重點摘要
- Meta Q1 2026 營收 563 億、YoY 33%，其中 Family of Apps 營收為 559 億、廣告營收為 550 億且同樣 YoY 33%，成長主要來自內容推薦優化、使用者參與度提升與廣告載入優化，並認為 AI 將持續同時推動 engagement 與 monetization。
- 本季廣告曝光量 YoY 19%，單位廣告平均價格 YoY 12%，成長受惠於廣告成效提升、總體環境較去年同期改善與匯率順風，但也提到低變現地區曝光擴張對價格形成部分稀釋。
- Q1 營業利益 229 億，營業利益率為 41%，淨利為 268 億，EPS 為 10.44 ，排除 80.3 億稅務利益，淨利與 EPS 分別為 187 億與 7.31 ，預期 2026 年全年營業利益將高於 2025 年。
- Q1 CapEx 達 198 億，主要投入伺服器、資料中心與網路基礎設施，而 2026 年全年 CapEx 指引由 1,150 億至 1,350 億上調至 1,250 億至 1,450 億，上修主因是零組件價格上升尤其記憶體成本，以及為未來年度容量預作準備的資料中心支出增加。
- 本季合約承諾增加 1,070 億，反映多年度雲端合約與基礎設施採購協議，策略上將以擴大自有資料中心、提前鎖定供應鏈產能與保留未來調整彈性來支撐模型訓練與推論需求。
- Meta 推出 Muse Spark 與升級版 Meta AI，並表示其已帶動 Meta AI 使用明顯成長、Meta AI app 長時間位居應用商店前列，將持續訓練更先進模型，並把個人 agent 與企業 agent 視為中長期產品主軸。
- Instagram 排序改善於 Q1 帶動 real-time spent 提升 10%，Facebook 全球影片觀看時間季增超過 8%，北美 Facebook 影片觀看時間亦因排序優化提升 9%，未來將持續擴大模型規模、引入 LLM 與 foundation model，為未來數年 engagement 與廣告變現奠定基礎。
- Instagram 與 Facebook 推薦 Reels 中，當日新貼文占比已超過 30%，較一年前翻倍以上，且 Facebook 與 Instagram 各有超過 5 億用戶每週觀看 AI 翻譯影片，AI 提升內容新鮮度、內容多樣性與跨語言分發效率，將持續擴大平台可推薦內容池。
- 廣告系統的 AI 變現效率提升，Q1 Lattice 與 GEM 模型優化帶動 landing page view ads 轉換率提升超過 6%，adaptive ranking model 擴展至站外轉換後又進一步帶動 Facebook 與 Instagram 主要版位轉換率提升 1.6%，其策略是用更高複雜度模型與更智慧的 inference routing 提升 ROI，同時兼顧 serving latency。
- 商家工具與 agent 化商業服務加速擴張，Meta AI Business Assistant 自 Q4 測試以來已使常見帳戶問題解決率提升 20%，目前已有超過 800 萬廣告主使用至少一項生成式 AI 廣告工具，而使用影片生成工具的廣告主在測試中轉換率提升超過 3%，將持續把 AI 深度導入廣告創意、帳戶管理與 campaign optimization。
- business AIs 每週對話量已由年初 100 萬次增至超過 1,000 萬次，已擴展至 WhatsApp 與 Messenger 多個地區市場，此外 WhatsApp 付費訊息與訂閱推動 Family of Apps 其他營收達 8.85 億、YoY 74%，預期本季將進一步擴大國家覆蓋與功能，長期亦將逐步建立商業化模式。
- Commerce 與高價值廣告產品亦是亮點，value optimization suite 年化營收 run rate 已超過 200 億且年增逾倍，partnership ads 年化營收 run rate 亦在 Q1 翻倍至 100 億，AI 將進一步強化商品探索、創作者導購與平台內購買體驗，shopping 為 personal agent 願景中的重要應用場景。
- AI 眼鏡日活用戶數年增 3 倍，Reality Labs 營收為 4.02 億、年減 2%，但 AI glasses 收入持續強勁成長，眼鏡是最快成長的消費電子品類之一，後續將持續推出新款式與合作品牌，並讓眼鏡逐步從問答裝置演進為可全天陪伴使用者的 personal agent。
- 展望 Q2 2026，營收指引 580 億至 610 億，隱含匯率約帶來 2% YoY 順風，全年費用指引維持在 1,620 億至 1,690 億，稅率則預計落在 13% 至 16%，Q1 僅是 AI 研究、推薦系統升級與 agent 產品化動能的起點，後續一年將持續累積模型能力、產品規模與商業化效率。
FY 1Q26 財務概況
簡明損益表
| 單位：百萬 | 1Q26 | FY 4Q25 | 1Q25 | QoQ | YoY |
|---|---|---|---|---|---|
| 營業收入 | 56,311 | 59,893 | 42,314 | -6% | 33% |
| 成本及費用 | 33,439 | 35,148 | 24,759 | -5% | 35% |
| 營業利益 | 22,872 | 24,745 | 17,555 | -8% | 30% |
| 所得稅費用 | -5,021 | 2,586 | 1,738 | -294% | -389% |
| 稅後淨利 | 26,773 | 22,768 | 16,644 | 18% | 61% |
| EPS(元) | 10.44 | 8.88 | 6.43 | 18% | 62% |
| 營利率 | 41% | 41% | 41% | -69.81 bps | -87.02 bps |
| 稅率 | -23% | 10% | 9% | -3300 bps | -3200 bps |
營運部門績效
| 單位：百萬 | 1Q26 營收 | 1Q25 營收 | YoY | 1Q26 營業利益（虧損） | 1Q25 營業利益（虧損） | YoY |
|---|---|---|---|---|---|---|
| Advertising | 55,024 | 41,392 | 32.93% | NA | NA | - |
| Other revenue | 885 | 510 | 73.53% | NA | NA | - |
| Family of Apps 小計 | 55,909 | 41,902 | 33.43% | 26,900 | 21,765 | 23.59% |
| Reality Labs (元宇宙) | 402 | 412 | -2.43% | -4,028 | -4,210 | (4.32) % |
| 總計 | 56,311 | 42,314 | 33.08% | 22,872 | 17,555 | 30.29% |
公司財測指引
| 單位：十億 | FY26 (G) | FY25 (A) |
|---|---|---|
| 2Q26 營業收入 | 58–61 | 47.5 |
| FY26 總費用 | 162–169 | 117.7 |
| FY26 CapEx | 125–145 | 72.2 |
| FY26 營業利益 | 高於 FY25 | 83.3 |
| FY26 稅率 | 13%–16% | 30% |
核心觀點
AI 成效獲驗證，但市場開始改以投資效率定價
延續上一季的論述，當時市場主軸仍放在 Llama 與推薦系統升級能否推動 Reels、動態消息與廣告排序持續改善，進而帶來估值重評，而這一季 Meta 透過 AI 創造的價值已經被初步驗證，Meta 第一季營收達 563 億美元、年增 33%，其中廣告營收 550 億美元、同樣年增 33%，廣告曝光量年增 19%，平均廣告價格年增 12%，營業利益達 229 億美元、營業利益率維持 41%，顯示 AI 對 engagement 與 monetization 的正向影響仍在持續擴大。公司也進一步指出，Instagram 排序優化帶動 real-time spent 提升 10%，Facebook 全球影片觀看時間季增超過 8%，而 Lattice、GEM 與 adaptive ranking model 等模型優化已持續推升廣告轉換率與投放效率，這代表 Meta 的 AI 投資已實際反映在核心廣告業務的流量、轉換與變現能力上。
不過，與上一季不同的是，市場如今進一步關注的是，如此大規模的投資究竟能否持續轉化為高品質回報，以支撐 Meta 持續擴大的資本投入。上季公司給出 2026 年 CapEx 1,150 至 1,350 億美元的初步展望時，市場仍願意以高投資換高成長的角度解讀，因為管理層同時強調 2026 年營業利益仍將高於 2025 年，代表其對獲利延續性具高度信心，如今，Meta 再將 2026 年 CapEx 指引上調至 1,250 至 1,450 億美元，並明確指出主要原因是元件價格上升，尤其是記憶體成本，以及為未來年度容量預作準備的資料中心支出增加，讓市場的關注焦點自然從營收與 EPS 的 beat，轉向資本報酬率、投資回收期以及 2027 年以後的支出路徑，未來投資人真正要追蹤的，是這些產品與模型能力能否以足夠快的速度轉化為營收、利潤與現金流，從而消化持續擴大的資本強度。
1070 億承諾與 Manus 風險，揭示 Meta 進入高資本密集的 AI 擴張期
此外，Meta 本季一次性新增 1,070 億美元合約承諾，從管理層說法與公司揭露來看，這筆承諾主要反映多年度雲端協議與基礎設施採購安排，其戰略意義在於提前鎖定未來算力、資料中心與供應鏈資源，以支撐模型訓練、推論與未來產品化需求。從正面角度看，這代表 Meta 對 AI 長期需求有高度信心，優先確保未來建設無虞；但從市場角度看，此一更前置、更資本密集、也更具固定承諾特性的擴張路徑，使得 Meta 需面風險，只要未來供需環境、元件價格或商業化速度與今天的假設出現落差，這些長約與前置承諾就可能成為壓抑 ROIC 的來源，現在公司在高檔時點鎖定價格或產能，未來一旦記憶體、GPU、雲端資源或基礎設施成本出現下修，便需擔心 Meta 的 locked-in economics 反而不利於中期獲利彈性。
在此基礎上，Manus 事件進一步放大了市場對 Meta AI 擴張路徑的疑慮，Manus 原本被 Meta 視為補強企業工具能力、強化 business agent 生態的官關鍵拼圖，如今中國官方已要求撤回 Meta 對 Manus 的收購，理由涉及外資投資限制與技術出口審查，而且報導指出雙方團隊其實已高度整合，代表此事並非單純的新聞雜音，此事可能牽涉交易重組、整合中斷、人才流動與技術資產安排等更實質的執行風險。
綜上所述，除了高昂的前置資本支出外，Meta 還需面臨管理及組織層面的不確定性，因此雖然本季核心廣告業務與 AI monetization 仍相當強勁，但市場短期更可能選擇先重新評估公司未來兩到三年的資本報酬率、交易執行確定性與風險溢價，再決定是否給予更高估值倍數。
Q&A
Q1: 公司未來 12 到 24 個月會用哪些指標判斷大規模 AI 與基礎設施投資是否能帶來合理報酬？如何確認 Meta AI、模型能力與核心演算法仍走在正確方向上？
評估這些投資的核心順序仍是先確認技術上是否做出足以支撐優秀產品的領先模型，再觀察產品推出後能否順利擴大至大量使用者，最後才進一步提升變現效率與獲利能力。目前最重要的觀察指標不是單月精準財務回收，而是模型品質、產品使用規模、後續訓練進展，以及產品管線是否持續令人振奮。Muse Spark 已證明實驗室方向正確，Meta AI 也已成為具競爭力的助理產品，因此接下來幾季將持續追蹤新一輪訓練成果、產品擴張速度與後續 monetization。
Q2: Muse Spark 推出後，團隊會如何分配模型訓練與產品開發資源？2027 年 CapEx 是否仍可能進一步上升？
研究團隊與產品團隊會同時推進，前者持續沿著更高能力模型的 scaling ladder 往上訓練，後者則開始基於自家更強模型加速打造並擴張產品，因此兩條迴圈都會持續運作，而不是二選一。下一代更先進模型已在訓練中，未來數月產品方向會更清楚。至於 2027 年 CapEx，公司未提供明確指引，但坦言過去一段時間持續低估算力需求，隨著 AI 應用、內部 use case 與新專案增加，compute 將愈來愈成為核心資產，因此未來仍會以保留彈性的方式持續建置基礎設施；若實際需求低於預期，也可延後上線或調整後續支出。
Q3: 公司如何看待 agentic compute 在消費者、SMB 與企業端的機會？未來會如何將個人 agent 與企業 agent 連結到廣告、商業與變現模式上？
短期最直接的機會仍是深化現有用戶 engagement、讓廣告體驗更個人化與更有價值，以及幫助 SMB 在平台上找到與經營客戶。中長期則是建立個人 agent 與企業 agent 之間能互動的生態系，進一步發展更完整的 commerce ecosystem。個人 agent 目前先以消費者體驗為主，未來可能衍生 premium offering 或抽成機制；企業 agent 方面，business AI 已快速成長，目前每週已有超過 1,000 萬次對話，Q2 還會繼續全球擴張，之後也會逐步探索長期商業模式與其他可向企業提供的服務。
Q4: AI 眼鏡未來擴張到更多品牌的限制因素是什麼？公司如何看待 2026 年眼鏡產品的成功標準與人力結構調整？
目前 AI 眼鏡需求仍然強勁，且銷售正在由上一代 Ray-Ban Meta 轉向新一代產品，顯示更長電池續航與更高解析度錄影等新功能具吸引力，公司也觀察到市場對搭載顯示功能與 Neural Band 的新型眼鏡有明顯興趣，因此對此領域的中長期演進相當樂觀。至於人力結構，公司認為 AI 正快速提升工程師與團隊的生產力，因此尚無法精準定義未來公司的最佳規模，但在大幅增加基礎設施投資的同時，Meta 也會持續檢視組織結構，以更精簡高效的方式支撐優先項目。
Q5: Muse Spark 的推出，對未來 9 個月消費者與企業產品帶來了哪些實質解鎖？未來產品發布會是什麼樣子？
Muse Spark 最重要的意義在於驗證實驗室、基礎設施與整體策略已經走上正軌，證明從建立團隊到做出高品質、被市場認可的模型這條路是成功的。至於具體產品 cadence，公司不願透露過多競爭敏感資訊，也強調研究與產品都更重視品質，而非硬性對齊某個發布日期。目前團隊是以日為單位快速推進，並非每季才有實質進展，因此未來幾季仍會持續看到創新，但更重要的是做出真正成熟、能讓一般消費者放心使用的 agent 產品。
Q6: 新興消費型 agent 產品與 OpenClaw 這類方向，會如何影響 Meta 的 agent 戰略？公司是否也會同步投入 recursive self-improvement、developer tools 或 coding 類能力？
OpenClaw 等產品確實讓人看到未來 agent 的潛力，但現階段仍然過於粗糙、設定門檻太高，無法服務數十億使用者，因此 Meta 的核心任務是把這類能力做成更 polished、更易用、可大規模部署的消費級產品。個人 agent 與企業 agent 都是主軸，未來希望產品能真正理解個人或商業目標並長時間協助執行。另一方面，recursive self-improvement 也是必要能力，因為若模型無法自我提升，就無法維持領先模型與領先產品地位；不過公司認為 coding 只是自我提升的一部分，並不代表 Meta 會把 developer tools 當作主要產品方向。
Q7: 個人 agent 與企業 agent 何時會成為明確產品形態？短期與中長期的發展重點各是什麼？推薦系統後續還有哪些提升空間？
agent 產品在短期內就會開始有可見形態，今年將是建立這種產品載體的重要階段，但模型能力提升本身會是長期持續的過程，因此這條路徑同時涵蓋短、中、長期。至於推薦系統，今年剩餘時間仍有很大改善空間，包括持續升級資料基礎設施、讓模型能讀取更長的互動歷史、提高內容描述細緻度、重設內容 retrieval 系統以更完整對應不同用戶興趣，並進一步強化可讓用戶以自然語言調整 feed 的 tune your algorithm 功能，因此序列長度翻倍只是多項優化中的一環。
Q8: 廣告業務從小模型走向 Muse Spark 與未來更大模型後，對 engagement 與 monetization 的關鍵解鎖會是什麼？Manus 交易目前進度如何？
Meta 在廣告系統導入更大規模模型的工作其實已經開始，但過去大型模型因延遲與成本限制，不適合直接用於推論，因此公司長期做法是用大模型將知識蒸餾給較輕量模型。近一步的突破是去年下半年推出 adaptive ranking model，讓廣告系統能在需要時動態調用更高算力、約 1 兆參數規模的模型，同時仍維持廣告投放所需的次秒級速度，進而提升轉換率與 inference ROI。至於 Manus 仍在處理細節，目前沒有新進展可分享。
Q9: 公司如何看待 shopping 與 commerce 在個人 agent 願景中的角色？過去 2021 到 2022 年 commerce 推進的經驗，對今天有何啟示？核心業務持續優於產業成長的能見度有多高？
shopping 是 personal superintelligence 願景中的一個具體應用案例，重點不只是做購物功能本身，而是透過從模型、agent 到基礎設施的全棧優化，幫助個人完成生活中各種實際目標，無論是健康、在地資訊、社交脈絡理解，或替家人找到合適商品。這種以個人需求為核心的 AI 路線，和其他實驗室追求集中式生產力工具的方向有本質差異，也會帶來商業價值。對於核心業務成長能見度，公司已給出 Q2 財測，該區間同時反映總體環境假設與持續改善 engagement、廣告成效的執行信心；此外，Meta 內部已有相當成熟、以 ROI 為基礎的預算配置流程，用來篩選並支持未來年度能推動廣告成長的專案，因此對 roadmap 與後續投資回報仍具信心。
