当地时间7月29日，Meta发布2026年二季度财报，数据呈两极分化：得益于AI驱动的广告业务量价齐升，营收增长28%至608亿美元；但净利润同比下滑14%至158亿美元，自由现金流更是从上年同期的85.5亿美元暴跌91%至仅7.84亿美元。
这份喜忧参半的财报，恰逢硅谷巨头密集发声支持开源的节点。财报发布前，Meta CEO扎克伯格接受采访时明确表示，美国不应通过封禁中国AI模型来争取竞争优势，因为这并非有效解决方案。
此外，英伟达CEO黄仁勋、特斯拉CEO马斯克等人也公开站队表示支持。这些表态背后，是科技巨头面对巨额硬件投入与商业现实的理性计算：开放生态并非意识形态选择，而是现阶段企业维持低成本创新、加速应用落地、缩短回报周期的商业必需。
Meta输不起的开放战役
Meta正处于一场高风险的战役核心。
扎克伯格近年来多次公开反对AI领域的封闭化和“监管俘获”。在近日的采访中，他警告称，部分头部闭源实验室正通过政治游说试图扼杀竞争，如果参与审查的企业本身拥有商业利益，“监管俘获”的风险就会始终存在。这不仅违背美国创新传统，也会集中权力、抬高全行业成本。
财报数据直观印证了Meta的紧迫感。财报显示，Meta二季度资本支出飙升至310.8亿美元，研发支出同比增长67%至217亿美元，全年资本支出指引升至1300亿—1450亿美元，主要用于全球数据中心和AI基础设施建设。
据官方披露，Meta正与贝莱德合资在得克萨斯州埃尔帕索建设140亿美元的数据中心园区，在路易斯安那州推进投资超500亿美元的Hyperion超大规模数据中心。首席财务官苏珊·李在财报电话会上表示，行业历史上对AI算力的产能建设不足，Meta当前的计划是最大化2026年和2027年的产能。
然而，公司自由现金流已下跌至仅剩7.84亿美元。若按当前趋势，有分析指出，Meta自由现金流将在下一季度转负。苏珊·李在电话会议中特别说明，若剔除24亿美元诉讼计提和11.8亿美元遣散费，二季度营业利润本应实现约9%的同比增长。剔除一次性因素后利润尚可，但资本支出的刚性增长仍真实存在。
更大的挑战在于变现路径。不同于微软有Azure、谷歌有Google Cloud、亚马逊有AWS，Meta缺乏大规模原生云业务，无法像竞争对手那样直接向外出售算力。
此前Meta宣布出租富余产能是提升资产使用效率的合理方式，彼时引发AI硬件产业链板块承压。此次电话会，扎克伯格调整算力策略，称公司确实收到相当多的算力租赁邀约，价格远高于原本支付的成本。但他明确拒绝了这条变现路径，因为他认为，仅仅出售计算能力并获取短期利润是愚蠢的，相信销售智能的利润率将持续显著高于直接销售计算能力。在他看来，利用算力构建智能并在其基础上复合价值，才是真正的商业飞轮。
但这一规划的实现，高度依赖一个开放、低成本的全球AI生态，而开源大模型恰好以降低推理成本、提升边缘端效率见长。这些模型擅长高效推理，引入Meta的广告推荐或智能体系统（如Muse），可直接缓解当前利润压力。AI已显著推动Meta广告收入增长，但推理开支仍是重要变量。
扎克伯格表示，OpenAI和Anthropic这两家公司运营着占据主导地位的闭源模型，如果美国政府限制获取中国的低成本替代方案，它们将直接从中获益。但借助开源协作，Meta能以更低成本实现更广泛的个人智能普及，而非依赖少数高价闭源方案。
如果美国封锁中国开源模型，势必造成全球AI生态的分裂与成本高企。对Meta而言，全球市场越开放，其巨额硬件投入的回报周期越短。
海外巨头需要开闭源结合
Meta的选择并非孤例，而是硅谷巨头共同面临的商业逻辑。
黄仁勋近期接受采访时表示，美国企业应被允许使用中国AI模型。他说：“这些中国模型非常优秀，应该被使用。竞争应激励企业研发更优质的技术，而非依赖限制手段。”
从英伟达的利益角度来看，中国开源模型降低AI使用门槛，扩大整体市场规模，拉动芯片和数据中心需求，而非挤压硬件市场。他直言华尔街低估了DeepSeek和Kimi的影响。
一个由英伟达牵头的“开放安全人工智能联盟”已成立，站队开闭源的两派分歧，本质上是商业利益的冲突。闭源公司担心中国开源模型侵蚀其技术护城河；而英伟达需要全球AI应用层保持活力来消化其芯片产能，Meta需要低成本的开源生态来反哺其千亿美元的硬件投入。
但正如扎克伯格在电话会上对闭源模型的重视，美国头部AI厂商只是支持开源模型需要存在，但他们也在同步加大对自有闭源模型的投入。
Meta正在推进Llama系列及下一代模型，扎克伯格强调开源是生态系统的重要组成部分，但Meta不会在开源与闭源之间采取教条主义态度。开源模型仍不如前沿模型强大，所以Meta不会单一依赖开源模型，而是会进行全栈投入，也包括自有数据中心、基础设施、芯片与底层软件。未来Meta会将开源与闭源模型结合发展。
扎克伯格在公开支持开源模型的同时，也强调美国企业应系统性地找出瓶颈和障碍，以便更好地与中国AI公司竞争。人工智能领域的全球竞争仍在持续，眼下的支持仅是企业从自身生态利益出发的一时站队，更长久的比拼仍需平台与厂商自身模型性能的持续提升。
我要配资提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
