最多 10% 的 AMD 股份。归属取决于包括出货和部署目标在内的里程碑。

这类安排显示出 AI 买家正试图确保供应。Meta 可以将内部设计的加速器与 AMD 系统、Nvidia 设备、Broadcom 合作以及租用的云容量结合起来。这一组合降低了对单一制造路线图的暴露风险。

更多供应商也意味着更多软件工作。不同处理器需要兼容的工具、模型实现、网络、监控和维护。Meta 必须实现足够高的利用率，才能抵消这种复杂性。

电力也带来类似挑战。Janardhan 表示，美国电网受到制约，并描述了行业向“自带电力”的转变。在这种方式下，数据中心开发商自行安排新增发电能力，而不是完全依赖现有电网容量。

Meta 的偏好是在可能的情况下向电网增加电力，再通过电网取电。电网连接可提供冗余，因为运营商可以从多个来源调度电力。在受限地区，专用发电设施可能更快投入使用，但其备用选择可能更少。

Janardhan 表示，Meta 已签约获得到 2035 年的 6.5 吉瓦核电。Meta 自己的核能协议使用了更审慎的表述。公司称，涉及 Vistra、TerraPower、Oklo 和 Constellation 的项目到 2035 年可支持最多 6.6 吉瓦的现有及新增发电能力。

这一措辞很重要，因为部分容量尚不存在。TerraPower 和 Oklo 正在开发先进反应堆，其部署取决于建设、监管审批、燃料供应和商业执行。

现有核电站能够提供稳定的低碳电力。拟议反应堆与从运营设施购买电力相比，承载着不同风险。将全部 6.6 吉瓦都视为已立即获得保障，会夸大 Meta 当前的能源状况。

Meta 的基础设施计划还包括其他能源。例如，其位于加拿大阿尔伯塔省的数据中心预计将依赖一座专用天然气发电厂。该项目说明，能源获取和可靠性可能与企业减排目标相冲突。

电力限制可以决定数据中心建在哪里、何时开业以及其运营成本。社区和监管机构也可能审查用水需求、输电升级、当地电价、排放以及税收激励。

Meta 可以为新增发电能力和本地基础设施提供资金，但资金并不能消除所有瓶颈。大型变压器、涡轮机、变电站、施工劳动力和输电连接各自都有交付周期。

因此，能源战略与芯片战略如出一辙。多元化减少了对单一来源的依赖，但也要求 Meta 管理一个更庞大的技术、合作伙伴、监管流程和建设风险网络。

真正的考验是回报，而非原始容量

Meta 已证明自己能够以超大规模云服务商的规模投入资金，但尚未证明这一规模将带来多少增量利润。

看涨逻辑始于 Meta 现有的分发能力。新模型可以通过 Facebook、Instagram、WhatsApp、Messenger 和智能设备触达用户。公司无需为每次 AI 交互获取一位新客户，就能改善现有服务。

Meta 还掌控着有价值的反馈闭环。用户参与信号有助于训练推荐系统。广告响应为排序模型提供信息。产品使用情况则揭示哪些 AI 功能能够创造重复需求。

如果 Meta 将其最大规模的工作负载运行在优化系统上，定制硬件可以强化这一优势。大型园区可以为研究人员提供更多模型训练空间。分布式推理能力可以让面向消费者的 AI 功能更快。

质疑观点则聚焦于资本密集度和归因不清。Meta 在尚不清楚哪些产品、模型或交互界面将占据主导之前，就已承诺投入多年资金。在 Meta 的设施仍在建设期间，竞争对手可能提升算法效率。

竞争对手并不总是需要同等规模的基础设施，才能创造更好的产品。模型架构、训练数据、人才、软件和分发能力可以弥补原始计算能力的差异。Meta 的扩建只是竞争的一部分，而非结果保证。

该行业也缺乏衡量 AI 盈利能力的透明指标。Amazon、Alphabet、Microsoft 和 Meta 并未始终单独披露其 AI 投资带来的收入和营业利润。正如一项关于回报问题的分析所指出，云业务利润率只能提供间接信号。

Meta 提供的直接可见性更少，因为它并未报告可比的云业务部门。管理层可以将广告改善归因于 AI，但外部投资者无法完整复现这一计算。

有用的问题并不是 AI 是否为 Meta 的业务作出贡献。它显然影响着推荐、广告、完整性系统和产品开发。真正有用的问题是，额外贡献是否超过资本成本、折旧、能源和持续升级的成本。

折旧将变得愈发重要。建筑物可以服务多代硬件，但处理器和网络设备的经济寿命较短。更快的更换周期可能在初始采购后推高费用。

Meta 报告称，2026 年上半年折旧和摊销为 123.5 亿美元。随着更多设施和服务器投入使用，即使资本支出随后趋于稳定，这些非现金费用也可能给报告利润带来压力。

容量利用率同样重要。一个满负荷运行、支撑高利润广告工作负载的集群，与一个利用不足的训练园区，其经济效益截然不同。Meta 没有公布足够的工作负载层面信息来进行这种比较。

效率与需求之间也存在战略张力。更高效的模型会降低每项任务的计算成本，但较低成本可能鼓励更多使用、更丰富的输出和更广泛的部署。即使单次请求变得更便宜，整体基础设施需求仍可能持续上升。

Meta 在 2026 年的支出并不能证明管理层预期效率低下。它表明管理层预期总需求的扩张速度，将快于效率提升所能带来的降幅。

这一预期可能被证明是正确的。AI 生成广告、多模态助手、个性化视频、智能眼镜和企业智能体都可能需要大量推理。这些应用也可能争夺用户注意力和企业预算。

Meta 最大的保护来自已经产生现金的广告业务。其最大的脆弱性在于，同一业务仍然负责为大部分实验提供资金。

如果广告增长走弱，管理层将在维持基础设施进度和保护现金流之间面临更艰难的选择。长期租约和合同承诺将限制公司调整的速度。

因此，扩建应通过运营证据来评判，而不是园区规模。更好的广告表现、产品采用率、高效推理和持续的现金生成，比宣布多少吉瓦更重要。

1000亿美元宣称之后值得关注的三个信号

Meta AI 基础设施支出的下一阶段，将由财务转化能力、部署进展和真实产品需求来检验。

第一个信号是 Meta 的下一份资本支出预测。在上半年支出 509.2 亿美元后，该公司将 2026 年资本支出区间收窄至 1300 亿至 1450 亿美元。

接近区间上限的结果将表明，建设和设备部署仍在快速推进。低于该区间的结果则会引发对项目延期、供应限制或优先级变化的疑问。

更重要的披露将涉及 2027 年。Meta 在其第二季度文件中尚未提供完整的 2027 年资本支出预测。若指引显示又一次大幅增长，将强化这样一种观点：当前计划是一项多年期扩张，而非暂时性的激增。

投资者应将该指引与自由现金流、经营现金流、折旧和债务进行比较。支出即使仍在财务可承受范围内，也可能削弱灵活性。经营现金创造能力与基础设施需求之间不断扩大的差距，将削弱“资金负担得起”的论点。

第二个信号是电力和数据中心交付进展。宣布的吉瓦规模，只有在发电、输电、设施和计算设备投入使用时才真正有意义。

Meta 的核电项目组合既包括现有核电站，也包括拟建的先进反应堆。Vistra、Constellation、TerraPower 和 Oklo 的更新，将有助于区分可用电力与长期潜力。延期不会否定 Meta 的整体战略，但可能改变其能源结构或建设进度。

印第安纳州、路易斯安那州、得克萨斯州和艾伯塔省的项目提供了额外的观察节点。读者应关注首批容量投入运营、获批的电力连接、建设里程碑以及预期容量的变化。

顺利交付将强化 Meta 关于基础设施管理构成竞争优势的主张。反复延期，或依赖昂贵的临时容量，则会削弱这一主张。

第三个信号是产品层面的需求。Meta 需要提供可见证据，证明新增基础设施带来了更有价值的广告、更强的用户参与度，或广告以外的收入。

广告指标提供了近期最直接的检验。转化率、推荐质量或广告主采用率的改善，可以支撑投资逻辑，不过 Meta 自身的归因数据仍应谨慎对待。

消费者行为提供了另一项检验。Meta AI、智能眼镜、创意工具和生成式功能必须带来持续使用，而不只是最初的好奇心。持续的需求将证明，在更靠近用户的位置扩展推理容量是合理的。

企业 AI 是一种更长期的可能性。如果 Meta 开始销售服务或多余计算容量，便可能开辟另一条基础设施变现路径。这也会让 Meta 更直接地与成熟云服务提供商展开竞争。

这些信号应结合起来看待。更高支出若伴随着已建成的设施和盈利性需求，将支持 Meta 的论点。若支出增加却没有部署进展或可衡量的产品价值，财务风险就更难被忽视。

开发者和企业采购方也应关注 Meta 的硬件组合。更广泛部署内部加速器或 AMD 系统，可能影响模型可用性、软件工具链以及整个芯片市场的需求。

广告主拥有直接利害关系，因为他们的支出为该计划的大部分资金提供支持。如果 Meta 的 AI 系统改善了广告活动成效，基础设施投资就能反过来强化广告引擎。若收益依然难以验证，营销人员可能会质疑，自动化程度的提高是否像改善 Meta 自身经济效益那样，使他们的广告活动受益。

知识工作者和 AI 用户将通过产品设计感受到后果。更多推理容量可以支持更快的助手、更丰富的媒体生成和具备上下文感知能力的设备。它也可能促使 Meta 在各项服务中部署 AI 功能，无论每位用户是否都需要它们。

Meta 的基础设施负责人已明确表达了公司的意图。该公司预计，算力、定制芯片和电力将决定谁能够参与 AI 竞争。其公开披露显示，这一信念由具有约束力的承诺支持，而不只是宣传语言。

剩下的问题如今可以量化：Meta 能否在其设备、模型或假设过时之前，将一项规模达 1300 亿至 1450 亿美元的基础设施计划转化为持久回报？关注下一份支出预测、运营容量和产品采用情况。这些信号结合起来，将表明 Meta 建立的是战略优势，还是一项异常昂贵的依赖。