阿勒泰地区

我看到管理层对公司的核心推荐引擎（CoreRecommendationEngine）进行了大量改进，以提高用户参与度、改进推荐功能等。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

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

同时，它更具备敏锐的场景洞察力——感知到孩子入睡便主动调低音量，发现交警贴条便及时提醒车主、识别用户拿了行李便主动开启后备箱等。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