历史上真实的宫斗
（文猛）.appendQr_wrap{border:1pxsolid#E6E6E6;padding:8px;}.appendQr_normal{float:left;}.appendQr_normalimg{width:100px;}.appendQr_normal_txt{float:left;font-size:20px;line-height:100px;padding-left:20px;color:#333;}海量资讯、精准解读，尽在新浪财经APP责任编辑：王翔。未来，我们非常愿意持续在这方面做投资，我也相信智能眼镜将成为未来技术发展非常重要的一部分。目前的情况是，我们观察到了非常多很吸引我们的投资机遇，我们也相信这些机遇将在未来几年有潜力为各位投资人带去明显收益。随着大模型的迭代与更新，从Llama4升级到Llama4.1，模型的使用范围将越来越广。所以，我们会按需建造，在必要的时候做出最佳决策，确定基础设施容量的具体用途。苏珊·李：能否请你再重复一下你的第二个问题？TruistSecurities分析师YoussefSquali：在大规模招聘导致股票薪酬支出增加的背景下，假设这部分支出会明显快于营收和运营成本的增长，管理层计划如何应对可能引发的股权稀释问题？管理层是否考虑通过股份回购等方式回报股东？苏珊·李：薪酬成本增加所带来的影响，包括今年招聘的人工智能技术人才所带来的SBC影响，都已经反
这种增长不会是线性的——可能在某些年份，我们的利润增长会高于平均水平。相比数字世界中的大模型，MogoMind可以视为物理世界的实时搜索引擎，通过接入物理世界实时动态数据，MogoMind形成全局感知、深度认知和实时推理决策能力，能够从数据中抽取意义、从经验中学习规则、在场景中灵活决策。MogoMind依托交通数据流实时全局感知、物理信息实时认知理解、通行能力实时推理计算、最优路径实时自主规划、交通环境实时数字孪生、道路风险实时预警提醒六大关键能力，解决了当前AI缺乏物理世界实时感知能力和全局认知系统两大问题。自动驾驶领域，MogoMind通过多源数据融合和长尾场景持续学习，反哺自动驾驶模型训练。交通管理领域，MogoMind让交通管理者掌握整个城市交通系统的运行全貌，能基于实时动态数据的融合分析做出科学决策。通过全域覆盖的通感算一体化设备，MogoMind能够全天候、不间断捕捉车辆行驶轨迹、速度变化、交通流量、行人动态等海量异构数据，并经过数据融合算法快速整合处理，为智能分析和精准决策提供数据基础。大会期间，蘑菇车联围绕AI大模型在交通领域的应用，展示
瑞典传奇球手帕德里克·约兰凭借三轮-3杆的最后五洞总成绩，赢下赛中赛战马后五洞挑战赛全额奖金。我的第二个问题是，您认为公司的业务收入，或者说业务表现与您的投资节奏之间呈现怎样的关系？您对此的看法是否有过改变？投资节奏是否做出过调整？马克·扎克伯格：就我个人而言，在公司内部我非常关注的指标包括：团队的质量、研发模型的质量、其他人工智能系统的改进速度、基础模型对AI系统的改进程度以及其他工作的进展。总支出方面，正如我之前与大家分享的，我们预计基础设施支出将成为2026年最大的一笔支出，支出增长包括明年急速增加的折旧费用支出，如现有资产、服务以及基础设施的增量折旧等。所以我们自己也很纠结，不知道开源这些模型是否有意义，它真的对大家有帮助吗？还是说只是造福了我们的竞争对手。我们具备全球一流的基础设施能力，同时，随着时间的推移，我们的基础设施需求也在不断变化，因此构建上述项目也能为公司的未来发展提供更多灵活性。苏珊·李：目前，我们还没有启动对2026年的预算规划，因为明年的运营环境可能是高度动态、高度变化的，很多因素都在不断演变。每当面临新技术时，我们不会对其视而不见，而是积极地将新技术应用到所有应用程序、广告系统中。此外，我们也在不断优化推荐算法，希望帮助小体量创作者，让他们在发布内容后尽快匹配到合适的受众
