文 | 字母 AI
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。
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%。
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。
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。
" 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。
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 "。
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。
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。
