薛岳

Agentar-Fin-R1基于Qwen3研发，在FinEval1.0、FinanceIQ等权威金融大模型评测基准上超越Deepseek-R1等同尺寸开源通用大模型以及金融大模型，显示其更强的金融专业性、推理能力以及安全合规能力。二是考虑到今年招聘的人工智能领域人才，我们对2026年的员工薪酬支出增长也有一定预期。对我来说，经营像Meta这样如此庞大的企业，我们始终面临着一个非常有趣的挑战，那就是：很可能未来几年，科技发展会让世界变得截然不同。以上是我从宏观角度得出的结论，苏珊会从更实际的角度与大家分享她的想法。能否请您与我们更深入地分享一下，上述这两部分将如何影响公司未来12到18个月的运营支出以及资本支出？马克·扎克伯格：总的来说，我想您提出的这些问题本质在于我们想要实现真正强大的人工智能，或者说超级智能（SuperIntelligence）还需要多久的时间。能否请管理层为我们介绍一下未来18个月，您最期待哪些方面的改进？这些改进将如何进一步提升用户参与度？马克·扎克伯格：关于你的第一个问题，有关我们的研发进度以及高度关注的技术领域。回顾过去我们研发Instagram、Facebook以及广告系统的过程，我们过去往往采用的是数百人、数千人团队，我们会调动庞大的团队，共同致力于高效改进系统。无论是打造新的社交产品，还是研发像MetaAI那样的新产品，我们首先还是会努力达到一个既定的规模、打造最高质量的产

交易完成后，公司旗下两家子公司将合计持有UFACTORY80%股份，对应猎豹移动持有UFACTORY的最终经济权益将增加至75.8%，实现对UFACTORY的控股。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

我现在心态和年轻时完全不同，以前我会逼自己打得完美，但那反而更容易出错。以下是电话会议实录：高盛分析师EricSheridan：我的第一个问题想问马克。我们还在不断提升系统能力，通过用户兴趣探索、学习用户偏好等，探究用户更多样化、更细分的兴趣领域。团队中的每个人都负责系统的一部分，每个人也可以独立运行测试，我们不需要每个研究人员都了解整个系统的逻辑。我相信，人工智能技术还是会朝着更快的方向发展，这也会影响我们的诸多决策，比如确保公司拥有绝对优秀、最精英的人才团队。当然，从某种程度上来说，想要预测未来技术的发展轨迹本身就好似一场赌注。对比过去12个月，从现在的情况来看，您认为未来24个月您最关注的技术制约因素，或者说技术壁垒有哪些？这与过去相比有哪些变化？管理层如何确保公司能在未来十年真正实现超级智能领域的行业领先？我的第二个问题想问苏珊或者马克，我的问题有关公司的核心推荐功能。另一方面，在打造超级智能的道路上，我们会充分调动所有GPU，以便更好地服务用户。在未来，如果你没有智能眼镜，也没有其他和人工智能互动的方式，相比其他人，或者你的同事、竞争对手，你也会处在认知下风。详见：Meta第二季度营收475.16亿美元净利润同比增长36%财报发布后，Meta首席执行官马克·扎克伯格（MarkZuckerb