META：社交生态世界霸主
FACEBOOK（META）由扎克伯格等哈佛大学学生创立于2004年，最初旨在连接本校的学生。而如今META作为社交媒体平台的先驱者，旗下拥有Facebook、Instagram、WhatsApp、Messenger等现象级社交产品。Facebook的成功离不开时代的红利和自身商业模式的独特性。
商业模式：Facebook拥有世界上最大的流量群体和社交生态，包括Facebook 30亿用户，WhatsApp和Instagram超过20亿用户，公司依托庞大流量进行广告变现，其中推荐算法能力为重要基石。公司依托主业现金流，战略性布局虚拟现实、AI等，通过硬件掌握新的流量入口，推出产品包括Oculus系列VR眼镜、Llama大模型等。当前处于高投入开发阶段，长期具有标志性战略意义，但发展稳定性有待持续跟踪。
META：时代红利造就用户生态护城河
Meta到现在经历过两个流量红利期：
1）2004年-2010年的互联网红利：在2000年互联网泡沫的推动下，互联网得到广泛普及。2004年互联网企业（谷歌）的成功上市和PC端设备逐步成为必需品的背景下，Facebook在PC使用率较高的大学校园内推出，依赖用户的高集中度、高使用率和Facebook以用户体验为重，不断开发新功能的特性很快成为了大学生必备社交产品。随后，Facebook逐步向所有用户开放， “用户关注圈”的功能在涉及隐私与人性的好奇的争议话题下，注册数量急速增加，而“开发平台”的推出奠定了Facebook的社交媒体领先地位。
2）2010年-2020年的移动终端红利：2010年iPhone4系列的爆火标志着智能手机成为新时代消电产品的主导，智能手机每日使用时间远高于PC设备，移动社媒平台成为必需品。Facebook一方面加大了对原有产品的转移和开发，另一方面开启收购之旅，2012年收购Instagram、2014年收购WhatsApp，在即时通讯和多媒体社交平台两个领域的精准布局，成功地保卫了社媒世界霸主的地位。
3）2020年至今 转型期：Facebook察觉到红利期的结束和TikTok等短视频的爆火后，决定转型虚拟现实领域并改名META，从等待新的流量红利转变到创造新的流量红利，但高额的资本开支让公司面临一定的盈利压力。而这个过程中，META对AI领域的技术积累为当下AI热潮打下了技术基础，19年Pytorch已成为MLRL应用的主流框架，META始终以开源框架的模式来建立自己的应用生态，从而保障了自己社交生态的霸主地位。
宏观与疫情因素变化：宏观与疫情影响本轮线上广告周期
本轮周期中宏观与疫情对Meta、谷歌等平台影响巨大，整体呈现宏观同频，疫情先扬后抑，目前疫情影响已基本结束。 2020至2021年：经济走出疫情冲击、宏观复苏，同时疫情驱动线上化带来互联网广告全行业高速增长； 2022年：大幅货币宽松造成通胀严重消费者信心受损，同时联储快速大幅加息造成宏观承压、广告主谨慎，且对互联网平台，后疫情时代用户行为回归线下且面临21年高基数，线上广告增长承压；2023年：疫情影响逐步正常化，且经济韧性超预期强劲（higher for longer），消费者信心重新回归，广告主投放重新积极，线上线下均稳步增长，META得益于低基数、精准度恢复等增长快速复苏。
数据、广告技术变化：IDFA与CAPI影响显著
IDFA隐私政策对推荐广告冲击巨大：根据IDFA如果用户选择要求App不跟踪（接近80%的iOS用户选择禁止追踪），则App将无法再获取设备的IDFA。App无法准确知道用户ID，大幅减少算法推荐广告对手机用户的推送精准度，Meta广告效果大幅降低，CPM和收入显著下滑。
IDFA,即Apple为用户设备分配的唯一标识符，让App跨平台追踪数据”，主要影响如下： ① 实时性限制：数据回传时间从秒级延长至数小时或数天，失去实时性。 ② 可追踪数据量限制：转化值（对用户注册、登录、购买、通关等一系列行为的衡量）从无限多用户行为事件减少至仅6个比特，大幅降低追踪能力，难以判断广告平台的投放效果。 ③ 数据层级限制：从设备层级数据监测转变为仅提供汇总层级数据，影响精准度。 ④ 框架体系需重构：围绕IDFA建立的移动优化框架体系需要进行重大修改，对归因技术的准确性和有效性构成根本性挑战。
产品线发展：通过不断收购早期竞品，夯实社交网络壁垒
Meta早期收购Instagram和WhatsApp后利润短暂承压，但营收持续增长。Meta收购Instagram和WhatsApp后，通过整合这些业务，维持了用户基础持续增长，还提高了广告业务的效率和盈利能力。同时，丰富了社交领域的产品矩阵，不仅带来了收入的持续大幅增长，还为公司社交领域霸主地位奠定了坚实的基础。 META收购的元宇宙业务Oculus VR等尚未盈利。
META-社交生态应用一览
① Facebook：包含高粘性的熟人社交场景，形态类似微博轻享版。2004年诞生形式为哈佛校内互动网，2007年推出移动应用。2011年8月推出通讯服务Facebook Messenger，2015年8月开始推出直播应用Facebook Live。 ② Instagram：用户年轻化，产品形态类似小红书。成为Meta年轻一代社交圈核心产品，拥有超20亿用户，同时Reels也是全球短视频核心产品之一，目前贡献Meta收入占比接近一半。 ③ Messenger:即时通讯软件，产品形态类似QQ，2023年10月，月活跃用户数超10亿，北美是优势区域；④ WhatsApp：智能手机即时通讯软件，产品形态类似微信/企业微信聊天+朋友圈。经多年发展，目前已拥有超20亿用户，是欧洲、拉美等国家标配通讯工具，作为高频即时通讯场景，是超社交流量矩阵的重要构成，支持电商、支付等业务探索。⑤ Threads:23年7月针对Twitter限流政策推出的类似文本共享产品，上线5天注册破亿。
应用家族与全球主流平台-Facebook用户数驱稳，Reels助力Ins快速增长
Facebook与Instagram分别以30亿和22亿的月活用户数位列数字媒体平台第一和第三，且与其后的产品拉开巨大差距。两者产品发布时间较早，但能保持持续的用户增长。 Instagram凭借Reels MAU增长重回快车道。2020年Instagram推出Reels短视频功能对标TikTok后，四年内完成了12亿月活用户的增长，并且功能推出之后很快MAU增速便快于TikTok。 Facebook平台用户活跃程度持续提升。官方披露的Facebook的MAU和DAU可以看出平台的用户基数较大，增速已回落到低个位数增长，但是平台活跃程度（DAU/MAU）持续提升至70%。
应用家族用户画像：Facebook和Instagram互相补充
网络社交媒体领域的主导Facebook:虽然人数比例略低与Youtube，但大多数美国人(68%)表示使用该社交媒体平台，而且平台的年龄分布广泛，且中高收入群体和高学历群体使用占比更高。年轻化优质用户平台Instagram：大约一半的美国成年人（47%）使用过Instagram。Instagram、Snapchat和TikTok明显偏年轻化，平台的用户大多是30岁以下的成年人，78%的18至29岁人群表示使用Instagram，远高于65岁以上人群的比例15%。 Instagram相比TikTok明显具有更多的高收入和高学历用户群体。Ins在年收入7W美金以上的占比超50%，远高于TikTok的30%。Ins在高中以上学历占比50%+也高于TikTok的30%+。 总结：META社交媒体产品Facebook和Instagram拥有巨大的使用人群，且两者的差异化布局吸引了不同年龄段的用户群体。平台沉淀大量高质量用户，相比其他社交产品具备更好地商业化条件。
META Capex投资与算力规模：年底等效60万 H100 GPU算力资源
23年底META表示24年底计划购买35万片英伟达H100，加上其他GPU约等效60万H100 GPU的计算能力。Omdia报道，2023年Meta和微软各购得15W H100，谷歌、亚马逊、甲骨文和腾讯各购得5W H100，特斯拉1.2W H100。TNP测算目前META拥有约6.6W V100、7.6W A100、15W H100，预计今年还将到货35W H100和2.4W B系列芯片。
公司上调Capex指引为350-400亿美元，同比+13%-40%。TNP预计24年底GPU相关的累计资本支出将近150亿美元，其中24年一年支出达94.7亿美元，占比63%。经过22年与23年初的降本增效周期，META重新开始新一轮硬件投资。一季度财报会公司上调2024年资本开支至350-400亿美元(前值300-370亿美元)，同比+13%-40%。
Meta：第二代GPU集群开启建设，继续沿用两级CLOS拓扑结构
Meta建立两个数据中心规模集群，各自拥有24,576个GPU，均支持400Gbps端点之间的互联。一个是采用了基于Arista7800交换机的远程直接内存访问（RDMA）和融合以太网（RoCE）网络解决方案，另一个则应用了英伟达Quantum2InfiniBand的网络架构。两个集群的不同设定能够评估不同类型互联的适配度和拓展性，为未来更大集群设计积累经验。
公司重申了对其开源Grand Teton服务器设计和OpenRack机架的承诺，这些机器将被安置在其中，以及对开源PyTorch框架和其开源Llama LLMs的承诺。Llama3成功地在RoCE和InfiniBand集群上运行了大规模的GenAI工作负载（包括我们在RoCE集群上持续进行的Llama 3训练），并且没有遇到任何网络瓶颈问题。
二代GPU集群依旧采用Core-Spline-Leaf三级CLOS拓扑结构。单Rack搭载两个8卡服务器和一个顶部交换机，利用18个集群交换机连接192个Rack成为集群，共有八个小集群，集群交换机形成Spline层。Spline层与上方18个聚合交换机（Core层）形成互联，组成整个集群。这种架构预留了空间和拓展性，未来可以直接拓展到32K个卡的规模。
META大模型布局：4000亿参数的多模态模型正在训练
META表示目前正在训练一个规模超过4000亿个参数的Llama3模型，主要具有“多种语言交谈”的能力，能够接收更多数据，并且能够理解图像、其他模态以及文本，在架构选择上仍然不是MOE架构。公司财报会表示持续投资未来几年的Llama5、6和7模型的研究。
一定参数的模型用比最佳训练计算量更多的数据训练性能可以呈现对数线性提升。公司表示在开发Llama3的过程中，虽然8B参数模型的Chinchilla最佳训练计算量（有限计算量下模型达到最优性能）对应于约200B个token，但在使用两个数量级以上的数据（15T）训练模型后，模型性能仍呈对数线性提升。较大的模型可以用较少的训练计算来匹敌这些较小模型的性能，但较小的模型通常是首选，因为它们在推理过程中效率更高。
METE官方表示从2023年2月到9月Llama的下载量超过3000万次，其中9月份的下载量就达到1000万次。从去年9月到现在的下载量呈线性增长，那么到现在Llama的下载量将突破1亿次。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
