Meta第二季度产生了318.62亿美元经营现金流，又花掉310.78亿美元建设数据中心和购买服务器，最后只剩下7.84亿美元自由现金流。

要知道，Meta的广告机器仍然在高速赚钱。

二季度Meta营收608.01亿美元，同比增长28%；其中广告收入593.63亿美元，同比增长27%。广告展示量和平均价格同时上涨，营收也超过华尔街预期。



广告机器赚的钱快被AI吃干抹净了。

公司还把2026年资本开支下限从1250亿美元提高到1300亿美元，最高仍可能花到1450亿美元。

一份营收超出预期的财报，换来的却是接近8%的股价下跌。Meta股价当天收于585.61美元，财报发布后盘后跌幅一度接近9%。



电话会上，美国银行证券分析师Justin Post把问题直接抛给扎克伯格：Meta在一年前更换了AI实验室的高级领导层，华尔街什么时候才能看到模型、芯片等产品的发布速度明显加快？

扎克伯格回答说，他对实验室目前的进展“相当满意”。Muse Spark和Muse Spark 1.1只是Meta攀登模型能力阶梯的早期成果，公司正在训练体量更大、能力更强的模型。

他没有公布这款旗舰模型的发布时间，也没有拿出新的评测成绩，只说很快会有更多消息。

一年前，Llama 4表现不及预期，扎克伯格斥资143亿美元入股Scale AI，将28岁的汪滔请进Meta，并把重建AI体系的权力交给他。

汪滔和扎克伯格之间有不少相似之处——都在19岁左右退学创业，都在二十出头成为亿万富翁，也都相信创始人式的集中权力和快速执行。已经40岁的扎克伯格，像是把Meta的未来交给了年轻时的自己。



一年后，汪滔已经重组Meta的AI团队，推出了第一批模型和产品。真正承担Meta反击期待的旗舰模型Watermelon却仍在训练。

竞争对手还在加速迭代，Meta为等待这张答卷付出的成本却越来越高。

汪滔一天不交出旗舰模型，扎克伯格便很难证明这些钱、这次重组和又一年的等待究竟换来了什么。此时换人或收缩，也等于承认此前付出的代价很难收回。

汪滔，已经成为了扎克伯格最大的沉没成本。

01

“错付”救世主？

汪滔当然没有闲着。

扎克伯格选择汪滔，本身就是一个有些冒险的决定。Scale AI长期为OpenAI、Google和Meta等公司提供数据与评测服务，汪滔知道各家实验室正在训练什么、又容易卡在哪里，但他此前没有领导前沿模型研发的经验。

汪滔最突出的能力一直是管理和资源调度。

Scale AI拥有上千名员工后，他仍坚持亲自审批新员工，并在数据交付客户前亲自抽查。他把这种执拗称为“质量是分形的”：管理者不在意细节，下面的人很快也会学会不在意。

扎克伯格看中的，正是这种很难从一家数万人大公司里找到的集中、强硬和执行速度。《金融时报》因此将汪滔称为Meta需要的“战时CEO”。

进入Meta后，汪滔迅速把这套创始人式的管理方式带进AI部门。Meta成立直接冲击前沿模型的TBD Lab，从OpenAI、Google等公司高价挖人，同时压缩原有管理层级，试图把臃肿的AI部门改造成一支行动更快的“战时团队”。

代价显而易见。

Meta原有AI团队约600个岗位被裁，杨立昆离开工作12年的Meta，另起炉灶研究世界模型。高薪新团队与旧研究体系之间出现裂缝。

这场重组的成本，如今也开始出现在Meta的财报里。

第二季度，Meta研发费用达到216.56亿美元，同比增长67%。CFO苏珊·李在电话会上表示，公司薪酬支出的增长主要来自过去一年增加的技术人员，尤其是高价招募的AI人才。

即使扣除24亿美元法律费用和11.8亿美元裁员费用，Meta第二季度的总成本仍同比增长约42%，远远超过28%的营收增速。

汪滔带来的不只是一套新的组织结构，还有一支越来越昂贵的AI团队。

扎克伯格这场豪赌的逻辑也由此变得清楚：他相信汪滔重建组织和调动资源的能力，最终可以转化为训练前沿模型的能力。前一项已经得到证明，后一项仍要靠模型交卷。

2026年4月，Meta推出汪滔团队的第一款模型Muse Spark。Meta从一开始便强调，它体量较小、速度较快，只是Muse系列“打头阵的”，更大的模型仍在后面。

到了7月，Muse Spark 1.1把Artificial Analysis综合指数从43分提高到51分，进步主要集中在编程、科学推理和知识能力。每百万输入、输出Token分别收费1.25美元和4.25美元。



这款模型进步很快、价格也足够低，综合能力距离最前沿模型仍有明显差距，还不足以证明Meta投入的143亿美元和高价组建的新团队已经物有所值。

真正承担这份期待的是仍在训练的Watermelon。

据Business Insider援引两名知情人士报道，汪滔在Meta内部会议上称，仍在训练的Watermelon使用的算力比Muse Spark高一个数量级，并已在部分基准评测中追上GPT-5.5。不过，他没有说明具体评测项目，Meta也未公开相关成绩。

最新的财报电话会也没有为这一说法提供更多证据。扎克伯格只确认Meta正在训练体量更大、能力更强的模型，没有提到Watermelon的名字，也没有公布发布时间和评测成绩。

更为现实的是，Watermelon还没有发布，OpenAI、Anthropic和Google却不会停下来等它。

汪滔进入Meta一年，尚未成为“救世主”。

02

迟到的两年

最讽刺的是，Meta从来不是AI领域的后来者。

2013年，Facebook成立FAIR，请杨立昆担任负责人。此后十年，Meta在计算机视觉、自监督学习等领域积累深厚，还孕育了PyTorch；Facebook和Instagram的推荐、广告系统，也早已每天用AI处理数十亿用户产生的数据。2023年发布的Llama，又让Meta迅速获得了开放模型领域的影响力。

ChatGPT出现后，OpenAI围绕一个消费级入口搭建模型、API和开发者生态，Meta的AI资源却分散在FAIR、生成式AI团队、产品部门和基础设施部门。

到了2025年，扎克伯格才把AI提升为公司级战争，计划投入600亿至650亿美元建设基础设施，却等来了表现不及预期的Llama 4。

汪滔随后推动的集中改革，其实是Meta本应在2023年完成的改革。等到它开始重组，OpenAI、Anthropic和Google已经建立起模型、人才和产品优势，Meta整整迟到了两年。

汪滔更像扎克伯格为此前两年迟疑收到的一张账单。

2025年初，扎克伯格计划投入600亿至650亿美元建设基础设施。到了2026年，资本开支预计达到1300亿至1450亿美元，最高值已经超过此前计划的两倍。

不过，Meta也没有把这些钱全部烧在一款尚未发布的旗舰模型上。第二季度，Instagram用户使用时长实现两位数增长，Facebook视频观看时长增长9%。Meta称，新的广告模型让Facebook广告点击量提高8.3%，转化率提高15.7%；使用AI生成广告素材的小企业已经超过900万家。

这些成绩证明，AI已经可以帮助Meta的广告机器赚更多钱，却不能直接算成汪滔的答卷。

Meta披露的提升主要来自推荐系统、广告排序和内容理解，没有说明Watermelon或者汪滔团队的前沿模型在其中发挥了多大作用。广告和推荐原本就是Meta积累了十多年的强项。

换句话说，Meta可以一边等待汪滔的旗舰模型，一边用现有AI技术继续改进广告。强大的广告业务给了扎克伯格继续等待的底气，也让这场豪赌暂时没有一个必须停止的时间点。

对于新增的巨额算力，Meta还准备了更多去处。扎克伯格在电话会上列出了个人智能体、企业智能体、模型API和直接出售算力等方向。

Meta Business Agents每周已有超过100万家企业使用，公司还收到了不少购买算力的报价，据称报价明显高于Meta取得这些算力的成本。

摩根士丹利分析师Brian Nowak追问，其中哪项业务最有可能率先扩大规模，为投资者带来可以计算的回报。扎克伯格没有选出一个明确答案，只表示自己对所有这些方向都很乐观，很快会公布更多消息。

CFO苏珊·李说得更加直接：即使Meta的模型没有进入最前沿，公司也有信心利用这些算力改进现有产品。实在用不完，还可以直接卖给其他企业。

这相当于为巨额投入准备了几条退路，却也说明Meta目前仍不确定，最终会由哪项新业务承担这笔账单。

03

还能拖得起吗？

第二季度，Meta发行了约249.1亿美元长期债务。截至6月底，公司长期债务达到836.64亿美元，较去年年底的587.44亿美元增加249.2亿美元。与此同时，Meta本季度没有回购股票。

原因并不复杂。

Meta第二季度产生318.62亿美元经营现金流，资本开支就用掉310.78亿美元，只剩7.84亿美元自由现金流，甚至不足以覆盖同期13.5亿美元的股息支出。

广告业务产生的现金，已经无法同时满足AI扩建、分红和股票回购。

Meta账上仍有902.6亿美元现金和有价证券，短期内并不缺钱。但值得注意的是，它不再只靠广告业务产生的现金建设AI，开始增加债务、引入合作伙伴，为长期项目筹集更多资金。

电话会上，高盛分析师Eric Sheridan追问苏珊·李，Meta准备如何在激进投入和资金需求之间取得平衡。

苏珊·李回答，公司近年来一直在提高债务占比，希望获得成本较低、期限较长的资金，以匹配AI基础设施漫长的建设周期。

Meta与贝莱德的合作就是一个例子。财报发布前一天，双方宣布在得州埃尔帕索建设一座1吉瓦数据中心。Meta借助外部合作伙伴分担建设成本，自己则保留使用算力的能力。

钱需要现在花，回报却要等到数据中心建成以后。扎克伯格在电话会上承认，公司正在建设的数据中心上线前不会产生价值。苏珊·李也表示，Meta目前首先要尽可能扩大2026年和2027年的算力，2028年以后再根据实际需求决定购买多少芯片。

这意味着，Watermelon能力如何还没有得到公开验证，用来训练更大模型的数据中心、服务器和网络却必须提前几年准备。即使最终结果不及预期，土地、电力和数据中心也早已投入建设。

偏偏Meta又很难为这场豪赌划出一条清晰的止损线。

而且别忘了，Meta过去已经证明它可以对一项长期豪赌保持惊人的耐心。第二季度，Reality Labs收入只有4.31亿美元，经营亏损却达到46.19亿美元。AI眼镜推动该部门收入增长16%，扎克伯格也表示新款眼镜销量超过预期，但它距离覆盖Reality Labs的巨额亏损仍然很远。

外界的质疑落在汪滔身上，也会同时落在扎克伯格肩膀上——汪滔的成败，已经不仅仅是Meta的成败，更成为了扎克伯格是否在“元宇宙”之后再次不理智的验金石。

华尔街担心的正是AI会不会成为下一场没有明确截止日期的豪赌。

等待时间越长，Meta投入的资金和算力越多。投入越多，扎克伯格越难承认这条路可能走不通。

Watermelon仍有机会替汪滔证明一切。只不过，在那一天到来以前，Meta每多等一个季度，汪滔这笔“沉没成本”都会继续变大。