交易数据
Meta 于 2026 年 4 月 29 日发布 Q1 财报：
| 指标 | Q1 2026 实际值 | 市场预期 | 变化 |
|---|---|---|---|
| 营收 | 563 亿美元 | 595.6 亿美元 | 低于预期 |
| Q2 营收指引 | 580-610 亿美元 | 595.6 亿美元 | 符合预期 |
| 全年 CAPEX | 1250-1450 亿美元 | 1150-1350 亿美元 | 显著上调 |
| CAPEX 增量 | +100-150 亿美元 | — | 约上调 10-12% |
扎克伯格在财报电话会上表示：
“其中大部分是由于组件成本上升，尤其是内存价格。”
这不是“我们计划多花钱”，而是“我们不得不多花钱”。
业务背景
Meta 当前的 AI 战略围绕三个核心展开：
- Avocado 模型：下一代基础模型，因表现未达预期从 3 月推迟到 5 月
- Llama 生态：继续推进开源策略，已发布 Llama 4 Scout（MoE 架构，1000 万上下文）
- AI 基础设施：大规模 GPU 集群投资，支撑推荐系统、广告和 Meta AI 助手
投资逻辑：内存正在成为 AI 竞赛瓶颈
HBM（高带宽内存）是当前 AI 芯片的核心组件。2026 年的供需格局如下：
| 因素 | 影响 |
|---|---|
| 需求爆发 | 大厂全面扩建 AI 集群，HBM 需求同比增长 200%+ |
| 产能有限 | HBM 产线建设需要 18-24 个月 |
| 技术升级 | HBM4 正在放量，良率爬坡阶段成本很高 |
| 定价权 | 卖方市场，供应商拥有很强定价权 |
对行业的影响
1. 内存供应商的“黄金时代”
三星、SK Hynix 和美光在 HBM 市场获得了前所未有的定价权。
2. 模型效率变得更重要
当内存成本成为主要变量时，模型设计哲学必须改变：
- MoE 架构更有优势，因为并非每次都需要把所有参数加载进内存
- 量化和压缩技术需求会继续上升
- 小模型 + Agent 编排可能比单一超大模型更经济
3. 竞争格局出现微妙变化
Meta 上调 CAPEX 说明：AI 竞赛没有放缓，反而还在加速。
但 Avocado 的延期也说明：花更多钱不等于更快拿到结果。AI 基础设施投资正在面临明显的边际收益递减。
可执行建议
| 角色 | 建议 |
|---|---|
| AI 创业公司 | 考虑量化模型或 MoE 架构，评估云厂商预留实例 |
| 企业 IT | 在 AI 预算中单独列出内存和存储成本 |
| 投资者 | 关注 HBM 供应链，包括三星、SK Hynix、美光 |
| 开发者 | 学习模型量化、LoRA 微调，降低内存占用 |
格局判断
Meta 上调 CAPEX 告诉我们：
- AI 军备竞赛没有放缓：即便营收略低于预期，Meta 仍然增加投入
- 瓶颈正在转移：从“算力不够”转向“内存太贵”，这是结构性变化
- 效率就是竞争力：谁能用更少内存做更多事，谁就有优势
- 开源可能成为差异化优势：Llama 生态在内存效率上领先，会吸引成本敏感用户