公司参会人员
苏珊·李(SusanLi)-首席财务官
电话会议参会人员
布莱恩·诺瓦克(BrianNowak)-摩根士丹利研究部
演示环节
布莱恩·诺瓦克
摩根士丹利研究部
好的。大家早上好。欢迎参加本次摩根士丹利2026年TMT大会的下一场炉边谈话。今天我们要非常荣幸地邀请到Meta的首席财务官苏珊·李。苏珊，欢迎你回来。
问答环节
布莱恩·诺瓦克
摩根士丹利研究部
好的。过去这一年发生了很多变化。我想回顾一下去年外部投资者之间的对话，以及他们对Meta正在做的事情的看法与我们现在所处位置的对比。一年前，我们坐在这里谈论多年持久增长的驱动力、核心平台的投资资本回报率（ROIC），以及像MetaAI这样的所有看涨期权，Meta将要构建的一切。市场当时说，Meta是AI的赢家，仅此而已。一年后，正如你们从讨论中所知，情况不同了。现在有了更多关于ROIC的问题，也有了更多关于公司相对于其他科技同行定位的问题。也许让我先从内部视角开始，回顾过去一年，你们对整体核心平台战略以及我们一年前谈论的那些“看涨期权”的看法发生了什么变化？
苏珊·李
首席财务官
是的。嗯，这很有趣，因为当你回望——实际上，你问这个问题的时间点非常恰当，现在正是我们的绩效评估季。所以我刚刚完成了大量的绩效评估。当你回望一年前，一切似乎都很清晰。回顾我们一年前还在争论的问题，我们当时面临的最大挑战，再看看过去12个月实际发生了什么，对吧？更重要的是，想想你认为未来12个月会发生什么。
当我们回顾过去12个月时，好吧，我们来盘点一下发生的情况。核心业务继续表现非常出色。我们对自身能力感觉非常好，多年来，我们围绕如何评估和资助核心业务投资，建立了一个日益稳健且由数据驱动的流程。这既包括有机内容方面，也包括广告排名和推荐方面。我在公司已经工作了，天哪，18年了，我一直从事广告相关工作。有时我回想起我们在移动端推出广告的时候，那是我们刚刚起步的阶段，然后广告加载率从零攀升到12.5%，那花了大约四年时间。每半年，我们会与广告团队会面，他们会带来一份清单，列出不同的广告举措。这些是前端的事情，这些是排名推荐的事情，这些是……我们有一个内部指标叫IREV，基本上是我们衡量广告表现的方式。这是清单，这是它们的总和。
我认为这是现代世界的奇迹之一，我们持续每半年生成一份改进清单，这些改进每半年都能带来IREV的增长，并且这些增长相互叠加。所以我更详细地描述了货币化方面，但在有机内容方面也是如此。可以说，核心业务非常健康。
在生成式AI或AI方面，我们在过去12个月进行了大量重建工作。我们组建了MSL团队，汇集了我认为在这一领域令人难以置信的顶尖人才群体，包括AI研究人员、AI领导者、产品领导者等，以补充我们现有的人才。我和他们花了很多时间在一起。马克显然花了更多时间与他们相处。他们合作得非常出色。他们正努力开发基础模型，同时也在思考和构建我们将需要的产品体验。正如我们之前所说，我们预计该团队推出的首批模型将会很不错，并且我们希望在今年剩余时间和明年，能够成为推动前沿发展的一部分。
我们也——我们思考容量的方式，我假设坐在这个位置上的所有同行都echoed这一点——仍在不断演变。但我们在36个月前、24个月前认为会有足够的容量，这种情况一直在变化。我们继续建设，既基于我们今天知道的核心需求，也基于训练所需，还基于我们计划需要的推理容量，涵盖多个维度，既因为我们想要构建的客户和消费者体验，也因为内部生产力用例（抱歉，不是个人用途，是内部用途）。因此，坦率地说，这一年我们一直在努力追赶。我们仍在追赶。我们正在大力扩展自有基础设施（O&O）的footprint。但事实证明，数据中心是一个长周期项目，我们今天做的许多工作要到2027年或更晚才能上线。因此，我们也开始削减一些云容量。
所以，当我思考过去12个月时，核心业务非常健康，我对那里的持续机会感到非常兴奋。这也让我们能够从实力和信心的角度为AI工作提供资金。而在AI方面，我们全员上阵，聚集了人才和容量，正如我所说。我会告诉你，只有他能做到，我认为马克是一位令人难以置信的领导者，他以极大的专注力应对眼前的问题。无论是在去年夏天，如果你见过马克，他就像首席招聘官，识别并招募人才，真正帮助团队凝聚在一起。当我们审视容量问题，发现我们确实没有足够的数据中心容量来放置服务器以满足预期需求时，马克是推动我们在数据中心基础设施方面更具创造力的人。我想我们稍微谈过一些项目。我们拥有世界上最好的帐篷之一。事实证明，你可以买到评级可使用25年并能抵御龙卷风等各种灾害的帐篷，从而更快地提升容量。所以我认为我们在过去12个月学到了很多教训，但我也认为我们——我们从来不是一个不会对当前挑战做出反应的公司，我们会以最大的专注、精力和注意力去应对。
布莱恩·诺瓦克
摩根士丹利研究部
这是一个很好的铺垫，让我可以更深入地探讨一些问题。让我回到你刚才提到的那个内部指标IREV，也就是你们在有机内容算法、广告排名算法和广告内容方面所做的所有改进。我想我的团队统计过，仅第四季度你就列出了20项变更。所以是的，你们一直在“IREVing”。你能否给我们一些更具体的量化数据，关于哪些产品真正推动了更好的参与度和转化率？给我们一些具体的数字。此外，所有这些变化如何提升了你对2026年乃至2027年收入增长的可见性和信心？
苏珊·李
首席财务官
是的。所以我们现在每年都有一个预算流程。当我们这样做时，各个团队——尤其是排名和推荐团队——在有机内容和广告货币化方面都有一个非常严谨的流程。他们进行大量实验，以确定他们认为置信度最高的实验，并且他们能够衡量这些实验的回报，坦率地说，既可以按一年期，也可以按多年期来衡量，所以我们可以从几年的角度来看待这个问题。我会说，大致上，这些事情可以归入以下几类：在有机内容方面，我们如何基本持续增长向用户展示内容的趣味性和相关性。例如，在第四季度，我们在Facebook上进行的一些产品排名工作，使得有机内容浏览量提升了约7%。这基本上就是过去两年中推动收入影响最大的产品发布。
我们有一个健康的后续工作管道，可以通过几件事继续让内容更具相关性。第一，只是扩大我们可以使用的数据量，这让我们能够增加内容互动的历史记录，使推荐引擎可用的整体数据语料库更大。第二，我们现在真正专注于——就像我们在过去几个季度所讨论的那样，我们正试图重新分配广告加载率，所以我们现在关心的是，你是否处于一种想要与广告互动、想要购买东西、处于商业意图期的状态。同样，在有机内容方面，我们希望让内容推荐最相关，并适应用户当前与内容互动的方式。比如你现在在看什么，什么对你现在最有趣？
我们也在投资使用大语言模型（LLMs）来加深我们对内容的理解。随着模型变得越来越智能，理解和推理能力变得更好。使用LLMs帮助我们理解内容，有助于推荐，部分原因是传统的推荐引擎很大程度上依赖互动信号，你需要大量的互动才能获得这些信号，但LLMs可以根据我们所知的信息，实时推理这段内容是否可能对你有趣。这是在有机内容方面。
在广告排名和推荐方面，我们继续在所有方面做了大量工作。我们谈论了很多我们的模型，Andromeda（用于检索侧）、Lattice（用于模型整合侧）、GEM（用于排名侧）。我们如何再次扩展模型规模，确保我们向你展示的广告在特定时刻最有可能与你相关，并且你能够在最大程度上实时与这些广告互动。
我们也在尝试——这是有机内容和广告的范畴。由于计算效率受限，我们也在尝试做一些工作，即如何利用我们今天的计算资源产生最大影响。上个季度我们在Instagram上推出的一个功能，通过将计算资源应用于影响最大的广告问题，使得Instagram的转化率提升了约3%。因此，我们在所有这些管道中都有大量工作。我通常会将这些描述为通过高度ROI驱动的流程获得资助的工作。这甚至还不是那些新的、更偏向研究的工作，比如“嘿，我们必须押注一些大赌注，因为我们希望在未来几年里有更多的筹码”。也许我们对这些新事物今天的确切形态理解得还不够扎实。
这是我们正在进行的一些新的基础模型工作。我认为今年早些时候有一个公告，我们正在合并广告团队和发现引擎团队的一些研究工作。想法是构建一个统一的基础模型，并致力于在我们的模型架构之上基于LLMs进行构建，然后用互动数据进行微调。这些都是较新的研究工作，我们希望它们能在长期内获得回报。
但总而言之，我想说的是，我再次对我们已有的和正在进行的举措管道感觉非常好。有一件事，我想我以前在这里谈论过，它曾经让我担心，现在仍然让我担心，明确地说，我就是这样被设计的：如果你把所有这些举措加起来，当然，你可以衡量每一个的回报，因为那是单个实验，但你不知道自己在曲线的哪个斜率上。所以也许实际上，如果你把这20件事加起来，你需要给它们打八折，因为斜率变得更陡峭了。但事实并非如此。
我们所做的工作比预期的更具叠加效应。而且你会与广告商进入一个良性循环，对吧？比如你让广告表现更好，这反过来降低了广告商的成本，进而促使他们增加在我们平台上的预算。然后这对他们的业务也有好处，这是一个长期的良性飞轮，因为现在对他们的业务有利，他们在下一个周期就有更多钱可以花在我们身上。这真的很难衡量，对吧？这是一个需要数月甚至数年的过程。我们很难非常直接地衡量这一点。事实上，我们已经尽了最大努力，运行了一些实验，我认为这些实验在统计上并不显著，可能是因为你要衡量的东西太分散了。但从我们所能观察到的一切来看，这种情况似乎正在平台上发生。我们每天的目标都是成为广告商相比其他地方更愿意花钱的最佳场所。
布莱恩·诺瓦克
摩根士丹利研究部
你们有很多事情在做，管道很丰富。你提到的一个领域我想深入探讨一下，因为我认为外部对你们目前在核心业务中使用LLMs的方式与未来如何在核心业务中使用LLMs存在一些误解。所以你稍微提到了一点，但也许可以提醒我们，你们现在如何在核心业务中使用LLMs？两年后会是什么样子？你认为这会对信号和参与度等方面产生什么影响？
苏珊·李
首席财务官
是的。所以今天，LLMs并不是核心排名和推荐工作中的主要部分。这并不是说我们完全不用它们。有些领域我们用得比其他地方多，Threads就是一个例子，因为Threads是基于文本的，所以在使用LLMs辅助Threads的排名推荐工作方面，我们稍微领先一些。我们正在投资使用LLMs来帮助今天理解内容，目的仍然是更好地预测内容是否与你相关。但我们总体上尚未使用LLM架构来进行排名和推荐工作。
我认为这又是一个稍微长期的研究工作。我们还不确定那会是什么样子，但我们认为值得投资。我们希望未来当我们能够成功做到这一点时，会获得非常有意义的收益。
布莱恩·诺瓦克
摩根士丹利研究部
这将需要大量容量，也就需要大量资本支出（CapEx），这是一个热门话题。我相信你收到了很多相关问题。所以你谈到了管道和即将推出的新产品。马克在上一次公开电话会议上提到，当前的系统与未来相比显得原始，未来将有许多新项目，既包括核心业务也包括非核心业务。作为CFO，当你在思考这是正确的资本支出金额时，你正在进行何种类型的分析？你是如何得出这些数字的？你如何对其进行数学建模，以确保在合理时间内有足够的收入为股东提供ROIC？
苏珊·李
首席财务官
是的。这个过程分为两部分。一部分是关于核心工作。对此，我之前有所提及，我们目前有一个相当稳健的预算流程，我们考虑预期的投入，包括人力需求和容量需求，对吧？这些是输入，然后我们看，好吧，这是我们预期的一年期回报，这是我们预期的四年期回报。这合理吗？这是一个我们已经运行多年的流程，我认为相当成功。这就是我们构建核心业务所需容量的方式。
对于较新的事情，可以说，我们处于流程的早期阶段。所以这稍微更像是一门艺术。如果我之前描述的过程是非常科学的，那么这个就更偏向艺术。我的意思是，今天从事AI训练的团队，他们拥有最直接、最明确的路线图，说明他们认为未来12到24个月训练模型需要多少容量。那仍然像是来自团队的、确定性更高的需求路线图。我认为对我们来说最具挑战性、最难确定的是推理需求，因为这既需要你因为有前置时间和获取容量的需要而对未来进行有意义的预测。
我们还不完全清楚产品体验将如何成形，哪些将具有最大规模，我们将如何在内部使用推理容量，哪里能带来最大的生产力提升。这些都是我们每天都在面对的问题，并试图对未来12个月、24个月、60个月的情况做出最佳预测。所以我们在那里有各种情景分析，我们要确保这些情景与我们对这些模型的回报预期相符，但更重要的是，与我们在这些模型之上构建的体验的预期回报相符。所以这稍微更像是在拼凑一幅图景：好吧，我们需要这么多推理容量。如果我们认为通过使用AI让内容和广告对你来说更加个性化、更具互动性，核心业务能够因此增长这么多。
我认为这个领域特别让我担心我们会低估它，因为当我们推出某些东西时，如果它们是我们现有家庭应用（FOA）体验的一部分，它们会迅速扩展，随即数十亿人就能访问。所以我认为这是一个我们容易低估推理需求的地方。然后你又在思考那些今天尚未形成规模的新事物，那完全是另一种情况——全球范围内的商业代理（businessagents）的发展轨迹应该是什么样的？我们当然认为这个机会非常有意义。我们预计在不久的将来，每家企业都将至少拥有一个，如果不是多个的话，AI代理，就像他们今天拥有网站、电子邮件和客户服务一样，他们将拥有代表他们处理某些事务的代理。
但这——但由于今天这些东西尚未形成规模，所以很难知道发展轨迹应该是什么样，我们该如何推出并确保我们深思熟虑且做得很好。所以我们真的在尝试对所有这些不同领域进行预测，并思考每件事的回报，并再次确保数学上是成立的。而这并不精确。不像“好吧，2026年ROI是这个，2027年ROI是那个”等等，这让我很痛苦，明确地说。我真的希望我们生活在那样的世界里，但事实并非如此。我们必须愿意进行时间性的押注，这是我们必须以智能和深思熟虑的方式去做的重要部分。
布莱恩·诺瓦克
摩根士丹利研究部
好的。作为摩根士丹利的分析师，我们热爱情景分析。听起来你们也在对ROIC进行情景分析。
苏珊·李
首席财务官
是的，没错。
布莱恩·诺瓦克
摩根士丹利研究部
其中一个情景涉及前沿模型以及如何思考超级智能努力和马克刚刚谈到的不同模型。所以有几个问题。首先，马克谈到在未来几个月向我们展示一些模型。今天有什么关于新模型的内容你想谈谈吗，还是暂时不谈？
苏珊·李
首席财务官
这部分我将留给马克和AI团队在合适的时机揭晓。
布莱恩·诺瓦克
摩根士丹利研究部
没有牛油果[听不清]，好的。那么让我更概念性地问一下。关于开源模型与闭源模型有很多讨论。公司对开源重要性的最新理念是什么？你如何看待三年后开源模型的主要货币化节点？
苏珊·李
首席财务官
是的。首先，我认为我们对开源的方法一直是有细微差别的，历史上也是如此。我们并不会开源我们所做的一切。我认为我们显然非常相信开源作为创新和标准化的驱动力。标准化带来效率，这些都是我喜欢的。但随着模型变得越来越强大，我认为每个模型都需要自己经过深思熟虑的决策和讨论，决定是否开源。
那么，关于我们从模型中获得回报的地方，我们认为真正来自于我们构建的消费者体验。我在之前的回答中稍微提到了这一点，贯穿于我们的应用家族。我们如何让你们互动的内容变得更好，对吧？今天可能的情况与五年前、十年前、十五年前我们认为可能的情况不同，原因有很多。部分原因是底层技术基础设施变得更好了。所以当我们刚开始时，人们在桌面上使用它，eventually他们转向了移动设备。随着移动基础设施的改善，内容从更多基于文本转变为现在的视觉化，然后出现了大量照片分享。然后我们有了照片标签等功能，让照片分享更加愉快，你就像处于一个利用来自许多不同领域的创新和更好基础设施的绝佳循环中，使内容体验更具吸引力。
现在，在过去几年里，我认为有一个巨大的转变，短视频成为最具吸引力的内容形式之一，这再次得益于许多因素，包括让人们能看到短视频的基础设施，以及再次进行排名和决定向你展示什么的能力。我认为这将在所有这些维度上继续演变，比如如果你能与视频互动会怎样？如果你观看一个视频时说，“哦，我想知道如果X发生，接下来会发生什么”，对吧？然后它能够为你适应，对吧？所以我认为AI——我不知道确切的词是什么，无论是AI辅助内容还是AI生成内容，我认为它有潜力——比如我和孩子们一起看了很多关于科学的视频，因为我们是书呆子。我希望在视频结束时，有很多很棒的关于元素的YouTube儿童视频。
但通常在结束时，你会想，“我还有四个问题”。我的孩子对这个主题有更多问题。如果他们能直接提问，然后视频的下一部分就会发生，那就太好了，对吧？而不是我说，“好吧，抱歉，让我去搜索一下这种碳同素异形体是什么”。但如果能直接与之互动并获得你寻找的东西，那就更好了。所以我实际上认为，让内容真正具有互动性的直观延伸是我非常兴奋的，而且我认为这显然是我们今天所做工作的巨大邻近领域。广告，我想不再赘述，是这一点的延伸。你得到为你个性化的广告，我从同一个广告商那里得到为我个性化的广告。
广告商甚至不需要——作为我们持续数十年努力的一部分，旨在让广告对广告商来说尽可能简化，他们只需告诉我们他们想在某事上花费多少，我们就交付，这对他们来说是这一旅程的下一步。我认为来自这两方面的机会，都不需要我们从头启动一个今天不存在的全新业务，已经极其巨大。我对两者都非常兴奋，而且我认为不需要任何想象力的飞跃就能理解为什么它们会成为大业务。
撇开这些不谈，显然还有更多——基本上是新的AI体验，商业代理就是其中之一。再次，我认为这将在几年内变得非常普遍，尽管今天我们还没有完全达到——有一个有趣的——我正试图预订奥兰多的一家酒店。事实证明，当你有孩子时，所有儿童活动都在奥兰多，不知为何，这里是世界上最大的会议中心所在地。我打电话给这家酒店，我以为我在和人说话。我花了大约4分钟才意识到我不是在和真人交谈。就像我正在经历一个结果非常混乱的电话树。但在最开始，我以为我在和人交谈了很长一段时间。随着时间的推移，这种体验应该变得好得多，对吧？我们收购了Manus。我们很兴奋——Manus显然已经作为一个非常有前景的业务存在，我们很兴奋扩大Manus的规模并发展它，我认为多功能AI的概念将继续对人们变得更有价值，我认为那里会有一个市场。然后我认为还有一些事情，从今天的产品角度来看尚未形成规模。但当然，我认为当我们构建出这些AI体验时，无论是在Manus中，还是在MetaAI的某个未来版本中，我认为货币化这些消费者体验并不是困难的部分。我认为困难的部分是发展这些消费者体验。
布莱恩·诺瓦克
摩根士丹利研究部
我实际上——你在最后提到了MetaAI。这就是我想追问的原因，因为你之前没有提到MetaAI，现在却提起了它。在过去两年里，投资者对MetaAI定位的信心经历了多次起伏。我想说，几年前，人们更多地预期MetaAI可能成为与Gemini或GPT竞争的领先代理。我记得过去坐在这里谈论通过MetaAI预订你的奥兰多之旅。现在有一种外部看法认为MetaAI落后了，正在落后，无法赶上其他参与者。你对此有何反应？你如何看待2026年全年MetaAI的产品创新步伐？
苏珊·李
首席财务官
是的。嗯，MetaAI拥有超过10亿用户，尽管它尚未基于最先进的基础模型。所以虽然——我认为我非常清醒地评估我们今天的处境，但我对这种框架所描述的未来走向要乐观得多，原因有很多。第一，再次是分发网络的规模。我认为我们公司真正掌握的一个剧本是：当你拥有一个具有消费者市场契合度的好产品时，如何利用我们拥有的分发网络将其推向大量人群。但你不想在它成为非常有价值的体验之前就这样做。
第二件事是，我认为我们将你的对话式AI代理个性化到你的能力将是无与伦比的。我认为这既基于你与平台互动的深厚历史，也基于我们理解这些信息并利用它确保为你构建良好体验的能力。所以我觉得——我认为当我们拥有一个前沿模型时，我对以下组合相当有信心：分发图谱、网络效应，以及有许多非常自然的地方可以让MetaAI与你互动。我可以在WhatsApp上与朋友聊天，我们在讨论去吃晚饭，聊天中的一个AI代理就可以直接预订餐厅，对吧？或者我们在计划滑雪旅行，AI代理可以告诉我们哪里有雪，显然现在没有。但如果有雪，我们应该去哪里，什么时候去，需要什么样的装备。
我认为——我认为今天存在的家庭应用家族，作为AI体验的完美支架，让它们非常自然地融入其中，是非常直观的。我对此感到兴奋，也期待看到它如何展开。
布莱恩·诺瓦克
摩根士丹利研究部
好的。我们很期待看到产品的演进。在结束之前，我想触及的另一个领域是定制芯片。这也是一个多年演变的战略，并且有所扩展。所以也许提醒我们，你们现在在哪里使用自己的定制芯片？从效率角度看，从中获得了哪些早期经验？你如何看待未来几年扩大定制芯片的使用，而不是使用第三方芯片？
苏珊·李
首席财务官
是的。我实际上会稍微扩展一下这个问题。定制芯片是许多策略中的一个，也是非常重要的部分，即我们如何随时间降低计算成本的总体战略。显然，芯片是其中最昂贵的部分。而且显然，到目前为止，它是寿命最短的部分，因为新芯片不断推出，你想利用更好的性能，但长期来看谁也不知道。对于我们来说，由于我们在AI训练、预期AI推理、核心排名和推荐工作、以及维持网站运行的CPU（这是运营家庭应用的基本功）方面有着如此大规模的硅需求。
我们真正专注于确保我们为每种工作负载获得最优芯片，并且这种组合仍处于让我们能以成本效益方式进行操作的规模，如果这说得通的话。所以你可能已经看到我们与一些不同芯片供应商之间发布了多项公告。这一切都是为了服务于这一努力，即基于我们今天所知的和当前需求，我们认为针对每种用例最好的芯片是什么，其中一些是完全现成的，一些是部分定制的，一些是高度定制的。我们能否就每种芯片协商我们认为有吸引力的价格和所需数量。
定制芯片显然是其中的重要部分。我们的一些工作负载确实是为我们高度定制的。排名和推荐工作负载是我们开始的地方，也是我们最大规模部署定制芯片的地方。但我们期望并有信心随着时间的推移扩大这一范围，最终包括训练AI模型。所以这显然是路线图后期的事情。但我们对这些芯片今天的表现感到相当乐观，因为它们确实让我们能够针对每种用例优化每美元的性能和芯片的总拥有成本。
布莱恩·诺瓦克
摩根士丹利研究部
很好。让我再问一个问题。我们谈论了很多关于GenAI或GPU的机会，以及管道中的所有增长。在GenAI时代未来几年，当你思考确保在执行正确因素时，最被低估的挑战或让你夜不能寐的因素是什么？
苏珊·李
首席财务官
我认为有两个维度。在产品方面，我之前提到过，但我认为——再次，这很自然，但当包括整个行业在内谈论未来的产品和体验时。显然，已经有一些很棒的新产品和体验被构建出来。我们倾向于思考新事物。而我——再次，我认为我们低估了将AI技术应用于让现有事物变得更好这一机会的巨大程度。我认为这将是一个巨大的机会。我想确保我们对此进行了适当的资源配置。
我还认为AI工具正在改变我们的工作方式。我认为显然，如果你今天创办一家公司，你会以非常不同的方式使用大量AI工具，你可能会以非常不同的方式设置许多工作流程，你也可能会以非常不同的方式组建团队。而我们作为一家已经存在超过20年的公司，不希望发现自己落后于那些从成立第一天起就是AI原生的公司。
因此，确保我们紧跟潮流，思考解决这个问题的初创团队会如何解决它，对吧？当然，我们不能完美地做到这一点，因为我们已经有一个inherently非常大的代码库，而且我们有许多出于正当理由存在的流程和事物。但我确实认为，确保我们问自己这个问题非常重要，这样我们就不会被甩在后面。
我们发现，我想我在上次电话会议上提到过，AI工具正在提高我们开发人员的生产力。它们使那些最善于使用它们的开发人员变得更加高效。我认为我们分享的统计数据是编码生产力提高了80%。那么这意味着什么？好吧，我们应该如何思考不仅利用这些工具提高自己的生产力，还要让你更容易与他人合作，未来的团队应该是什么样子？我们公司有高级管理人员正在使用AI工具构建自己的代理，并将来自不同来源的数据拼接在一起，而以前你必须发送电子邮件给一个团队，等待几个小时才能将多个不同数据源为你拼接起来，现在人们能更快地获得这些信息，这使他们能够更快地做出决策，并做出更多决策，对吧？
而这的长期目标是做更多的事情，对吧，做更多的事情并构建更多的体验。因此，确保对于我们这样规模和体量的公司，我们的工作效率不低于那些从一开始就是AI原生的公司。我认为这是我经常思考的事情，并希望确保我们与任何竞争对手一样具备良好的竞争条件。
布莱恩·诺瓦克
摩根士丹利研究部
很好。苏珊，非常感谢。我们很期待看到所有的效率提升，以及你们在未来几年做越来越多的事情