Meta借AI加速应用矩阵扩张，扎克伯格预言“新品潮”将至

【科技24时区】当马克·扎克伯格在第二季度财报电话会议上轻描淡写地提及“更多新应用正在筹备中”时，这背后折射出的并非简单的产品迭代，而是这家社交巨头研发范式的根本性转移。继近期密集推出面向Marketplace卖家的独立应用、Facebook群组专用App、一款主打氛围感的实验性游戏应用、Instagram的新照片工具以及AI睡前故事项目后，Meta正试图利用大语言模型（LLM）打破多年来难以孵化出爆款独立社交应用的魔咒。

曾几何时，Meta在探索核心平台之外的第二增长曲线时屡遭挫折。回溯其早期历史，名为“Creative Labs”的内部孵化器曾孕育出Slingshot、Rooms、Paper等一众颇具创意的应用，却因无法聚拢足够用户而在2015年悉数关停。进入2020年代，NPE团队接棒继续试错，推出了包括Bump、Aux、Tuned在内的数十款应用，最终同样难逃折戟沉沙的命运。这些失败案例共同指向一个痛点：在传统开发模式下，从构思到验证的周期过长，且缺乏精准的用户匹配机制。

如今，情况似乎发生了微妙变化。扎克伯格向投资者坦言，AI正在显著缩短产品开发周期，使得测试新想法的速度大幅提升。“今年早些时候我们上线了Instagram Instants，随后又发布了独立的Groups应用‘Forum’和Marketplace卖家应用‘Seller’。”他预计，随着推荐系统与AI技术的深度耦合，未来推出新应用的门槛将大幅降低，“我们将构建更多创意，并利用现有的推荐系统实现规模化扩张。”

值得注意的是，Threads的成功为这一战略提供了有力注脚。这款目前拥有5亿月活用户的应用，不仅得益于Meta通过Facebook和Instagram进行的强力导流，更离不开LLM在内容推荐层面的赋能。Meta首席财务官苏珊·李指出，LLM带来了“显著收益”：一方面，它通过深入理解内容实质并生成更优质的训练数据，让现有系统变得更加聪明；另一方面，基于LLM的智能体在工程开发中扮演了关键角色，负责评估内容质量、捕捉趋势以及测试排名算法的调整。

事实上，Meta已在底层架构上完成了重要跨越。今年年初，该公司达成了一项里程碑式的技术突破：Instagram上的每一条Reels短视频和Feed帖子，如今都会自动经过LLM的处理与分析，以识别其主题与语调，从而优化推荐精度。这种原生基于LLM的推荐系统，被视为未来快速规模化新应用的关键基础设施。

尽管投资者在财报会上更聚焦于AI资本支出及企业级业务野心，未对新应用细节过多追问，但扎克伯格已释放出明确信号：消费者无需等待太久，“新的消费级产品即将发布”。对于Meta而言，这或许意味着一个由AI驱动、高频迭代、快速试错的全新应用生态时代，才刚刚拉开序幕。