Meta AI 廣告收入成長正在改變估值邏輯:2026年能否進一步縮小與 Google 的差距?

市場洞察
更新於: 2026-06-03 08:18

2026年4月29日,Meta 公布了第一季財報:營收為 563.11 億美元,年增 33%,高於市場預期的 555.13 億美元。依照 GAAP 標準,淨利為 267.73 億美元,年增 61%,其中包含 80.3 億美元的一次性稅賦優惠,若扣除該項目後,調整後每股盈餘約為 7.31 美元,仍優於市場預期的 6.71 美元。

這是自 2021 年以來 Meta 單季最快的成長速度。然而財報發布後,Meta 股價在盤後交易下跌超過 7%,截至 6 月初,年初至今累計跌幅約為 6% 至 10%,在「Mag 7」成分股中表現墊底。

營收成長與股價表現背離的原因,並非市場對廣告業務本身的疑慮,而是來自另一個方向:資本支出。

AI 驅動的廣告成長:營收改善但市場評價方式不同

超預期的廣告數據

廣告業務的強勁表現是 Meta 第一季財報的核心亮點。

廣告收入達 550.24 億美元,年增 33%。推動這一成長的關鍵在於兩項同步改善的指標:廣告展示量年增 19%,平均價格年增 12%。

「量價齊揚」在廣告產業中並不常見——通常展示量擴張會壓低平均售價,但 Meta 的 AI 推薦系統提升了投放精準度與轉換效率,使廣告主願意為相同流量支付更高價格。兩股力量疊加,創造了 33% 的年成長。

量價齊揚的結構性解析

展示量成長的關鍵來自用戶參與度的顯著提升。Instagram Reels 觀看時數年增 10%,Facebook 全球影片觀看時數年增超過 8%,創下近四年單季最大增幅。AI 影音翻譯的導入進一步降低語言門檻,超過 5 億用戶每週觀看 AI 配音/翻譯的影音內容。這些因素共同推升了廣告庫存的自然增長。

廣告價格上升則來自 AI 模型對廣告主投資報酬率(ROI)的實質提升。Advantage+ 已成為所有新廣告投放的預設選項,能自動完成從受眾鎖定到預算分配的全流程最佳化。Lattice 統一化廣告預測模型與 Andromeda 檢索系統則從系統層面提升了廣告匹配效率。

兩項動能結合下,即使 Meta 用戶規模成長趨緩——DAP 年增僅 4%,季減 0.5% 至 35.6 億——仍實現廣告收入年增 33%。成長模式已從用戶規模擴張,轉向「單一用戶變現效率提升」的新軌道。

一個有效的參考框架

理解 Meta 業績邏輯時,一個有效的參考框架是區分「效率提升型 AI」(AI driving efficiency)與「新業務拓展型 AI」(AI enabling new ventures)。

廣告推薦系統與內容推送演算法屬於前者——AI 投入可直接改善現有業務的變現效率,營收成效與支出間的因果鏈明確且可追溯。Meta 在廣告引擎上的 AI 投入即屬此類。

大規模資料中心擴建、自研晶片部署與通用模型訓練則屬於後者——資本投入巨大,短期內難以在財報上直接反映營收貢獻。這類投入的投資回收週期通常超過 3 年,且面臨技術路線演進的不確定性。

市場對資本支出的質疑,多集中於第二類。第一季廣告業績的強勁已驗證第一類 AI 投入的商業成效,但第二類投入的回報時點尚未到來。

資本支出的結構性質疑

上調幅度:從加速到跨越式成長

Meta 將 2026 年全年資本支出指引由原本的 1,150-1,350 億美元上調至 1,250-1,450 億美元,調升幅度達 100 億美元。主因包括儲存晶片等零組件價格上漲,以及資料中心成本超出預期。

這是 Meta 連續第二次上調全年資本支出指引,先前已在 2025 年財報中進行過一次調整。從 2023 年的約 280 億美元,到 2025 年的 722 億美元,再到 2026 年指引中位數約 1,350 億美元,Meta 在三年內將資本支出規模擴大近四倍。

第一季單季資本支出為 198.4 億美元,年增 45%,營運現金流入為 322.3 億美元。以第一季為基準推算,全年資本支出介於 1,280-1,450 億美元的範圍,在執行層面具可行性。

可比公司的參照

可將 Meta 置於「Mag 7」資本支出全局中觀察。據不完全統計,Alphabet 2026 年資本支出預估為 1,800-1,900 億美元。此外,Alphabet 第一季財報顯示 Google Cloud 收入為 200.2 億美元,年增 28%。

兩家公司根本差異在於資本支出的歸因路徑。Alphabet 的資本支出可直接映射至雲端業務收入成長,雲計算的單位投入產出比有產業標準可供參考。Meta 的資本支出則主要用於 AI 基礎設施與 Llama 系列大型模型研發,其商業回報需透過廣告效率的邊際提升間接體現,這條鏈上的中介變數更多,回報的可預測性較低。

市場定價的深層邏輯

市場對資本支出的定價可從「增量」角度理解:在 Meta 年化約 1,600 億美元總費用架構下,資本支出由 1,150-1,350 億美元上調至 1,250-1,450 億美元,約增加 100 億美元,絕對值並非無法承受。市場真正關注的是資本支出的「成長率」與「投資方向」。

從方向來看,市場對兩類 AI 投入的評價存在明顯差異。若 Meta 將新增資本完全投入於 Advantage+ 這類廣告工具優化,市場給予的折現因子會更低;但目前指引的大幅上調主要用於資料中心建設與自研晶片部署,這些與廣告收入成長的因果鏈更長。

Meta 管理層在第一季財報電話會議中坦言,「scale the product first, then monetize later」(先擴大規模,後考慮變現),但 2023-2026 年累計近 3,000 億美元的資本支出規模,對應的是「later」這一參數的待驗證確定性。分析師已在第一季後小幅下修 2026 年剩餘季度的每股盈餘預期。

產業格局與估值討論

Meta 正逼近 Google 廣告市場地位

Meta 與 Alphabet 在數位廣告市場的競爭格局正出現微妙變化。多家機構預測 2026 年將是 Meta 廣告淨收入首次超越 Google 的年份。

此預測邏輯基礎在於廣告主預算的結構性轉移。短影音媒體承載了全新廣告庫存,而 Meta 的 Reels 產品在這波轉移中處於領先地位。TikTok 在主要市場面臨的營運不確定性,進一步強化 Meta 的市佔率提升能力。

社群媒體 AI 變現的世代差異

目前社群媒體平台正出現分化。具備生成式 AI 能力的平台吸引更多廣告主預算流入,技術能力不足的平台則面臨市佔流失。

AI 對社群媒體變現的增量來源主要有四個方向:

廣告投放系統自動化與智能化:降低廣告主創作門檻與營運成本,直接帶動廣告庫存需求。

內容推薦系統精準化:延長用戶停留時間,增加廣告曝光機會。

跨語言內容分發能力提升:AI 翻譯讓內容突破語言障礙,擴大潛在受眾。

社群內容營運效率提升:內容審查與社群管理導入 AI 工具後,營運成本下降、效率提升。

估值討論與關鍵變數

評估 Meta 目前的估值時,需從兩個方向參考。

部分機構給予較積極的目標價,例如 BofA 目標價 835 美元、UBS 目標價 908 美元、Wells Fargo 目標價 795 美元。這些評價隱含的假設是 AI 資本支出對廣告收入的推動作用持續放大,且 Meta 尚未遭遇來自 TikTok 等競爭者的額外衝擊。

另一派則對支出架構的合理性持保留態度,三年內資本支出擴大近四倍的結構性成本,需透過更長期的廣告收入成長來攤平,隨著資本支出不斷調整,估值下修風險也在上升。各機構間目標價差異超過 100 美元,顯示分歧主要集中在「AI 資本支出未來五年實際回報率」這一核心變數。

對加密產業的觀察視角

對加密產業讀者而言,Meta 的技術與資本支出趨勢值得關注。AI 正從三個方向重塑整個數位內容分發生態——而這正是加密專案觸及用戶的核心管道。

第一,品牌獲客管道效率的變化。 加密專案透過社群媒體廣告取得用戶的成本,正隨 AI 推薦系統精準度提升而改變。Advantage+ 等自動化廣告工具降低了投放技術門檻,但也帶來新的競爭維度,平台廣告收入持續雙位數成長,代表產業整體獲客成本的結構性變化不容忽視。

第二,社群內容營運的 AI 化遷移。 Discord、Telegram 等社群營運效率正被 AI 輔助工具重塑,AI 翻譯擴大了跨語言社群的觸及範圍。這些變化正在改變加密專案社群搭建的成本結構與營運模式。

第三,自研晶片與去中心化運算趨勢的參照意義。 Meta 積極部署自研晶片(MTIA Gen 2)以降低對 Nvidia 的依賴,這與區塊鏈基礎設施領域「去中心化算力」的探索路線有可比性,兩者都指向對現有 AI 運算中心化架構的不同思考。

結語

Meta 2026 年第一季財報揭示的核心敘事已相當明確:廣告業務基本面在 AI 技術加持下進入高品質成長階段,與此同時,資本支出的急速擴張也提升了市場對 AI 投資回報的審視標準。

營收成長與股價背離的直接原因,在於資本支出成長速度超出市場短期容忍範圍。Alphabet 超過 1,800 億美元資本支出與 Google Cloud 200 億美元收入間的直接對應,與 Meta 需經由廣告效率提升間接反映收益的模式,成為市場比較的敏感焦點。

AI 對社群媒體平台廣告收入的推動作用,已從「預期」轉為「確認」。市場爭論的重心已從「AI 能否推動廣告成長」轉向「AI 驅動的廣告增量收益能否覆蓋 AI 基礎設施的超額成本」。這個答案不會在單一季度內揭曉。在 AI 轉型過程中,業績成長與市場定價的時間落差,往往以數個季度甚至年度計算。社群媒體 AI 商業化的長期路徑,仍需更長時間的驗證。

Like the Content