臉書-市場前景及投資研究報告：METAAI投入ROI測算

證券研究報告|2024年09月01日臉書（Meta.O）深度系列二：META的AI投入與ROI測算公司研究·

海外公司深度報告互聯(lián)網(wǎng)·

互聯(lián)網(wǎng)Ⅱ投資評級：優(yōu)于大市（維持）摘要?

Meta是英偉達數(shù)據(jù)中心業(yè)務最大的客戶之一且Meta著力發(fā)展AI應用層上兩大業(yè)務——廣告與AIAgent，AI能否商業(yè)化變現(xiàn)對后續(xù)投資持續(xù)性至關重要，市場高度關注META中遠期潛在的AI投入與回報率。本報告主要就META的AI投資情況、AI商業(yè)化變現(xiàn)方式以及收入空間、AI投資的ROI幾個方面展開討論。?

META本輪關于AI的投資從21年開始，在GenAI的浪潮下增加顯著。投資主要包含兩個部分：AI推薦系統(tǒng)（Alcontentranking

）以及通用人工智能計算（GenAl），前者是公司根據(jù)可衡量的回報安排、目前已有顯著收入轉(zhuǎn)化，而后者還在回報曲線的早期。①

AI推薦系統(tǒng)（Al

contentranking）投資：內(nèi)容推薦引擎底層硬件更新，如切換GPU；廣告平臺升級，如Advantage+產(chǎn)品；②

通用人工智能計算（GenAl）投資：訓練Llama系列模型，為MetaAI提供推理算力以及AIAgent等。?

我們將META可展望的AI技術發(fā)展與商業(yè)化落地分為三個周期：①

2022-2024年：主要依賴AI分發(fā)算法、GPU替換與小部分GenAI技術META借助Reels短視頻功能的快速發(fā)展，通過提高AI分發(fā)占比顯著拉動了Impression（曝光量/廣告位）的增長，公司23Q3財報會表示推薦算法更新帶來全年7%FB時長增長、6%INS時長增長。同時底層硬件升級成GPU，提升內(nèi)容/廣告推薦準確性。發(fā)布Advantage+廣告投放工具，節(jié)省廣告主投放成本，公司表示Advantage+可提升廣告主32%的廣告支出回報率。②

2025-2026年：除了AI分發(fā)、GPU、Advantage+占比持續(xù)提升，GenAI技術將持續(xù)提升廣告ROI，META

AI逐步商業(yè)化META在24年初發(fā)布基于Transformer改進廣告推薦流程、從而提升推薦準確性的論文。預計隨著底層硬件逐漸完備，推薦算法模塊將利用Transformer技術進行更新，從而拉動CTR以及CPM持續(xù)增長。同時，MetaAI預計從C端和B端持續(xù)提升變現(xiàn)。③

2027-2029年：大一統(tǒng)的推薦系統(tǒng)與META

AI變現(xiàn)24Q2財報會扎克伯格提到Facebook已將所有視頻類型集成到一個播放系統(tǒng)中，未來希望朝著統(tǒng)一的推薦系統(tǒng)邁進。預計該系統(tǒng)有望顛覆目前推薦流程，未來如果疊加AIGC進行內(nèi)容創(chuàng)作，形成興趣捕捉-內(nèi)容生成-精準分發(fā)的閉環(huán),達到更高的推薦準確度和更繁榮的內(nèi)容生態(tài)。METAAI助手在C端預計可實現(xiàn)訂閱與廣告的雙重變現(xiàn)，B端則借助WhatsApp產(chǎn)品提供AIAgent商業(yè)對話變現(xiàn)。摘要?

測算AI貢獻收入空間，AI主要通過拉動META現(xiàn)有社媒廣告業(yè)務以及META

AI的直接變現(xiàn)兩種方式。①

AI拉動META社媒廣告：通過提升內(nèi)容/廣告推薦精準度，增強客戶粘性、提升用戶時長，提高廣告轉(zhuǎn)化率與廣告價格，每年約拉動META傳統(tǒng)社媒廣告高個位數(shù)增長，我們測算在2029年有望帶動200億美元/年的收入。②

METAAI：隨著使用滲透率的提升，商業(yè)化變現(xiàn)顯著增長。采用中性預測，我們預計2029年約可帶動730億美元年收入，其中包括C端訂閱收入約75億美元/年，C端廣告收費294億美元/年，B端WhatApp商業(yè)消息收入364億美元/年。采用樂觀預測，預計2029年約可帶動1180億美元年收入。?

METAAIC端：形態(tài)為嵌入應用家族的AIAgent，主要變現(xiàn)包括訂閱（類似ChatGPTPlus）與廣告收費（類似搜索廣告）。?

METAAI

B端：變現(xiàn)主要作為客服助理通過WhatsApp實現(xiàn)商業(yè)消息的傳遞，參考MetaWhatsAppBusiness按使用量抽成。?

根據(jù)測算，AI技術對META收入端的總拉動作用持續(xù)提升，預計在27年開始增速貢獻超過20pcts。2029年，AI帶來的收入預計占META總收入的1/4。?

測算AI投入的ROI空間：?

假設METACapex在2025年達到500億美元，后Capex穩(wěn)定在450億美元/年左右（考慮GPU/ASIC/AI模型成本持續(xù)優(yōu)化）。①

ROI（當年AI利潤/當年AI投入）：在2028年可大于100%且持續(xù)提升，意味當年AI投入對自由現(xiàn)金流產(chǎn)生正面影響；②

ROI（當年AI利潤/AI當年折舊攤銷）：在2028年可大于100%且持續(xù)提升，意味當年AI投入對凈利潤產(chǎn)生正面影響；③

ROIC(當年AI利潤/累計AI投入)：在2029年AI投資的ROIC達到20%且持續(xù)提升（ROIC為20%則5年可收回投資成本）；盈利預測：考慮到AI持續(xù)提升廣告效率以及METAAI商業(yè)化變現(xiàn)的潛力，上調(diào)2024-2025年公司收入為1629/1901/2242億美元（前值1629/1843/2068億美元），上調(diào)幅度0/3%/8%。由于AI對于前期投資要求較高，下調(diào)盈利預測2024-2026年凈利潤為550/627/723億美元(前值為550/639/753億美元)，幅度0%/-2%/-4%。中性預測下2024/2025年PE24x/21x，維持“優(yōu)于大市”評級。風險提示:盈利預測的風險，宏觀經(jīng)濟波動，下游廣告需求不及預期。技術投資過大風險。AI產(chǎn)品進度以及性能水平不及預期，產(chǎn)生安全合規(guī)性問題的風險。（本篇報告對中遠期的業(yè)務假設主要為METAAI商業(yè)化變現(xiàn)與GenAI廣告系統(tǒng)，僅考慮AI對META現(xiàn)有業(yè)務的影響。由于業(yè)務模型尚未成熟，本篇報告主要參考META業(yè)績會、相關論文與相似產(chǎn)品形態(tài)，盈利預測的相關假設采用類似產(chǎn)品形態(tài)的中性假設。）目錄METACapex變化與業(yè)務分配AI技術對社媒廣告的拉動METAAI的變現(xiàn)預測010203AI對META收入貢獻以及ROI變化0406META利用GenAI升級廣告系統(tǒng)技術介紹主要內(nèi)容節(jié)選自《臉書深度系列一：Reels商業(yè)化空間廣闊，AI版圖逐漸清晰》盈利預測07METACapex變化?

2024年公司上調(diào)Capex指引為370-400億美元，同比+31%-40%。?

截至目前，Meta對AI的投資經(jīng)歷了三個資本支出周期：①

2017-2018年：購買V系列芯片，建設數(shù)據(jù)中心；②

2021-2022年：GPU硬件切換，提升AI分發(fā)占比，在蘋果IDFA政策后改進其內(nèi)容排名/推薦算法，重建廣告技術堆棧；③

2023至今：持續(xù)的GPU硬件切換與GenAI的投資。圖：METACapex（百萬美元）圖：各互聯(lián)網(wǎng)與云廠Capex季度變化情況（百萬美元）capex折舊攤銷45,000120%100%80%60%40%20%0%CapexYoY折舊攤銷YoY20,000微軟亞馬遜谷歌META40,02140,00035,00030,00025,00020,00015,00010,0005,000018,00016,00014,00012,00010,0008,0006,0004,0002,000032,03628,10319,24415,654

15,71813,9806,73220174,80320162,64220152,07420141,7532013-20%2Q223Q224Q221Q232Q233Q234Q231Q242Q24201820192020202120222023

2024E5資料：公司財報、國信證券經(jīng)濟研究所整理資料：Meta財報會、國信證券經(jīng)濟研究所整理METACapex變化與業(yè)務分配?

AI推薦系統(tǒng)（Alcontentranking

）

累計投入Capex約350億美元。?

“2023年財報會：所有資本支出增長的驅(qū)動力，我們將根據(jù)我們能夠看到和衡量的回報來安排未來的投資。所以坦白說，我們希望有更多的機會在這里投資，因為我們預計這將是我們的高投資回報率的領域。?

核心AI我們繼續(xù)采取非常注重投資回報的方法，因為對用戶參與度和廣告性能的改進已經(jīng)轉(zhuǎn)化為收入增長?！?

通用人工智能計算（GenAl）累計投入Capex約140億美元。?

“2023年財報會：支持通用AI的資本支出投資是一個新興的機會。我們?nèi)蕴幱诹私飧鞣N應用和可能用例的初期階段。我確實認為這可能代表了一個對我們來說重要的投資機會，它在回報曲線上的位置更早?，F(xiàn)在說這將如何影響我們短期內(nèi)的整體資本強度還為時過早?！眻D：METACapex使用分配450400350300250200150100501）辦公場地與設施：非技術資本支出；元宇宙辦公場地與設施基礎計算AI推薦系統(tǒng)GenAl2）元宇宙業(yè)務：主要與硬件相關，如VR/AR眼鏡；3）核心應用家族（FoA）業(yè)務：100120①

基礎計算（CoreCompute）：主要是維護以托管和運行應用程序，包括像Reels短視頻功能上的視頻內(nèi)容；②

AI推薦系統(tǒng)（Al

contentranking

）：?

內(nèi)容推薦引擎底層硬件更新；120100408030110100?

廣告技術平臺升級，如Advantage+新產(chǎn)品；③通用人工智能計算（GenAl）：如訓練

Llama，為MetaAI提供推9011080100806050404030200理算力以及AIAgent等。2018201920202021202220232024E6資料：Meta財報會、國信證券經(jīng)濟研究所整理測算Capex變化與算力規(guī)模?

23年底META表示24年底計劃購買35萬片英偉達H100，加上其他GPU約等效60萬H100

GPU的計算能力。Omdia報道，2023年Meta和微軟各購得15WH100，谷歌、亞馬遜、甲骨文和騰訊各購得5WH100，特斯拉1.2WH100。TNP測算目前META擁有約6.6WV100、7.6WA100、15WH100，預計今年還將到貨35WH100和2.4WB系列芯片。?

TNP預計24年底GPU相關的累計資本支出將近150億美元，其中24年一年支出達94.7億美元，占比63%。經(jīng)過22年與23年初的降本增效周期，META重新開始新一輪硬件投資。圖：META擁有的算力規(guī)模預測年份型號GPUTensorCore（F16,F32）等效H100（片）單價（美元）

總價（百萬美元）總浮點計算量（Exaflops/FP16）累計：GPU支出成本150億美元，數(shù)據(jù)中心建設與維護成本約400億美元。2017V100Super22,00040,00016,00060,0001251256246241,37510,00010,00015,00015,00025,00025,00030.0002202.7552021

其他V100RSCA1002022

其他AI002,50040020224,9922409.9837.44300700139.22023年：GPU支出成本約40億美元，數(shù)據(jù)中心建設成本約100億美元，占當年Capex投資約35%；18,720150,000350,00069,6009002023202420242023H100分配

150,000

2.0002024H100分配

350,000

2.0003,7508,7507202024年：GPU支出成本約100億美元，數(shù)據(jù)中心建設成本約230億美元，占當年Capex投資總額約60%；2024B100/B20

24,0000分配5,800全部662,000597,18714,9801,194.377資料：TNP、Meta財報會、國信證券經(jīng)濟研究所整理目錄METACapex變化與業(yè)務分配AI技術對社媒廣告的拉動METAAI的變現(xiàn)預測010203AI對META收入貢獻以及ROI變化0406META利用GenAI升級廣告系統(tǒng)技術介紹主要內(nèi)容節(jié)選自《臉書深度系列一：Reels商業(yè)化空間廣闊，AI版圖逐漸清晰》盈利預測07METAAI貢獻的核心技術與產(chǎn)品META增長的AI驅(qū)動中期（2027-2029）核心技術：GenAI技術目前（2022-2024年）短期（2025-2026年）核心技術：GPU替換、AI分發(fā)算法與小部分GenAI技術核心技術：GenAI技術、傳統(tǒng)AI技術效果：提升廣告收入+META

AI變現(xiàn)效果：提升廣告收入+META

AI變現(xiàn)效果：提升社媒廣告收入核心產(chǎn)品/功能：核心產(chǎn)品/功能：①

推薦系統(tǒng)革新：大一統(tǒng)的推薦系統(tǒng)，疊加AIGC進行內(nèi)容創(chuàng)作，形成興趣捕捉-內(nèi)容生成-精準分發(fā)的閉環(huán)。核心產(chǎn)品/功能：①

推薦算法革新：利用Transformer技術改進原有算法模塊；②

AI分發(fā)、GPU、Advantage+占比持續(xù)提升；①

AI分發(fā)算法：依托Reels等新增功能，AI分發(fā)帶動用戶時長增長；②

GPU切換：提升內(nèi)容/廣告推薦精準度；①

METAAI助手：社交媒體AI助手，客服場景AIAgent，AR眼鏡/VR產(chǎn)品；③

METAAI助手：社交媒體AI助手，客服場景AIAgent，AR眼鏡/VR產(chǎn)品；③

Advantage+：提升廣告主20%的ROI，Sandbox廣告制作工具；9METAAI貢獻的收入空間與節(jié)奏測算圖：AI分發(fā)占比與效率提升短期（-2026年）中期（2027-2029年）AI技術說明

GPU替換、AI內(nèi)容分發(fā)算法與小部

GenAI技術、傳統(tǒng)AI分GenAI技術核心產(chǎn)品與

Reels：AI分發(fā)帶動用戶時長增長；

推薦系統(tǒng)革新：大一統(tǒng)的推薦系統(tǒng)，疊加AIGC進行內(nèi)容創(chuàng)作，形成興趣捕捉-內(nèi)容生成-精效果Advantage+：提升廣告主20%的ROI，

準分發(fā)的閉環(huán)。Sandbox廣告制作工具；推薦算法革新：利用Transformer

METAAI助手：社交媒體AI助手，客服場景AIAgent，AR眼鏡/VR產(chǎn)品；技術改進原有算法模塊；產(chǎn)品收入貢獻或TAMAI分發(fā)：25年達到50%的滲透率，推薦系統(tǒng)革新：預計相比推薦算法模塊更新持續(xù)提升推薦效率；測算對于時長拉動約35%；?METAAI：據(jù)測算2029年化超700億美元收入（占當年收入約30%）?

Advantage+：25年20%廣告使用

①

C端訂閱收入：訂閱20美元/月，歐美發(fā)達區(qū)域8億MAU*10%付費率*40%滲透率量占比，測算提升廣告主ROI/

*20*12=75億美元；（ChatGPTPlus目前全球訂閱率約5.6%)廣告價格約4%；長期50%廣告使

②

C端廣告收入：25億DAU*40%滲透率*日均搜索3.8次*40%Adload*2.8個廣告/次*CPM用量占比，測算提升廣告主ROI/廣告價格約10%；20美元（谷歌移動端搜索CPM24美元）=每日36億次搜索（目前谷歌移動端搜索約150億次/天）*40%Adload*2.8個廣告/次*CPM20美元=294億美元/年；③

B端：WhatsApp主要用戶集中在印度、巴西、美國和印尼。目前商家發(fā)起單條平均$0.025，每日能夠收到5條商業(yè)信息，5*24eMAU*50%用戶滲透率*0.025*64%折扣=60億條/天(目前WhatsApp平臺商業(yè)消息6億條/天)*0.025美元*64%折扣=1億美元收入/天，每年約364億美元；?

推薦算法模塊更新：假設對于推薦效率提升幅度約在18%；注：測算過程見后文10資料：Meta財報會、國信證券經(jīng)濟研究所整理測算AI技術對廣告業(yè)務的影響圖：METAImpression與Adprice變化?

AI帶動廣告曝光量（Impression）增長：通過精準推薦、提升AI內(nèi)容分發(fā)占比、數(shù)據(jù)標簽體系完善提升Reels用戶時長增長，從而帶動曝光量增長。40%30%ImpressionsYOYAdpriceYOY34%31%26%23%21%2%20%20%17%15%-8%15%10%10%?

AI帶動廣告單價（CPM/AdPrice）增長:通過Advantage+工具帶動廣告主投放環(huán)節(jié)20%ROI的提升，通過精準投放匹配提升廣告CTR。6%0%1Q222Q223Q22-14%4Q221Q232Q233Q234Q231Q242Q24-6%-10%-20%-30%-16%-18%-17%-22%資料：Meta財報、國信證券經(jīng)濟研究所整理圖：Meta廣告收入的主要影響因素日活躍人數(shù)廣告展示廣告加載率廣告曝光量（Impression）宏觀經(jīng)濟用戶指標日均使用時長

指標廣告平均瀏覽時長廣告收入廣告主所屬行業(yè)格局行業(yè)內(nèi)廣告主數(shù)量廣告類型廣告供需關系法規(guī)政策廣告單價（CPM）廣告投放效率資料

：公司財報，國信證券經(jīng)濟研究所整理11METAAI技術拉動廣告曝光量（Impression）測算?

提升AI分發(fā)占比（推薦你并未關注的用戶內(nèi)容）可以有效提升用戶時長，通過AI技術更精準推薦促使內(nèi)容快速傳播、提升用戶時長，AI推薦占比從22Q2的15%增長之24Q1的30%。GPU替換提升推薦精準度，拉動時長約為10%，隨著GPU替換逐步改善。?

公司業(yè)績會表示22Q2AI推薦算法帶來15%Reels用戶時長提升，23Q3推薦算法更新帶來全年7%FB時長增長、6%INS時長增長，23Q4因為推薦算法的進步視頻類觀看時間同比增長25%。AI一方面促進內(nèi)容推薦更精準，同時AI內(nèi)容分發(fā)占比提升，將形成更精準的數(shù)據(jù)標簽，和未來更多的商業(yè)化曝光流量位。?

生成式模型尚未在推薦環(huán)節(jié)大規(guī)模使用，預計后續(xù)也能帶動時長增長。圖：AI推薦占比變化與AI帶來的Reels時長增長圖：AI分發(fā)占比與效率提升35%60%50%40%30%20%AI推薦占比AI帶來Reels時長增長Reels占比Ins時長202220232024E30%25%20%15%10%5%Facebook

AI分發(fā)占比

Q2約5%Instagram

AI分發(fā)占比

Q2約35%Q1約10%Q140%Q120%7%Q1約20%Q150%+Q130%全平臺AI分發(fā)占比AI給FB時長提升AI給Ins時長提升AI分發(fā)占比提升與時Q215%*6%22年約+5%，AI分發(fā)占比+6.4%23年約+7%，AI分發(fā)占比+9%

發(fā)占比+12.5%24年約9%，AI分10%

長拉動總Impression拉動5%7%9%0%0%22Q122Q223Q123Q323Q424Q1資料：Meta財報會、國信證券經(jīng)濟研究所整理測算*紅字為財報會披露數(shù)據(jù)12資料：公司業(yè)績會、國信證券經(jīng)濟研究所整理注：測算未考慮Adload與DAU變化影響AI技術拉動廣告曝光量測算：分發(fā)占比與時長變化對應圖表?

提升AI分發(fā)占比（推薦你并未關注的用戶內(nèi)容）可以有效提升用戶時長，通過AI技術更精準推薦促使內(nèi)容快速傳播、提升用戶時長，AI推薦占比從22Q2的15%增長之24Q1的30%。GPU替換提升推薦精準度，拉動時長約為10%，隨著GPU替換逐步改善。?

公司業(yè)績會表示22Q2AI推薦算法帶來15%Reels用戶時長提升，23Q3推薦算法更新帶來全年7%FB時長增長、6%INS時長增長，23Q4因為推薦算法的進步視頻類觀看時間同比增長25%。AI一方面促進內(nèi)容推薦更精準，同時AI內(nèi)容分發(fā)占比提升，將形成更精準的數(shù)據(jù)標簽，和未來更多的商業(yè)化曝光流量位。表：METAAI分發(fā)占比與時長變化測算對應圖表?21Q422Q2?22Q4?23Q123Q3約10%

約15%23Q4?24Q120%24Q4E?FBAI分發(fā)占比

?INSAI分發(fā)占比

???40%20%約45%+

?50%+?約18.3%（每季度+1.7%）約25%(每季度+2.5%)約40%(每季度+3.3%)全平臺約12%15%*約27.5%

30%AI拉動FB時長AI拉動Ins時長

?????????全年+7%

?全年+6%

?????總時長變化（僅考慮AI因素）24年約9%，AI分發(fā)占比+12.5%22年約+5%，AI分發(fā)占比+6.3%

23年約+7%，AI分發(fā)占比+9%資料：Meta財報會、Wearesocial、國信證券經(jīng)濟研究所測算整理

*紅字為財報會披露數(shù)據(jù)

注：測算未考慮Adload與DAU變化影響13METAAI技術拉動廣告價格（CPM/Ad

Price）測算?

2022年8月，Meta整合自動化廣告產(chǎn)品推出賦能型產(chǎn)品系列（MetaAdvantage+），涉及預算管理、用戶定位和廣告制作。2023年全年利用Advantage+Shopping和App功能的廣告收入實現(xiàn)超過100%的增長，廣告主使用意愿明顯，23Q4的ARR已達到100億美元。?

廣告主使用Advantage+預計能帶來20%的ROI提升。據(jù)Meta官網(wǎng)2023年有關文章表述，Advantage+平均降低

CPA28%(CostPerAcquisition,即獲客成本），提升ROAS

32%（ReturnonAdSpend，即廣告支出回報率）。?

短期GPU替換、更完善的用戶數(shù)據(jù)標簽和跟蹤體系預計也能帶動2%左右的ROI提升。?

META今年初論文采用Transformer技術更新推薦算法模塊，也能顯著提升推薦精準度，預計隨著推廣使用能持續(xù)提升CPM。圖：MetaAdvantage產(chǎn)品介紹圖：Advantage+使用比例與整體ROI的拉動產(chǎn)品

Catalog

AdsAudiencePlacementsCreative（自動化素材生成）20225%202330%5%2024E55%10%1%2025E75%20%2%2026E85%30%2%(目錄廣告，又稱

（自動化受眾）

（自動化版位）動態(tài)廣告)廣告主滲透率廣告量使用比例A+ROI拉動1%0.2%0.8%0.8%2.2%優(yōu)化

提高銷量與喚醒原有客戶擴展目標客戶群體投放版位選擇生成更多自適應素材目標其他因素ROI拉動3%3%3%適用

適合產(chǎn)品種類眾多的電商與零售店家希望拓展受眾群體、

全盤廣告投放不熟

所有類型廣告主；其他因素說明GPU替換，數(shù)據(jù)標簽完

GPU替換，Transformer技術更新推增大觸達面的廣告主悉的廣告主；適合大眾化產(chǎn)品的

對中小型廣告主帶來投放

更明顯的增益從素材制作成本上，客戶善薦算法模塊ROI拉動預測對CPM的拉動1%1%3%3%4%5%5%5%5%4%資料：Meta官網(wǎng)、國信證券經(jīng)濟研究所整理

*假設ROI與廣告價格CPM線性相關14資料：Meta官網(wǎng)、國信證券經(jīng)濟研究所整理總結(jié)：AI技術對META

社媒廣告業(yè)務的拉動預測①

22-24年:META借助Reels短視頻功能的快速發(fā)展，通過提高AI分發(fā)占比顯著拉動了Impression（曝光量/廣告位）的增長。同時底層硬件升級成GPU，提升內(nèi)容/廣告推薦準確性。發(fā)布Advantage+廣告投放工具，節(jié)省廣告主投放成本，拉動CPM增長；②

25-26年：隨著GenAI與相關技術的發(fā)展，META在24年初發(fā)布基于Transformer改進廣告推薦流程、從而提升推薦準確性的論文（詳見本報告第五章）。預計隨著底層硬件逐漸完備，推薦算法模塊更新預計拉動CTR以及CPM持續(xù)增長。③

27-29年：24Q2財報會扎克伯格提到廣告推薦方面，F(xiàn)acebook已將所有視頻類型集成到了一個播放系統(tǒng)中，未來希望朝著統(tǒng)一的推薦系統(tǒng)邁進。借助GenAI技術的大一統(tǒng)推薦系統(tǒng)有望顛覆目前推薦流程，達到更高的推薦準確度。圖：AI技術對META社媒廣告的曝光量Impression與廣告價格CPM的拉動預測202218%5%202327%7%2024E40%9%2025E48%5%2026E55%4%2027E2028E

2029E全平臺AI分發(fā)占比57%59%60%AI分發(fā)Impression拉動其他因素Impression拉動對總Impression拉動預測核心驅(qū)動因素1%1%2%2%2%5%7%9%6%5%2%2%2%提升AI分發(fā)占比，GPU替換提升AI分發(fā)，推薦系統(tǒng)升級大一統(tǒng)推薦系統(tǒng)A+廣告量使用比例A+ROI拉動1%0.2%0.8%1%5%0.8%2.2%3%10%1%20%2%30%50%50%1%5%6%50%1%5%6%2%3%5%1%4%5%其他因素ROI拉動對總CPM的拉動預測核心驅(qū)動因素2.5%4%3%5%GPU替換，A+滲透推薦系統(tǒng)升級，A+滲透大一統(tǒng)推薦系統(tǒng)AI對社媒廣告增速的影響6%10%13%11%10%7%8%8%15資料：Meta財報會、國信證券經(jīng)濟研究所整理測算目錄METACapex變化與業(yè)務分配AI技術對社媒廣告的拉動METAAI的變現(xiàn)預測010203AI對META收入貢獻以及ROI變化0406META利用GenAI升級廣告系統(tǒng)技術介紹主要內(nèi)容節(jié)選自《臉書深度系列一：Reels商業(yè)化空間廣闊，AI版圖逐漸清晰》盈利預測07METAAIC端形態(tài)：嵌入應用家族生態(tài)的AI

Agent?

24年4月MetaPlatforms在推出了Llama3時同時推出其改進的MetaAI聊天界面，該界面嵌入其Facebook、Instagram、WhatsApp和Messenger應用程序中。?

Meta

AI主要在聊天、搜索、總結(jié)等需求中使用，可以訪問實時信息、生成圖片。META與谷歌和必應合作獲得實時信息，下一階段的AI可以處理更多任務，形態(tài)更像一個Agent而不是聊天機器人。?

公司財報會表示目前對AI帶來的短期收入轉(zhuǎn)化較為保守。AI收入并非直接體現(xiàn)在AI服務，而是可能通過其他方式。比如公司表示不做搜索廣告，但MetaAI互動中可能會出現(xiàn)廣告和付費內(nèi)容。比如也可能為更大的模型、更多的計算能力或高級功能付費。圖：METAAI在網(wǎng)頁中形式圖：METAAI在Message中形式圖：METAAI在Feed流中形式17資料：Meta官網(wǎng)、國信證券經(jīng)濟研究所整理資料：Meta官網(wǎng)、國信證券經(jīng)濟研究所整理資料：Meta官網(wǎng)、國信證券經(jīng)濟研究所整理B端形態(tài)：WhatsApp+Click-To-Message廣告，對話式營銷的潛力?

Click-to-message廣告允許用戶通過點擊將客戶引導至

WhatsApp、InstagramDirect

和Messenger，直接與品牌進行對話。這種廣告類型特別有利于擴大覆蓋面并有效提高與客戶的互動。①

實時聊天：通過實時聊天更快地接觸到客戶，滿足現(xiàn)代消費者對于快速響應的期望；②

個性化消息：能夠直接與品牌建立聯(lián)系，允許品牌向互動過的人發(fā)送個性化消息，提高受眾參與度和品牌認知度；③

互動答疑：吸引潛在客戶點擊消息，與廣告進行更多互動，對話介紹產(chǎn)品更新、優(yōu)惠和折扣，建立對業(yè)務的興趣；通過該類廣告為WhatsApp平臺（類似企業(yè)微信）帶來極大收入增長。WhatsApp商業(yè)版目前不通過訂閱直接向用戶收費，也沒有計劃在聊天中投放廣告。23年初，該應用推出了自動化和自定義商家消息的付費功能。Meta還通過向企業(yè)收費發(fā)送特定信息給客戶，以及銷售鏈接至WhatsApp聊天的點擊的消息廣告來實現(xiàn)盈利。圖：從Facebook點擊消息廣告跳轉(zhuǎn)WhatsApp界面圖：從Instagram點擊消息廣告跳轉(zhuǎn)Messenger與InstagramDirect18資料

：公司官網(wǎng)、國信證券經(jīng)濟研究所整理資料

：公司官網(wǎng)、國信證券經(jīng)濟研究所整理B端形態(tài)：Click-To-Message廣告目前的收入與發(fā)展?

2023年2月，扎克伯格財報會表示Click-To-Message廣告在全球的Run

Rate收入已達到100億美元（占比總收入約8%）。?

23年10月，扎克伯格表示印度的點擊消息廣告收入同比翻了一番，印度超過60%的WhatsApp用戶每周都會向商業(yè)應用帳戶發(fā)送消息。印度作為WhatsApp最大的市場擁有超過5億用戶。年初，WhatsApp在印度允許用戶使用即時通訊應用程序內(nèi)的各種支付選項付款，包括信用卡和其他UPI應用。?

扎克伯格還表示，目前大多數(shù)“信息傳遞商業(yè)”都發(fā)生在“勞動力成本足夠低，以至于企業(yè)讓人們通過短信與客戶通信是有意義的”的國家。圖：從Instagram點擊消息廣告跳轉(zhuǎn)Messenger圖：從Instagram點擊消息廣告跳轉(zhuǎn)Messenger與InstagramDirect19資料

：公司官網(wǎng)、國信證券經(jīng)濟研究所整理資料

：公司官網(wǎng)、國信證券經(jīng)濟研究所整理B端形態(tài)：WhatsApp

Business與WhatsApp

BusinessAPI產(chǎn)品介紹?

隨著電子商務興起，各行各業(yè)都積極發(fā)展線上互動交流，全球擁有逾24億用戶、服務遍及180個不同國家的WhatsAppBusiness正是其中一個不可忽略的產(chǎn)品。①

2014年WhatsApp被Facebook收購。②

2018年WhatsApp發(fā)布了WhatsAppBusiness

幫助中小企業(yè)與客戶溝通。③

2018年8月WhatsApp發(fā)布了WhatsAppBusinessAPI，適用于企業(yè)高級需求的商業(yè)解決方案。④

2022年2月WhatsAppBusinessAPI

由按訊息template收費轉(zhuǎn)變?yōu)橥耆趯υ捠召M。圖：WhatApp、WhatsAppBusiness與WhatsAppBusinessAPI用戶權益WhatsAppBusiness商業(yè)賬號有兩種版本，一種是免費的WhatsAppBusiness，另一種則是收費的WhatsAppBusinessAPI，商家可訂閱經(jīng)過META認可的SaaS服務商。前者是目前最多中小型商家采用的，只需下載應用程式便能免費使用群發(fā)訊息、對話標簽、商家目錄等一系列商用工具。但WhatsAppBusiness應用程式存有限制，例如每次只允許4人內(nèi)用戶登入等等，活躍客戶群體不超過256個人。復雜功能需要WhatsAppBusinessAPI，企業(yè)購買特定服務供應商平臺（第三方SaaS服務商）的商業(yè)解決方案，與WhatsApp客戶溝通，能使用自動回復大量查詢、聊天機器人(Chatbot)、數(shù)據(jù)分析等升級功能。20資料

：Shopline、國信證券經(jīng)濟研究所整理B端形態(tài)：WhatsApp

BusinessAPI產(chǎn)品收費模式?

商家如果想要使用WhatsAppBusinessAPI，一般需要訂閱第三方軟件服務商，客戶按照第三方計價方式付費。META對不同的SaaS供應商有統(tǒng)一的按量抽成規(guī)則。2022年2月1日，WhatsApp商業(yè)賬號META采取全新收費模式，按照用戶發(fā)起及商戶發(fā)起有不同的定價標準：①

商戶發(fā)起

(Business-Initiated)：如果整個對話是由商戶主動開啟，先前未有任何訊息的話，商家便必須使用預設的范本訊息發(fā)送（范本信息必須取得官方批準才能使用）。假如客戶發(fā)出訊息后，商戶未能及時在24小時內(nèi)回復，此后開展的對話就屬于「商戶發(fā)起」，將被收取不同費率（比用戶發(fā)起貴）。②

用戶發(fā)起

(User-Initiated)：由客戶主動引起的對話。如果在客人發(fā)出首個訊息后的24小時內(nèi)商家回復，則屬于「用戶發(fā)起」的信息，商家發(fā)送的信息收費按照用戶發(fā)起計價，相比較便宜。圖：META在全球部分國家WhatsAppBusinessAPI收費模式圖：WhatsAppBusinessAPI第三方SaaSShopline的收費模式21資料

：WhatsApp官網(wǎng)、國信證券經(jīng)濟研究所整理資料

：Shopline、國信證券經(jīng)濟研究所整理案例：WhatsApp

Business商家對話廣告圖：WhatsApp

Business商家對話廣告界面商超采用WhatsApp宣傳優(yōu)惠活動，訂閱官方賬號可領取優(yōu)惠券在WhatsApp互動過的官方賬號可以通過發(fā)送范本消息吸引回購或宣傳22資料：WhatsApp、萬寧官網(wǎng)、國信證券經(jīng)濟研究所整理METAAIC端中性與樂觀收入測算圖：METAAI收入C端中性測算圖：METAAI收入C端樂觀測算2025202620272028202920257.5020267.5820277.6520287.7320297.80C端C端1）以訂閱的方式收費1）以訂閱的方式收費中性假設考慮METAAI產(chǎn)品可以替代現(xiàn)有信息獲取工具，產(chǎn)品體驗歐美及其他發(fā)達地區(qū)MAU（日韓新馬臺）歐美及其他發(fā)達地區(qū)MAU穩(wěn)健增長，五年后滲透率40%。樂

（日韓新馬臺）7.507.587.657.737.80訂閱費用（每月）2015%4%2020%5%2030%7%2035%8%20

觀預期Gen搜索體驗大幅提升，META的競爭格局較好，五年后滲透率達60%。訂閱費用（每月）2015%4%2020%5%2035%7%2050%8%2060%10%112產(chǎn)品MAU滲透率40%產(chǎn)品MAU滲透率歐美等付費率10%75歐美等付費率發(fā)達區(qū)域訂閱收費參考ChatGPTPlus，后者目前全球付費率約5.6%；訂閱費用營收（歐美及發(fā)達地區(qū)）11183952訂閱費用營收（歐美及發(fā)達地區(qū)）111845742）按廣告投放收入MetaDAU為24億產(chǎn)品DAU滲透率2）按廣告投放收入MetaDAU為24億產(chǎn)品DAU滲透率24.015%24.220%24.530%24.735%25.040%24.015%24.220%24.535%24.750%25.060%滲透率中性與樂觀假設參考如上。DAU用戶數(shù)量（億）3.64.87.38.710.0DAU用戶數(shù)量（億）3.64.88.612.415.0單用戶日均搜索參考谷歌目前約3-4次/日，樂觀假設下Gen搜索的對于信息獲取效率、范疇、準確日均搜索次數(shù)（次）YOY3.0113.25%3.35%3.55%3.6日均搜索次數(shù)（次）YOY33.515%174.015%344.615%565.215%795%

性大幅提升，帶動搜索需求的增加。每日搜索次數(shù)（億）15243036每日搜索次數(shù)（億）11谷歌當前搜索200億次/天，移動端約占150億次/天，因META主要為移動端用戶，中性假設下2029年META移動端搜索市占率約為25%，樂觀假設下META市占率約為50%；單次搜索顯示的廣告數(shù)量ADLoad1.05%1.510%692.025%2.435%7572.840%單次搜索顯示的廣告數(shù)量ADLoad1.05%1.510%752.025%5102.435%2.840%月廣告加載總數(shù)（億）年廣告加載總數(shù)（億）163641,224月廣告加載總數(shù)（億）年廣告加載總數(shù)（億）161,4222,6421948254,3739,089

14,6881949036,119

17,059

31,702廣告CPM204201620872020廣告CPM2042018202020參考谷歌移動端搜索平均CPM為$24，假設廣告CPM$20.廣告投放營收182294廣告投放營收12234163423資料理測算：Meta財報會、AIPRM、SensorTower、國信證券經(jīng)濟研究所整資料：Meta財報會、AIPRM、SensorTower、國信證券經(jīng)濟研究所整理測請算務必閱讀正文之后的免責聲明METAAIB端中性與樂觀收入測算圖：METAAI收入B端中性測算與合計圖：METAAI收入B端樂觀測算與合計2025202620272028202924.320252026202720282029B端B端WhatsAppBusiness滲透率指WhatAppp用戶可以收到商業(yè)化消息的比例，隨著Click-To-WhatsAppBusinessWhatsAppMAU(億)YOYWhatsAppBusinessWhatsAppMAU(億)20.010%21.05%22.15%23.220.021.05%22.15%23.25%24.35%5%5%

Messenge廣告的推廣以及商家的

YOY引流獲客，假設2029年滲透率達到50%；WhatsAppBusiness滲透率20%4.2030%6.6240%50%WhatsAppBusiness滲透率10%20%4.2030%6.6240%50%WhatsAppBusiness觸達MAU（億）

2.009.26

12.16WhatsAppBusiness觸達MAU（億）

2.009.26

12.16目前META平臺商業(yè)信息每日約6億條。中性假設考慮通過METAAI代替人工傳遞WhatsApp商業(yè)消息，每日商業(yè)信息（次）23445每日商業(yè)信息（次）23456日商業(yè)信息數(shù)量（億）4.012.626.537.060.8

節(jié)省大量人力成本，且消息轉(zhuǎn)化

日商業(yè)信息數(shù)量（億）率提升，每日傳遞的消息數(shù)量穩(wěn)步增長，假設五年后達5條/日。4.012.626.546.372.9單條商業(yè)信息價格（美元）YOY0.025

0.023

0.020

0.018

0.016

樂觀預期假設五年后達6條/日。

單條商業(yè)信息價格（美元）0.025

0.023

0.020

0.018

0.016-10%-10%-10%-10%YOY-10%-10%-10%-10%目前WhatsAppBusiness是按照消息使用量計費，全球差異化定價，未來隨著使用量大幅增長，預計收費模式和均價會有所調(diào)整，考慮每年10%的價格優(yōu)惠。日信息總營收年營收0.1370.31030.51960.72461.0364日信息總營收年營收0.1370.31030.51960.83081.2437合計合計C端C端1）訂閱模式2）廣告變現(xiàn)模式B端1141816398752751）訂閱模式2）廣告變現(xiàn)模式B端11418184574112634182294122341WhatsAppBusiness合計3751103138196322246480364733WhatsAppBusiness合計3751103140196363308723437118324資料測算：Meta財報會、AIPRM、SensorTower、國信證券經(jīng)濟研究所整理資料理測算：Meta財報會、AIPRM、SensorTower、國信證券經(jīng)濟研究所整目錄METACapex變化與業(yè)務分配AI技術對社媒廣告的拉動METAAI的變現(xiàn)預測010203AI對META收入貢獻以及ROI變化0406META利用GenAI升級廣告系統(tǒng)技術介紹主要內(nèi)容節(jié)選自《臉書深度系列一：Reels商業(yè)化空間廣闊，AI版圖逐漸清晰》盈利預測07META收入增長以及AI貢獻空間預測根據(jù)測算AI變現(xiàn)的收入空間：①

AI對社媒廣告：每年約拉動META傳統(tǒng)社媒廣告高個位數(shù)增長，在2029年約帶動200億美元/年的收入。②

METAAI：隨著使用滲透率的提升，商業(yè)化變現(xiàn)顯著增長，采用中性預測，預計29年可帶動730億美元/年收入量級。根據(jù)測算，AI技術對META收入端的總拉動作用持續(xù)提升，預計在27年開始增速貢獻超過20pcts。2029年，AI帶來的收入預計占META總收入的1/4。圖：AI技術對META收入的貢獻測算20227120231162024E1692025E18011%512026E18610%1387%2027E1477%2028E

2029EAI帶動社媒廣告收入1878%2088%AI對社媒廣告增速的影響METAAI帶動收入6%10%13%32214%46948018%66773324%940META

AI對總收入的影響AI貢獻總收入（億美元/年）AI累計貢獻收入（億美元）3%717111618716935623258832591313812048

2988META

社媒廣告收入（億美元/年）YoY1136-1%131916%159621%181914%207414%230211%2556

283711%11%META

總收入（億美元/年）1166134916321901224226543066

3599（包含社媒廣告、RL、META

AI收入）YoY-1%6%16%10%9%21%13%10%16%14%12%18%17%14%18%21%18%16%25%22%17%31%26%其中AI拉動的收入端增長當年AI收入占當年收入6%26資料：Meta財報會、國信證券經(jīng)濟研究所整理測算近三年AI對META收入貢獻以及ROI變化?

AI推薦系統(tǒng)（Alcontentranking）

投資初期ROI（當年利潤/投入折舊攤銷）基本為1。ROIC約15%，既約6年左右可以收回投資成本。AI推薦系統(tǒng)（Alcontentranking

）：?

內(nèi)容推薦引擎底層硬件更新；?

廣告技術平臺升級，如Advantage+這樣的新產(chǎn)品；?

“2023年財報會：所有資本支出增長的驅(qū)動力，我們將根據(jù)我們能夠看到和衡量的回報來安排未來的投資。我們預計這將是我們的高投資回報率的領域?！蓖ㄓ萌斯ぶ悄苡嬎悖℅enAl）：如訓練Llama，為MetaAI提供推理算力以及AIAgent等。?

通用人工智能計算（GenAl）

累計投入Capex約140億美元，目前投資ROI約30%、ROIC約5%，還處在早期階段。?

“2023年財報會：通用AI的資本支出投資是新興的機會。我們?nèi)蕴幱诹私飧鞣N應用和可能用例的初期階段，它在回報曲線上的位置更早?！眻D：近三年人工智能計算（Alcontentranking）投資以及ROI變化圖：近三年通用人工智能計算（GenAI）投資以及ROI變化202220232024E202220232024E當年Capex投入累計Capex投入當年折舊攤銷當年收入120150258023038120

當年Capex投入000004040710014023350

累計Capex投入58

當年折舊攤銷149

當年收入7111639020當年利潤2450

當年利潤07ROI（當年利潤/投入折舊攤銷）ROI（當年利潤/投入折舊攤銷）0%0%0%0%29%5%95%16%101%17%85%14%ROIC(當年利潤/累計投入)ROIC(當年利潤/累計投入)資料：Meta財報會、國信證券經(jīng)濟研究所整理測算資料：Meta財報會、國信證券經(jīng)濟研究所整理測算AI對META收入貢獻空間以及ROI變化測算假設METACapex在2025年達到500億美元，后Capex穩(wěn)定在450億美元/年左右（考慮GPU/ASIC/AI模型成本優(yōu)化）。①

ROI（當年AI利潤/當年AI投入）：在2028年可大于100%且快速提升，意味當年AI投入對現(xiàn)金流帶來正面影響；②

ROI（當年AI利潤/AI當年折舊攤銷）：在2028年可大于100%且快速提升，意味當年AI投入對凈利潤正面影響；③

ROIC(當年AI利潤/累計AI投入)：29年AI投資ROIC達到20%且持續(xù)提升（ROIC為20%則5年可收回投資成本）。圖：AI對META收入貢獻以及ROI變化20221166-1%712023134916%2024E163221%2025E190116%2026E224218%2027E265418%2028E306616%2029E359917%META

總收入（億美元/年）YoYAI貢獻收入（億美元）AI累計貢獻收入（億美元）11616923232546966794071187356588913138120482988Capex預測32067%12015085281-12%1202701104539039%2204901528250028%28077022112877450-10%2304500%4500%4500%YoY當年AI投入金額（億美元）AI累計投入（億美元）折舊攤銷（億美元/年）AI投入折舊攤銷（億美元/年）AI當年貢獻利潤（參考當前利潤率）AI累計貢獻利潤（參考當前利潤率）23012304002001694972201450480217240737210166053023233810761000310251672439561172462119196329ROI（當年AI利潤/當年AI投入）ROI（當年AI利潤/AI當年折舊攤銷）ROIC(當年AI利潤/累計AI投入)20%95%16%32%86%14%26%69%11%28%60%10%51%70%12%73%84%14%109%111%17%161%146%20%28資料：Meta財報會、國信證券經(jīng)濟研究所整理測算目錄METACapex變化與業(yè)務分配AI技術對社媒廣告的拉動METAAI的變現(xiàn)預測010203AI對META收入貢獻以及ROI變化0406META利用GenAI升級廣告系統(tǒng)技術介紹主要內(nèi)容節(jié)選自《臉書深度系列一：Reels商業(yè)化空間廣闊，AI版圖逐漸清晰》盈利預測07推薦算法排序流程：同時考慮精準度和時效性*內(nèi)容召回精排從龐大的視頻資源庫中，挑選出一部分與特定用戶潛在興趣相關的視頻片段，同時對處理的時效性與內(nèi)容覆蓋度提出要求，常用聚類操作。這一過程依賴于用戶的歷史活動記錄、興趣點標簽以及社交網(wǎng)絡關系等多維度信息，并借助多種檢索策略（例如，基于內(nèi)容的推薦和協(xié)同過濾推薦）來實現(xiàn)精確篩選。在對候選視頻進行初步篩選后，運用更為復雜且精細化的模型對視頻進行深入的評估與排序。在此過程中需盡可能提升準確度，挖掘用戶歷史行為的聯(lián)系，確保為用戶呈現(xiàn)的視頻列表更具個性化和準確性，綜合考慮各種特征以及用戶的個性化需求，并利用機器學習算法計算每個視頻的綜合評分。優(yōu)化排序粗排對召回的視頻進行初步排序，使用較為簡單的模型或規(guī)則，快速評估每個視頻對于用戶的潛在價值或相關性，以便進一步縮小推薦范圍。毫秒級別的速度對更有可能受用戶歡迎的視頻進行篩選，減輕后續(xù)精排階段的計算壓力。在精排階段之后，根據(jù)特定的業(yè)務策略對視頻列表進行最終調(diào)整，考慮時效性、重復性、多樣性和創(chuàng)新性的因素，或針對特定業(yè)務目標（如提升點擊率、觀看時長等）進行優(yōu)化。整合更多業(yè)務目標參數(shù)，如用戶留存率、點擊率提升等關鍵指標，重新排序，滿足用戶的多元化需求、提升用戶體驗。30GPU替代：提升推薦模型性能，滿足算力、帶寬和時延平衡需求?

GPU大規(guī)模替代，對于系統(tǒng)能力會更高，對廣告收益提升，因為：?

①?通過其并行計算能力提升了模型性能，模型承載力得到提升，能夠在更大的樣本去做選擇；?

②?CPU無法做用戶序列的模型，耗時長，計算難度更高，GPU可以提高序列長度，提高準度；?

GPU的成本是否能夠被廣告收益覆蓋，涉及到廣告商的邊際效益/成本情況。大模型能力加入到廣告算法里面去做訓練，增加的維度是比較多的，同時向量拼接之后還需要接入很多神經(jīng)網(wǎng)絡，因此對訓練的資源要求較高。考慮到國內(nèi)大模型訓練，當前大模型階段可能沒有冗余的算力去做廣告方面的應用。圖：可被GPU替代的推薦算法環(huán)節(jié)可用GPU替代環(huán)節(jié)：召回階段：對廣告庫里的廣告先聚類，再選擇幾個接近的類作為TOPN。GPU可以做更快計算，使得聚類的最小聚合數(shù)的參數(shù)更低，從而減少精度損失。推薦算法層召回粗排精排優(yōu)化粗排階段：GPU能夠處理更復雜的模型和特征工程，進一步提高了預測準確度，深入理解了用戶需求和內(nèi)容特性，從而優(yōu)化了推薦質(zhì)量。精排階段：后續(xù)隨著處理信息的增多，精排階段也需要盡快的響應速度，預計GPU也有進一步替代的需求。公用組件存儲單元召回Server索引表排序Server用戶特征內(nèi)容索引Redis31資料：Heng-TzeChengetal.、《Wide&DeepLearningforRecommenderSystems》、《MachineLearning》、20160624，國信證券經(jīng)濟研究所整理AI賦能廣告推薦算法的方式?

從提升內(nèi)容理解方面，如果公司既做廣告又做內(nèi)容，廣告測可以用到用戶在內(nèi)容側(cè)的消費信息，在用戶廣告測的興趣刻畫會更準確，因為廣告推薦反饋的用戶數(shù)據(jù)是稀疏的，用戶曝光的廣告或者用戶去點擊廣告是偏少數(shù)的。提升Rank精準度生成式推薦新架構多模態(tài)提升內(nèi)容理解提升內(nèi)容理解，進行模型更新，讓用戶和推薦內(nèi)容更匹配，從而對ROI的提升。生成式推薦成為新的架構，大模型

成

為

一

個

模

塊

，

與

過

去

的Rank范式有大差異。通過更精細的模型和算法，實現(xiàn)對用戶行為的高準確度預測，從而提供更個性化的推薦結(jié)果。通過在推薦系統(tǒng)的編碼和向量化階段引入更豐富的數(shù)據(jù)維度，綜合處理包括用戶行為、內(nèi)容屬性在內(nèi)的多樣化特征。當下暫時沒有公司能夠把內(nèi)容理解的模型做得很深，基本是ID類特征+內(nèi)容理解或者用一個多模態(tài)的特征作為輔助進行模型訓練。在排序階段應用更復雜的模型結(jié)構/大模型架構，顯著提升了系統(tǒng)的推理能力。AI賦能會削弱標簽化的優(yōu)勢-泛化的特征，最終會被個性化特征取代。32國內(nèi)外廠商主要嘗試環(huán)節(jié)傳統(tǒng)推薦算法框架：如何在稀疏輸入的情況下實現(xiàn)記憶和泛化?

Wide組件（廣義線性模型）：主要負責記憶能力，Memorization能夠從歷史數(shù)據(jù)中學習到高頻共現(xiàn)的特征組合的能力，Wide組件主要處理規(guī)則性和記憶性的信息密集特征，比如用戶ID、商品ID等類別特征。?

Deep組件（前饋神經(jīng)網(wǎng)絡）：主要負責泛化能力，尋找抽象泛化后的特征間的非線性數(shù)理關系，提高模型的表達能力。Generalization代表模型能夠利用相關性的傳遞性去探索歷史數(shù)據(jù)中從未出現(xiàn)過的特征組合，主要處理數(shù)值和非規(guī)則性特征，比如用戶的年齡、性別等?；贓mbedding的DNN模型在Generalization表現(xiàn)優(yōu)異，但在數(shù)據(jù)分布較為長尾的情況下，對于長尾數(shù)據(jù)的處理能力較弱，容易造成過度泛化。?

DNN神經(jīng)算法層擬合性會比較好，三層的DNN已經(jīng)具有擬合任何可測的函數(shù)，通常不超過十層，更多的層數(shù)可以增加模型的表示能力，但也可能導致過擬合和計算成本的增加，推薦算法層數(shù)限制是為了平衡模型的復雜度和泛化能力。圖：傳統(tǒng)Wide-Deep推薦算法架構資料：Heng-TzeChengetal.、《Wide&DeepLearningforRecommenderSystems》、《MachineLearning》、20160624，國信證券經(jīng)濟研究所整理33META：Wukong架構滿足Scaling

Law的推薦方法?

HSTU編碼器是為生成推薦模型（GRs）設計的高性能自注意力編碼器，HSTU采用了一種新的點積聚合注意力機制，替代了傳統(tǒng)的softmax注意力機制。由多個相同的層堆疊而成，每層通過殘差連接，這種設計有助于提高模型的深度和表達能力。?

Wukong使推薦模型能夠像大型語言模型（LLM）一樣滿足建立擴展定律，即模型質(zhì)量能夠隨著數(shù)據(jù)集大小、計算和參數(shù)預算的增加而持續(xù)提升。Wukong兩個主要目標是有效捕捉高階特征交互以及確保模型質(zhì)量隨數(shù)據(jù)集大小和參數(shù)預算的增長而優(yōu)雅地擴展。?

生成式模型隱藏層加深加寬，允許更高學習率和更深網(wǎng)絡結(jié)構，降低過擬合風險。GR通過序列化方法和目標感知表示提高編碼和向量化效率，突破神經(jīng)網(wǎng)絡層數(shù)限制，提升檢索和排序效果與效率，更好地捕捉和學習復雜數(shù)據(jù)分布，提高推薦準確性和用戶滿意度。傳統(tǒng)深層網(wǎng)絡理論上能捕捉更復雜特征，但存在邊際遞減效應。GR通過采用特殊網(wǎng)絡結(jié)構（如ResNet和注意力機制）和引入跳躍連接等機制，有效解決梯度消失問題。圖：HSTU編碼器與傳統(tǒng)編碼器比較圖：Wukong架構1.Wukong的架構包括嵌入層、交互棧和最終的MLP層，其中交互棧是核心，它由一系列統(tǒng)一的神經(jīng)網(wǎng)絡層組成，用于捕獲嵌入之間的交互。通過(目標感知)交叉注意的原因掩蔽學習特征2.交互棧：由連接的wukong層構成，采用了一系列堆疊的因式分解機（FM）來捕獲指數(shù)級更高階的特征交互。資料：JiaqiZhaietal.《ActionsSpeakLouderthanWords-TrillionParameterSequential資料：BuyunZhangetal.、《Wukong:TowardsaScalingLawforLarge-ScaleRecommendation》、《Machine34TransducersforGenerative

Recommendations》、《MachineLearning》、20240227，國信證券經(jīng)濟研究所整理Learning》、20240304，國信證券經(jīng)濟研究所整理生成推薦模型算法框架：將傳統(tǒng)的排名檢索任務轉(zhuǎn)化為序列傳導任務生成推薦模型（GRs）是一種新的推薦系統(tǒng)范式，將傳統(tǒng)的排名和檢索任務轉(zhuǎn)化為序列轉(zhuǎn)導任務，在生成模型框架內(nèi)處理，訓練過程也是端到端的。①

序列化特征：GRs首先將用戶與物品的交互歷史以及用戶的特征（如瀏覽歷史、購買歷史等）序列化為一個時間序列，捕捉了用戶行為的動態(tài)變化。②

構建動態(tài)詞匯表：由于推薦系統(tǒng)中的物品和用戶特征通常是動態(tài)變化的，GRs構建了一個動態(tài)詞匯表來表示這些變化的元素。這個詞匯表允許模型在生成過程中引用和生成最新的內(nèi)容。③

序列轉(zhuǎn)導任務：GRs將推薦問題轉(zhuǎn)化為序列轉(zhuǎn)導任務，即在給定用戶的歷史序列和其他上下文信息的情況下，預測下一個最可能發(fā)生的用戶行為或推薦的物品。這個過程可以通過生成式模型來實現(xiàn)，其學習到用戶行為的模式和偏好。④

生成過程：在生成階段，GRs會根據(jù)已經(jīng)學習到的模式，從動態(tài)詞匯表中采樣下一個狀態(tài)或物品，這個過程基于概率，確保了推薦內(nèi)容的多樣性和個性化。圖：傳統(tǒng)推薦系統(tǒng)與基于llm的生成式推薦的流水線比較與傳統(tǒng)的多階段推薦流程不同，GRs通過單階段過濾范式直接生成推薦內(nèi)容，這意味著模型在一次前向傳遞中完成從原始輸入到最終推薦結(jié)果的整個推理過程，提高了效率和響應速度。35資料整理：LeiLietal.、《LargeLanguageModelsforGenerativeRecommendation:

ASurveyandVisionaryDiscussions》、《InformationRetrieval》、20230903，國信證券經(jīng)濟研究所METAMAU按照產(chǎn)品與地域分布?

分產(chǎn)品看：Facebook與Instagram分別以30億和22億的月活用戶數(shù)位列數(shù)字媒體平臺第一和第三，且與其后的產(chǎn)品拉開巨大差距。兩者產(chǎn)品發(fā)布時間較早，目前增速已回落到低個位數(shù)增長。?

分地區(qū)看：全球生態(tài)用戶增長目前約3%。其中北美地區(qū)MAU2.7億，目前同比增速1-2%，滲透基本完成，典型成熟市場。收入方面，單用戶高價值，2023年貢獻Meta收入近一半（45%），該地區(qū)收入增長主要受宏觀等外部周期影響，如2021年順風收入增長32%，而22年受IDFA和高基數(shù)影響下滑-2%，23年恢復增長（+13%）。圖：全球熱門應用MAU變化（百萬）圖：全球各區(qū)域MAU增長情況3,5003,0002,5002,0001,5001,000500TotalMAUsUS&CanadaMAUs(M)AsiaMAUs(M)35.0%30.0%25.0%20.0%15.0%10.0%5.0%350030002500200015001000500FacebookTikTokWeChatYoutubeTwitterChatGPTInstagramEuropeMAUs(M)RoWMAUs(M)TotalMAUsYoYEuropeMAUsYoYRoWMAUsYoYFacebook,3033Youtube,2700US&CanadaMAUsYoYAsiaMAUsYoYInstagram,2230TikTok,1587WeChat,1343Twitter,450ChatGPT,160----(5.0)%0201320142015201620172018201920202021202220232008

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

2021

2022

202336資料

：公司財報、國信證券經(jīng)濟研究所整理資料

：BusinessofApps、國信證券經(jīng)濟研究所整理META產(chǎn)品時長變化?

Facebook在20-23年日均時長變化不顯著，每年約0.5%的同比增長；?

Reels在提升Instagram日均使用時長起到?jīng)Q定性作用，自2021年起Reels的日均使用時長占比從20%陡增至2023年50%，Instagram總時長平均增速達19%。同期，TikTok亦保持平均增速在30+%。圖：Facebook與Ins日均使用時長變化圖：Instagram（按功能拆分）、TikTok日均使用時長80ExcludeReelsReelsTikTok7060504030201006847391616471817202120222023資料：公司法說會、wearesocial、國信證券經(jīng)濟研究所整理資料：公司法說會、wearesocial、國信證券經(jīng)濟研究所整理目錄METACapex變化與業(yè)務分配AI技術對社媒廣告的拉動METAAI的變現(xiàn)預測010203AI對META收入貢獻以及ROI變化0406META利用GenAI升級廣告系統(tǒng)技術介紹主要內(nèi)容節(jié)選自《臉書深度系列一：Reels商業(yè)化空間廣闊，AI版圖逐漸清晰》盈利預測07盈利預測:中性預測24-26年凈利潤550/627/723億美元，CAGR

23%表：META收入利潤預測（百萬美元）?

收入端：預計2024-2026年收入1628/1900/2242億美元，同比+21%/17%/18%，CAGR18%Million$AdvertisingrevenuePayments/RLrevenueMETAAIrevenueTotal

net

revenueYoY2024E$159,660$3,2032025E$181,943$2,6232026E$207,415$3,000?

應用家族廣告收入：預計2024-2026年收入增速為21%/14%/14%，AI分發(fā)占比顯著拉動了Impression（曝光量/廣告位）的增長。同時底層硬件升級成GPU、發(fā)布Advantage+廣告投放工具，提升投放效率、節(jié)省成本，拉動CPM增長；$5,495$13,815$224,23018%