当生成式AI在2022年底爆发进入公众视野时,许多专家预测这对谷歌和Meta这样的科技巨头来说是个坏消息,因为灵活的AI驱动竞争对手会找到新方法来吸引网民注意力并从中获利。
这些专家似乎错了,两家科技巨头在周三的季度财报公告中透露,他们的收入因AI而激增。
谷歌母公司Alphabet的CEO桑达尔·皮查伊告诉投资者,该网络巨头最近发布的搜索更新将结果以AI撰写的散文形式呈现,而不仅仅是链接列表,"已经在推动增量总查询增长"并"推动搜索的扩张时刻"。
这也带来了更多收入。Alphabet的广告收入同比增长12%,第三季度达到742亿美元。
谷歌云也从AI中受益。皮查伊指出,随着组织签约使用谷歌的AI智能,客户增长更快,交易规模更大,参与度更深。谷歌云第三季度收入为151.5亿美元,同比增长33%。
Alphabet本季度收入为1023.4亿美元——这是该公司首个1000亿美元季度——同比增长16%。
扎克伯格的收益
AI也帮助Meta实现了强劲的季度表现。CEO马克·扎克伯格指出,AI驱动的推荐系统让用户在该公司社交网络上花费更多时间。
他补充说:"我们的广告业务继续表现非常出色,这主要归功于我们AI排名系统的改进。"随后透露"通过我们完全端到端AI驱动广告工具的年运营率已超过600亿美元"。
Meta也在快速增长,第三季度收入为512.5亿美元,同比增长26%。
两家公司都计划在AI基础设施上投入更多资金。
Meta此前预测2025年资本支出为660亿至720亿美元。它将下限提高到700亿美元,然后预测2026年支出将"显著更大"增长。
扎克伯格表示,大部分支出将用于开发"超级智能"所需的基础设施——这是扎克对他希望开发和部署的强大个人助理的称呼。
这位CEO告诉投资者,Meta需要"积极前置地建设超级智能的能力",这样做不会冒过度投资于未使用基础设施的风险。
他说:"我们将使用额外的计算来加速我们的核心业务,该业务继续能够盈利地使用比我们能够投入的更多计算。我们看到对额外计算的需求非常高,无论是内部还是外部。在最坏的情况下,我们只是在一段时间内缓慢建设新基础设施,同时我们成长到我们所建设的规模。对于我们现有的应用程序和正在成为可能构建的新产品和业务来说,上升空间极高。"
Alphabet首席财务官阿纳特·阿什肯纳齐表示,公司预计2025财年资本支出将在910亿至930亿美元范围内,高于此前估计的850亿美元。她说第三季度240亿美元资本支出的60%用于服务器,其余用于数据中心和网络设备。
投资者喜欢Alphabet的表现,其股价在盘后交易中飙升6%。Meta股价下跌7%,可能是因为其净收入同比下滑83%,原因是支付了159.3亿美元的一次性所得税费用。
Q&A
Q1:谷歌的AI搜索更新是如何帮助提升收入的?
A:谷歌最近发布的搜索更新将结果以AI撰写的散文形式呈现,而不仅仅是链接列表,这已经在推动增量总查询增长并推动搜索的扩张时刻,从而带来更多广告收入。
Q2:Meta在AI方面的投资计划是什么?
A:Meta将2025年资本支出预测从660-720亿美元提高到700亿美元起,并预测2026年支出将显著增长。扎克伯格表示大部分支出将用于开发"超级智能"所需的基础设施。
Q3:为什么专家们对AI冲击谷歌和Meta的预测是错误的?
A:当生成式AI在2022年底爆发时,专家预测会对谷歌和Meta造成冲击,但实际上这两家公司通过AI技术提升了用户参与度、广告效果和云服务需求,收入大幅增长。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。