Meta上调2026年资本支出下限，AI回报考验愈发严峻

Meta将其2026年资本支出预测下限上调了50亿美元，将区间收窄至1300亿至1450亿美元。此前的预测下限为1250亿美元。相较于总额，这一调整看似不大，却排除了Meta在这项已具历史规模的基础设施计划中成本最低的路径。

这一变化随Meta于7月29日发布的第二季度业绩一同公布。其营收同比增长28%，至608亿美元；季度利润则下降14%，至158.5亿美元。法律费用、遣散费用以及不断上升的基础设施成本，使营收增长背后的局面更加复杂。

核心矛盾已不再是Meta是否会大举投资人工智能。这一决定已经作出。问题在于，其广告业务能否足够快地产生回报，以支撑日益接近云服务商预算规模的基础设施支出。

Alphabet、Amazon和Microsoft面临类似压力，但它们可以通过成熟的云平台直接出售算力。Meta的大部分收入仍来自Facebook和Instagram上的广告。因此，它必须将昂贵的算力转化为更好的推荐、更强的广告效果、有用的助手，以及新的企业产品。

这比单纯训练出一款令人印象深刻的模型更为严苛。Meta必须证明，每增加一层基础设施，都能改善数十亿人使用的业务。与此同时，它还必须应对芯片老化、数据中心耗电增加，以及竞争对手持续扩张自身产能的局面。

Meta的新支出下限排除了低成本情境

重要的变化不在于上限维持不变，而在于Meta认定低于1300亿美元的支出已不再是现实结果。

Meta进入2026年时，预计资本支出区间为1150亿至1350亿美元。4月，该公司将预期上调至1250亿至1450亿美元。公司将首次上调主要归因于更高的零部件价格和额外的数据中心成本。

7月的修订仅调整了下限。Meta目前预计支出在1300亿至1450亿美元之间，其中包括融资租赁的本金支付。融资租赁允许公司使用资产，同时在一段时间内确认付款义务。

这一演变之所以重要，是因为预测区间同时反映了雄心和不确定性。提高下限表明，合同、建设进度、设备订单或产能需求已更难推迟。Meta并非只是保留了增加支出的空间，而是降低了少花钱的可能性。

最新区间也远高于Meta近期的历史支出。根据其此前指引中披露的数据，Meta在2025年的资本支出为722亿美元。因此，即使是新的最低值，也意味着显著的年度扩张。

仅在第二季度，该公司就支出了310.8亿美元，相比之下，2025年同期约为170.1亿美元。这一增长表明，年度预测已体现在现金承诺、已安装设备和建设活动中。

Meta的第一季度指引指出，推动此前上调的两项主要因素是：零部件定价是更大的因素，而为未来产能所需的数据中心成本贡献较小。这一区别很重要，因为零部件通胀并不必然带来更多算力。

部分新增资金可能只是以更高价格购买原计划中的同等基础设施。这削弱了“大预算必然带来成比例更强AI能力”的假设。支出数字衡量的是资本配置，而非技术产出。

与此同时，Meta第二季度业务规模仍足以在很大程度上为该计划提供内部融资。营收达到608亿美元，高于一年前的475.2亿美元。据一则财报报道，其应用家族的日活跃用户增长3%，至36亿。

这些业绩解释了为何Meta即使面临投资者不安，仍能持续投资。其广告引擎依然高效，应用也仍覆盖庞大的受众。不过，同样的规模也提高了成功门槛。小幅改进可以创造巨大价值，但代价高昂的失败也可能吞噬惊人的资本。

第二季度数据进一步凸显了这种张力。支出增长55%，至420.3亿美元，超过了公司的营收增速。其中包括24亿美元法律费用和11.8亿美元遣散费用，因此基础设施并非唯一的压力来源。

自由现金流从一年前的85.5亿美元降至7.84亿美元。自由现金流是扣除运营费用和资本投资后剩余的现金。91%的降幅并不能说明已形成永久趋势，但它显示出，大额支出和一次性费用能够多么迅速地压缩Meta的财务灵活性。

因此，更高的资本支出下限改变的不只是规划表格。若模型进展、产品采用或广告增益不及预期，它会减少Meta放缓投资的空间。公司正在其产能的全部商业价值显现之前承诺投入资本。

Meta为何在需求尚未完全得到验证前投入支出

Meta在尚未完全看清需求的情况下购置算力，因为若基础设施建设滞后，将限制研究和产品部署。

先进AI系统需要高密度加速器集群、高带宽内存、网络设备、冷却系统和可靠电力。这些组件无法在产品成功后立即组装完成。数据中心需要时间来融资、获批、建设、接入和投运。

Meta还同时服务于多类计算工作负载。它训练基础模型、运行推荐系统、广告排序、生成创意素材、支持面向消费者的助手，并开发新的企业服务。即便这些工作负载的商业路径不同，它们仍会争夺基础设施。

推荐系统为Meta带来最清晰的短期回报。更好的排序可以让用户持续参与，并向他们展示更相关的广告。改进后的广告工具还可帮助企业生成创意资产、选择受众并优化营销活动。

这些改进不要求消费者购买独立的AI订阅服务。Meta可以通过已在全球规模运营的广告系统实现变现。这使核心业务成为其基础设施计划最有力的初步支撑。

首席执行官Mark Zuckerberg表示，AI正在加速Meta现有业务，同时支持新产品和企业机会。这一说法在方向上与Meta长期投入推荐和自动化广告的做法一致。不过，公司尚未公开拆分AI支出各主要类别所带来的增量财务回报。

这一衡量问题很重要。一个新模型可以改善多项产品，同时与实验项目共用基础设施。Meta或许了解综合效应，但外部投资者难以轻易区分高效产能与为未来需求购买的保险。

公司也在竞争要求尚未确定前进行建设。前沿模型训练每一代可能需要更多计算资源，但软件效率可降低单项任务的成本。更好的算法、专用芯片和更小的模型，最终可能减少部分服务所需的基础设施。

等待这种不确定性消失本身也有风险。如果Meta建设不足，其研究人员可能缺乏训练能力，而热门功能可能遭遇推理瓶颈。推理是运行已训练模型以产生答案、推荐、图像或决策的过程。

这正是修订后的下限传递紧迫感的原因。Meta似乎更担心产能不足，而非暂时拥有过多产能。这一判断使公司在与之相关的每项产品尚未形成稳定收入模式之前，就承诺遵循既定的基础设施建设进度。

零部件价格也为提前行动提供了另一项理由。Meta表示，更高的定价影响了其4月预测，这表明内存和其他供应受限的部件正变得更昂贵。锁定供应可以保护建设进度，尽管如果后续硬件效率更高，也会带来风险敞口。

更广泛市场的规模强化了这种行为。一个联合国科学小组估计，自2023年以来，主要AI公司的年化资本支出已增长约五倍。其初步评估预测，领先超大规模云服务商在2026年的支出合计约为7700亿美元。

这种集体支出可能形成自我强化的循环。一家公司扩张产能，竞争对手担心落后，供应商则获得足以支持新一轮建设浪潮的需求。即使每一座新设施所带来的收入仍不确定，由此形成的基础设施竞赛也可能持续。

Meta在这场竞赛中的位置不同寻常。它需要前沿规模的基础设施来参与模型和消费级AI竞争，却缺乏可与Azure、AWS或Google Cloud相比的成熟云业务。其大部分经济回报必须通过广告或仍在开发中的产品实现。

这并不意味着该投资不理性。Meta通过Instagram、Facebook、WhatsApp、Messenger和Threads掌握了巨大的分发能力。一项有用的功能无需获取全新受众，便可触达数十亿人。

然而，分发并不等同于变现。免费访问可以加快采用速度，却会延后直接收入。广告可以为这种延后提供资金，但也使Meta更依赖于证明AI能够改善参与度和广告主效果。

因此，Meta提前支出以避免产能短缺，同时接受另一种短缺：关于长期回报的清晰公开证据。故事的下一阶段取决于能否弥合这一证据缺口。

Meta的AI基础设施押注面临云收入缺口

Meta面临的主要压力来自竞争对手：它们可通过直接销售云服务，将同类基础设施变现。

Microsoft、Amazon和Alphabet可以将AI硬件用于自身产品，同时向外部组织出租算力和软件服务。它们的云业务提供了一条清晰渠道，将数据中心支出与客户需求联系起来。

Microsoft在与Meta业绩同期披露了410亿美元的季度资本支出，同比增长70%。该公司表示，相关支出用于支持云和AI服务需求。它还披露，其约三分之二的资本支出用于使用寿命较短的资产，主要是处理器。

这一细节揭示了当前投资周期的一个核心特征。GPU、CPU 及相关系统并不像拥有数十年使用寿命的建筑物。它们会面临磨损、更换和技术淘汰，迫使企业持续投入，仅仅是为了维持有竞争力的性能。

一项infrastructure comparison显示，Meta 和 Microsoft 在同一财报期内都在扩大支出。Microsoft 的云客户提供了外部需求信号。Meta 则必须更大程度依赖内部产品表现和未来服务。

Alphabet 处于类似的双重位置。它将 AI 应用于搜索、广告、视频、生产力软件和面向消费者的助手。随后，Google Cloud 向外部客户销售基础设施和模型，为回收资本成本开辟了另一条路径。

Amazon 通过 AWS 拥有最明确的基础设施导向模式。即使没有任何一款面向消费者的 AI 产品成为主导，它也能在广泛的客户群中将计算设备变现。这种灵活性将风险分散到不同工作负载和行业之中。

Meta 无法立即复制这一结构。构建云服务远不只是拥有可用的加速器。客户期待可靠的软件、安全控制、计费系统、技术支持、合规选项以及长期的产品承诺。

据报道，Meta 已探索企业市场机会，以及将过剩计算能力变现的方式。这类选择能够降低过度建设的风险，但尚未像竞争对手的云业务那样成熟。闲置容量不会自动转化为云收入。

这种差异改变了投资者对同一笔资本支出的解读方式。云服务提供商可以指出已签约需求、消费增长和积压订单。Meta 可以展示广告改善、用户参与度、模型进展和未来产品，但这些指标无法提供同样直接的对应关系。

Meta 的分发优势在一定程度上弥补了这一弱点。它无需经历企业销售流程，就能将助手植入 WhatsApp 或 Instagram。它可以在现有应用中推出功能，并以异常庞大的规模研究采用情况。

其广告平台也提供了明确的商业环境。生成式工具可以制作创意素材的多种变体，而推荐模型能够决定展示哪一则广告。当这些效率提升应用于一个每季度营收达数百亿美元的业务时，即便幅度不大也可能意义重大。

不过，Meta 必须证明增量价值，而不只是持续的营收增长。广告需求、汇率波动、定价和用户增长都可能推高销售额。投资者需要证据表明，AI 支出带来的收益超出了底层平台原本能够创造的成果。

这给关注 Meta 的企业带来了衡量难题。产品团队不应将这一支出总额视为每一种 AI 工作流都会变得经济可行的证明。基础设施所有者在寻找可持续的定价和使用模式时，可能会补贴采用。

开发者应转而关注由这些容量催生的服务。更低延迟、更长上下文、更好的多模态功能以及能力更强的开放模型，都将表明投资正在改善可用系统。产品可用性比预算头条更重要。

企业买家面临另一个问题。Meta 的支出最终可能创造新的模型托管或商业服务，但成熟的云服务提供商已经将 AI 工具与治理和采购系统相连接。Meta 必须提供令人信服的理由，让企业再建立一层基础设施合作关系。

知识工作者距离建设周期更远，但仍会感受到其影响。更大的基础设施预算可以在通信和内容平台上带来更多 AI 功能，也可能鼓励平台自动化更多有关人们看到和创作内容的决策。

这使得个人信息控制变得更有价值。员工可以将项目资料保存在personal knowledge base中，而非完全依赖散落在不断变化的平台中的上下文。

Meta 的云收入缺口并不意味着它会输掉基础设施竞争。这意味着公司必须通过不同机制取胜。其最有力的路径是将广告收益与消费者分发结合起来，然后仅在自身拥有明确优势的领域增加直接企业收入。

支出下限提高了让这一机制可见的压力。在此之前，Meta 的预算仍会比其回报更容易与云服务提供商进行比较。

这些数字仍不足以证明 AI 回报

Meta 的营收增长支持持续投资，但利润和自由现金流下降，使其难以形成明确的胜利叙事。

第二季度营收超过了 FactSet 报道的分析师平均预期。然而，在法律和重组费用拖累利润后，每股收益低于这一共识。投资者消化这些喜忧参半的结果时，Meta 股价在盘后交易中下跌。

这一反应反映的不仅是单季业绩不及预期。投资者正在评估，Meta 能否在为一项前所未有规模的基础设施计划提供资金的同时，保留高利润广告平台的财务特征。

公司季度利润从 183.4 亿美元降至 158.5 亿美元。这一下降并不能证明 AI 支出正在失败，因为法律费用和遣散费影响了同比比较。但它表明，在投资激增期间，强劲的营收增长并不会自动保护盈利。

Meta 的自由现金流提供了更鲜明的警示。从 85.5 亿美元降至 7.84 亿美元，显示即使运营仍然盈利，资本支出也能吸收大量现金。单个季度无法界定该计划的回报，但它揭示了这项承诺的规模。

该公司还提高了全年费用下限，以计入法律成本。目前它预计 2026 年总费用将在 1,650 亿至 1,690 亿美元之间。资本支出不属于运营费用，因此公司正同时通过利润表成本和长期投资来应对压力。

Meta 也试图在其他方面腾出空间。截至 6 月底，其员工人数为 75,472 人，较一年前减少 1%。这一数字仍包括受到 5 月宣布的约 8,000 人裁员影响的员工。

这种并置很难忽视。Meta 正在减少员工，同时增加对芯片、数据中心、网络和电力的投入承诺。管理层将重组描述为围绕 AI 基础设施和优先研究集中资源的方式。

如果计算能力已成为产品开发的主要约束，这种配置在战略上可能是合理的。但它也提高了组织风险。更少的员工必须将大得多的实体资产基础转化为可靠的产品和收入。

人才支出又增加了一层成本。前沿 AI 研究需要稀缺的工程师和科学家，而基础设施需要硬件、网络、能源和运营领域的专家。资本支出无法涵盖竞争的全部成本。

Meta 的公开论点建立在三条回报渠道之上。第一条是更好的推荐，从而提升用户参与度。第二条是更有效的广告系统。第三条是新一代助手、设备、模型和企业产品。

前两条渠道已经在成熟业务中运行。它们提供了最可信的近期证据，因为 Meta 可以比较用户行为和广告主结果。第三条渠道带来更大的上行空间，但不确定性也高得多。

消费者助手面临来自 OpenAI、Google、Anthropic、Microsoft 和设备制造商的激烈竞争。用户可以轻松在服务之间切换，许多人也期待无需付费即可获得基础访问。分发有助于 Meta 获得用户，但留存取决于质量和信任。

企业产品带来不同的挑战。企业需要可靠性、数据控制、集成支持和可预测的服务承诺。Meta 必须证明，它能够将研究和基础设施打包成组织愿意为持久工作负载采用的产品。

监管同样使回报更加复杂。Meta 的现有业务面临涉及隐私、竞争、内容安全和儿童保护的审查。加入深度整合的 AI，可能会引发有关训练数据、生成内容、自动化决策以及访问用户信息的新问题。

公众信任在这里至关重要。一位被 Associated Press 引述的分析师指出，Meta 乐观的 AI 信息与外界对社交平台的批评形成对比。这种差距可能影响用户是否信任嵌入在持有个人通信和行为数据的服务中的助手。

最怀疑的解读是，Meta 扩大容量是因为竞争对手也在扩大，而不是因为每一笔新增投资都拥有可衡量的回报。基础设施竞赛可能奖励最终的领先者，但也可能造成产能过剩和快速折旧。

更乐观的解读则更具体。Meta 已拥有受众、广告市场以及快速测试产品改进所需的数据。它可以将基础设施成本分摊到多款全球应用中，而不是依赖单一助手。

新预测并未证明任何一种解读。支出下限确认了管理层的承诺，而财务结果显示了这一承诺的成本。缺失的证据，是两者之间一座持久的桥梁。

因此，评判 Meta 应看运营指标，而不是关于超级智能的修辞。投资者需要看到持续的广告改善、有意义的产品采用，以及增长快于相关基础设施负担的新收入。

在这些指标出现之前，更高的下限仍是一项信心宣言，而非回报的确认。

三个信号将决定 Meta 的支出是否奏效

下一个考验不是再次提高预算，而是 Meta 能否在折旧和运营成本追上之前创造可衡量的回报。

第一个信号是 Meta 下一份季度报告中资本支出与自由现金流之间的关系。预计还会有一个重投资期，因此绝对支出数字只能说明部分情况。

自由现金流必须开始显示，广告业务能够承受这一建设投入，而不会消除财务灵活性。若实现回升，将强化 Meta 的论点：第二季度的暴跌反映的是时点因素和特殊费用。若持续承压，则会加大市场对明确变现里程碑的要求。

投资者还应将运营费用与资本支出一并考察。新数据中心会带来电力、维护、网络和人员等持续成本。硬件折旧则会在未来多个期间影响盈利，即便最初的现金支付已经发生。

第二个信号是 Meta AI 产品可衡量的采用情况。管理层需要的不只是“AI 改善了其服务”的宽泛表述，而是需要将模型使用与用户参与度、广告表现、企业需求或直接收入联系起来的证据。

据报道，Instagram 拥有 20 亿日活用户，Threads 拥有 5 亿月活用户，这赋予 Meta 非凡的分发能力。然而，有用的指标并不是有多少账户可以使用某项 AI 功能，而是人们选择使用它、重复使用它，并通过它创造经济价值的频率。

对于广告业务，这类证据可以包括生成式创意工具的采用情况，以及参与广告活动的效果提升。对于面向消费者的助手，则可以包括重复使用率、任务完成情况，以及向商业或企业消息等高价值活动的转化。

企业需求将提供尤为重要的验证。建立在 Meta 基础设施之上的可信付费服务，将在广告之外形成直接回报渠道，也会缩小 Meta 与以云服务为核心的竞争对手之间的战略差异。

第三个信号是 Meta 对 2027 年基础设施的指引。2026 年的下限如今已足够高，若要再次大幅上调，就需要更有力的解释。管理层必须说明，新增支出究竟是在支持已验证的需求、替换硬件、完成尚未竣工的建设，还是又一轮投机性的产能扩张。

稳定或趋于温和的指引，并不自动意味着该计划已经成功。它可能表明最密集的建设阶段正在结束，或组件价格已有所回落。投资者仍需审视资源利用率和产品产出。

如果进一步增加投入得到收入加速增长的支撑，将增强 Meta 的说服力。若没有相应的业务证据却继续增加投入，则会加深外界对该公司正追逐不断变化的技术前沿的担忧。

竞争对手的动向将为这三个信号提供背景。Microsoft、Amazon 和 Alphabet 同样在增加基础设施投入。它们的云业务增长和客户需求，能够显示整个行业是在为真实消费建设，还是主要在提前押注。

不应仅以 Meta 的投入是否低于这些公司来评判它。其商业模式不同。更合理的比较是，每家公司如何高效地将基础设施转化为可持续的收入和现金流。

开发者可以关注一组平行的技术指标：模型发布、推理成本下降、延迟改善、可靠的开发者访问权限，以及不会在发布周期后消失的工具。这些结果能够揭示资本是否正在转化为可用能力。

企业买家应跟踪合同和运营层面的细节。安全控制、数据处理条款、区域可用性、支持承诺和集成质量，比基准测试宣传更重要。只有当客户能够依赖这些基础设施时，其规模才具有商业意义。

AI 产品用户应留意 Meta 如何在其各项应用中引入这些系统。更强大的推荐和助手可以减少摩擦，但也可能增强自动化系统对信息和通信的影响力。

随着平台变化，用户可能希望让重要上下文保持可迁移性。一份第二大脑指南提供了一种在任何单一社交应用之外整理个人信息的方法。

未来三个月无法完全确定那些可运行多年的资产将带来何种回报，但仍可揭示 Meta 是否正从建设阶段迈向验证阶段。

更强劲的自由现金流趋势将表明核心业务能够承担这项投资。持续的产品采用将表明这些产能承载着有价值的工作负载。审慎的 2027 年指引将表明 Meta 能够区分必要扩张与竞争性过度反应。

Meta 现已将高成本情景设为基准。其重点不再是解释为何需要更多算力，而是证明这些算力能产出什么。

这也是读者应适用于每一项新模型、助手、广告工具和基础设施公告的标准：它是否带来了可衡量的使用、收入或效率，还是仅仅需要新一轮支出？

修订后的预测并未回答这个问题，只是让答案变得更加迫切。