Meta千亿AI投入未见广告回报，腾讯避坑阿里调整开源策略

上周，摩根士丹利组织了一场TMT“炉边谈话”，邀请了北美一大批互联网公司。我专门去听了大摩互联网首席分析师Brian与Meta首席财务官Susan Li的交流。听完后，发现市场对很多信息的解读存在偏差。

其中两个关键点值得我们关注。

大模型对核心广告业务帮助有限，腾讯的选择更明智

直到现在，可能还有不少人认为大模型对Meta的广告业务有直接的助推作用。但实际上，并没有。这是腾讯很早就意识到并成功避开的“坑”。

Meta为了搞大模型已经烧掉了一千多亿美金，结果不仅基础模型能力不算顶尖，对赖以生存的广告业务（占收入的90%以上）也还没有产生实质性的帮助。这就难怪二级市场会质疑其投入产出比（ROI）了。

这个判断最初来自于我群里一位资深从业者的发现。他详细拆解了Meta历年的广告加载率和单价数据，发现其广告增长主要源于广告加载率的提升，并未发现大模型的显著贡献。

这引起了我的警觉。因为过去一年每个季度的财报电话会上，Meta管理层几乎都会提及大模型对核心广告业务的帮助。后来，我看了知名科技博主Ben Thompson对Meta财报的解读，他也指出大模型对Meta广告业务并无实质性帮助，管理层不断强调这一点，是希望资本市场对其千亿美元的大模型投入给予更多耐心。

现在，Meta CFO亲口证实了这一点。Susan Li承认，大模型目前对Meta核心业务（即排名和推荐系统）的帮助有限，目前还没有将大模型广泛应用在核心业务中。

她的原话是：

“LLM（大语言模型）并没有在我们的核心排名和推荐业务中占很大比例，但也不是说完全不用LLM。比如Threads（Meta的类Twitter应用）会用，因为Threads属于文本信息流（注：Threads对Meta整体业绩贡献极为有限）...但是，总体来说，我们目前还没有将LLM应用在排序和推荐中。”

这其实和我在腾讯广告专家会议上听到的观点一致。专家们多次表示，腾讯广告业务的增长跟大模型关系不大，主要驱动力是视频号、搜一搜等场景广告加载率的提升。

所以，Meta在大模型上的巨额投入，目前看来既没烧出顶尖的基础模型能力，对现有核心广告业务也未有实质性帮助。反观腾讯，幸好没有学着像Meta那样不计成本地猛砸。很多时候，在技术前沿的试错交给Meta这样的“排头兵”，等路径被验证有效后再跟进，反而是一种更稳健的策略。据我所知，腾讯和字节都有一支专门的团队，长期紧盯Meta的自动化广告解决方案Advantage+。

商业化压力下，Meta与阿里的开源策略转向

Meta和阿里的另一个共同点是：它们都曾是大模型开源阵营的重要推动者。但现在，情况正在发生变化。

在这次交流中，大摩首席Brian问Susan，开源模型未来如何盈利？Susan未能给出清晰的答案，但她表示：“做开源有利于社会创新和标准化...但随着模型能力不断增强，我们接下来的每个模型是否开源，都需要经过深思熟虑的决策和讨论。”

这番话的潜台词很明确：Meta未来不会无条件地完全开源了。Susan还补充道，即便开源也会有所保留，不会开源所有内容。

无独有偶，近期阿里通义千问负责人林俊旸的离职，也被外界解读为阿里在大模型发展路线上出现了调整。早期，阿里积极推动开源，目的是让大模型技术在国内快速普及，从而激发企业上云需求，最终利好阿里云。

但现在，阿里大模型的路径似乎正在转向。首要任务是提升通义千问在C端（消费者端）的用户体验。据了解，阿里的基础模型团队和千问APP团队是分开的，基础模型归阿里云管，千问APP归集团。甚至有传闻称，千问应用团队认为基础模型团队提供的模型“并不好用”。

另一个驱动力是MaaS（模型即服务）收入。为什么火山引擎（字节跳动的云服务）敢宣称自己是“AI云老大”？一个重要原因是其MaaS收入显著高于阿里云。这并不是说千问的基础模型不如字节，而是因为千问选择了开源路线，而字节是闭源，两者的商业模式和变现路径本就不同。

所以，综合来看，在商业变现的压力下，无论是Meta还是阿里，其重心似乎都在向闭源方向调整。对于企业而言，在探索路上“踩坑”并不可怕，能快速调整方向爬出来就不丢人。真正的风险在于，反复在同一个问题上跌倒，那可能就是决策机制的问题了。

这让我想起今天群里一位做跨境电商的朋友提出的问题：“为什么拼多多在国内不断拉近与淘宝天猫的差距，在跨境领域更是甩了阿里几条街？以前速卖通的模式是有问题的，但是SHEIN的全托管模式跑通了，Temu果断跟上，为什么速卖通的反应那么慢？”

其实，阿里最早就是靠跨境B2B起家的，国内C端电商淘宝是后来才做的。从时间上看，Temu比阿里的跨境业务晚了将近20年。但正是这种路径依赖和巨大的成功，有时反而会成为企业在新赛道快速转身的包袱。

无论是技术路线的选择，还是商业模式的迭代，如何在巨大的惯性中找到新的突破口，是所有巨头公司都在面临的挑战。关于AI与商业化的更多深度讨论，也欢迎来云栈社区的开发者板块一起交流。