LLM解讀每條帖子、停留時長大增，Meta押注AI推薦引發新爭議

Meta 在 2026 年第二季財報電話會議中對外揭露，受惠於人工智慧推薦系統的重大升級，旗下 Instagram 平台的用戶使用時長較去年同期達到兩位數百分比成長。執行長馬克·祖克柏與財務長蘇珊·李在會議中表示，生成式 AI 已經成為提升內容分發效率與用戶參與度的關鍵技術，未來這套推薦架構也將進一步擴展到 Facebook 主要動態消息。 Meta 內部已導入大型語言模型（LLM），對 Reels 短影片以及 Feed 中的所有公開貼文進行深層語義分析，系統能夠辨識內容主題、語意脈絡甚至潛在情緒。同時，Meta 也整合了專注於影片分類與摘要的 Muse 模型，使平台對內容的理解更加全面。在此基礎上，推薦系統不再僅依賴點擊、按讚等傳統行為信號，而是結合用戶過去的互動紀錄，即時生成更具個人化的推薦結果。 根據 Meta 的說法，這是目前規模最大的 Reels 排序演算法升級，成效已經顯現。整體會話量提升了 15 個基點，影片分享率與觀看時長也都有明顯增長。公司高層認為，更精準的 AI 推薦不僅能優化使用者體驗，同時也能幫助創作者擴大內容觸及範圍，並進一步提升廣告曝光的機會，形成商業與用戶價值的正向循環。 不過，這項以 AI 驅動的推薦策略，也持續面臨來自監管機構的壓力。Meta 目前正在美國遭遇超過二十個州所提起的聯合訴訟，指控平台產品設計可能導致青少年沉迷。公司方面透露，與這些訴訟相關的法律支出已經累積達到 24 億美元，多起涉及青少年保護的案件預計將在 2026 年稍晚陸續開庭審理。 隨著生成式 AI 深度融入社交平台的推薦系統，如何在提升個人化體驗、推動商業成長，以及維護用戶身心健康之間取得平衡，已經成為業界持續關注的核心議題。Meta 在財報中強調，AI 技術的應用仍將以用戶長期福祉為前提，但外界對演算法可能加劇成癮行為的擔憂，並未因技術升級而消散。 分析師指出，Meta 這次的 AI 推薦升級，實際上代表平台從「被動回應」用戶行為，轉向「主動理解」內容意涵的關鍵轉折。過去推薦系統主要依賴用戶的明確互動信號，例如點擊、按讚或分享，但這種方式容易形成同質化嚴重的資訊繭房。透過 LLM 對每則貼文進行語意解讀，系統能夠捕捉到更細膩的興趣偏好，甚至推測用戶當下的情緒狀態，從而推薦更符合當下需求的內容。 然而，這種深度理解能力也引發新的隱私與倫理爭議。批評者認為，Meta 對公開貼文進行語意分析，雖然在技術上符合其服務條款，但用戶可能並未充分意識到自己的發文內容正被用於訓練與優化推薦演算法。歐盟與美國部分州已開始針對這類「隱形分析」行為展開調查，要求平台更透明地揭露數據運用方式。 另一方面，Meta 在財報中並未具體說明 LLM 在推薦系統中的運算成本與能耗。根據業界估算，大規模運行 LLM 進行即時語意分析，將消耗大量運算資源，可能進一步推高公司的資本支出。不過，Meta 目前仍看好 AI 帶來的用戶黏著度與廣告收入成長，認為長期投入將帶來可觀回報。 值得注意的是，這套 AI 推薦框架未來將擴展至 Facebook 主信息流，意味著 Facebook 的動態消息排序也將從傳統的社交圖譜邏輯，轉向更多依賴內容語意與用戶潛在興趣。這樣的轉變可能改變用戶對 Facebook 的既有認知，平台上非來自好友的推薦內容比例將進一步提高，對於內容創作者與廣告主而言，則意味著更精準的觸及機會。 Meta 在財報會議中也提到，AI 推薦系統的升級不僅提升了用戶黏性，還間接帶動了廣告轉換率。由於系統能更準確地預測用戶對哪些內容與商品感興趣，廣告主投放的效益也隨之提高。公司預期，隨著技術持續迭代，AI 驅動的推薦將成為未來數年營收成長的主要引擎之一。 然而，青少年保護訴訟的陰影仍籠罩在 Meta 的 AI 布局之上。原告律師指出，Meta 明知其演算法可能導致青少年長時間沉迷，卻仍持續強化推薦系統的精準度，無異於將商業利益置於用戶健康之上。Meta 則反駁，平台已推出多項時間管理工具與家長監護功能，並持續投入資源進行內容審查與風險評估。 整體而言，Meta 在 AI 推薦領域的押注，既展現了技術創新的潛力，也暴露了科技巨頭在用戶保護與商業擴張之間的結構性矛盾。隨著生成式 AI 進一步滲入日常社交互動，相關的監管規範與社會討論勢必將更加密集，而 Meta 的下一步動作，也將成為業界觀察 AI 落地應用的重要風向球。