夹子道

总而言之，2026年的情况还是未知数，其中涉及的变量很多，具体情况还要视实际情况而定，我今天也只是与大家分享一些前期想法。我的第二个问题是，您认为公司的业务收入，或者说业务表现与您的投资节奏之间呈现怎样的关系？您对此的看法是否有过改变？投资节奏是否做出过调整？马克·扎克伯格：就我个人而言，在公司内部我非常关注的指标包括：团队的质量、研发模型的质量、其他人工智能系统的改进速度、基础模型对AI系统的改进程度以及其他工作的进展。总支出方面，正如我之前与大家分享的，我们预计基础设施支出将成为2026年最大的一笔支出，支出增长包括明年急速增加的折旧费用支出，如现有资产、服务以及基础设施的增量折旧等。所以我们自己也很纠结，不知道开源这些模型是否有意义，它真的对大家有帮助吗？还是说只是造福了我们的竞争对手。我们具备全球一流的基础设施能力，同时，随着时间的推移，我们的基础设施需求也在不断变化，因此构建上述项目也能为公司的未来发展提供更多灵活性。苏珊·李：目前，我们还没有启动对2026年的预算规划，因为明年的运营环境可能是高度动态、高度变化的，很多因素都在不断演变。每当面临新技术时，我们不会对其视而不见，而是积极地将新技术应用到所有应用程序、广告系统中。此外，我们也在不断优化推荐算法，希望帮助小体量创作者，让他们在发布内容后尽快匹配到合适的受众。回顾过去三到六个月里公司的人工智能战略发展，您有哪些主要的收获和经验？或者换个

据悉，Wan2.2此次开源了文生视频（Wan2.2-T2V-A14B）、图生视频（Wan2.2-I2V-A14B）和统一视频生成（Wan2.2-TI2V-5B）三款模型，其中文生视频模型和图生视频模型均为业界首个使用MoE架构的视频生成模型，总参数量为27B，激活参数14B，均由高噪声专家模型和低噪专家模型组成，分别负责视频的整体布局和细节完善，在同参数规模下，可节省约50%的计算资源消耗，有效解决视频生成处理Token过长导致的计算资源消耗大问题，同时在复杂运动生成、人物交互、美学表达、复杂运动等维度上也取得了显著提升这种增长不会是线性的——可能在某些年份，我们的利润增长会高于平均水平。目前，我们还是要先保证有足够的基础设施容量来支持公司内部使用，比如支持核心AI工作推进，确保内容推荐、广告推荐的有效性。展望2026年，公司在云服务方面的支出也会有所增加，以便满足用户的容量需求以及与网络相关的成本上涨。我们希望，Meta能够继续保持行业领先的地位，与此同时坚持我们的原则，即不会把所有模型、技术都开源。我们相信，相比租用其他公司的基础设施，我们自己打造基

今年5月上线以来，淘宝闪购日订单屡创新高，从1000万、4000万、6000万到连续两周峰值超8000万，再到连续两个周末超9000万。相比数字世界中的大模型，MogoMind可以视为物理世界的实时搜索引擎，通过接入物理世界实时动态数据，MogoMind形成全局感知、深度认知和实时推理决策能力，能够从数据中抽取意义、从经验中学习规则、在场景中灵活决策。MogoMind依托交通数据流实时全局感知、物理信息实时认知理解、通行能力实时推理计算、最优路径实时自主规划、交通环境实时数字孪生、道路风险实时预警提醒六大关键能力，解决了当前AI缺乏物理世界实时感知能力和全局认知系统两大问题。自动驾驶领域，MogoMind通过多源数据融合和长尾场景持续学习，反哺自动驾驶模型训练。交通管理领域，MogoMind让交通管理者掌握整个城市交通系统的运行全貌，能基于实时动态数据的融合分析做出科学决策。通过全域覆盖的通感算一体化设备，MogoMind能够全天候、不间断捕捉车辆行驶轨迹、速度变化、交通流量、行人动态等海量异构数据，并经过数据融合算法快速整合处理，为智能分析和精准决策提供数据基础。大会期间，蘑菇车联围绕AI大模型在交通领域的应用，展示深度理解物理世界的AI大模型MogoMind、智能体与物理世界实时交互的AI网络等