Meta靠AI批量造应用，真正缺的从来不是写代码的速度

Meta这周财报电话会上有句话容易被划走：AI正让新应用的开发成本大幅下降。扎克伯格一口气报出几个新名字，还说"很快还会有更多消费产品"。

这话听着是好消息，但对Meta来说，造应用从来不是难点，把应用做活才是。过去十年它已经批量造过两轮应用，一轮都没留下来。这次真正值得追问的，不是AI能不能让工程师写代码更快——这点没有疑问——而是更便宜的试错，能不能补上Meta一直没解决的短板。

Meta这次上新了什么

扎克伯格说，这些应用能快上线，靠AI帮团队"加速产品开发"、降低试错成本，再交给推荐系统放大有潜力的产品。CFO Susan Li补了一个细节：Instagram上每条Reels和Feed帖子，现在都先过一遍大模型，被分析出主题和语气，用来改进推荐效果。她说公司还在开发"原生于LLM"的推荐系统，专门给新应用铺量。

这套说法目前只是公司的一面之词。上面这几款产品要么刚上线、要么还在测试，谁都拿不出留存或活跃数据。投资人当天也没追问细节，更关心AI资本开支和企业业务——这本身说明，市场把"批量造应用"当成一个还没验证的故事，不是已经兑现的增长曲线。

十年两次，都没跑出爆款

两轮尝试证明的道理很朴素：Meta从不缺产品原型，缺的是让原型熬过冷启动的耐心、需求验证和网络效应。这次多出来的变量只有一个——大模型让"造"的成本更低了，但"活下来"这道题，从没被真正解决过。

如果新一批应用只是把试错周期从几个月压缩到几周，却没解决冷启动的流量和需求验证问题，历史大概率会重演。

Threads的答案：导流打底，AI加速

Threads如今月活5亿，是Meta近十年唯一站住脚的独立应用。但它的路径主要靠两件老办法：用Instagram的既有账户体系一次性导入用户，再持续在Facebook、Instagram里交叉推广。这两条，Meta做Threads之前就用得很熟。

大模型是后来加进去的变量，Meta说它带来了"显著的推荐增益"。这更像是给已经跑起来的产品踩了一脚油门，而不是从零点火的钥匙——把5亿月活全记在AI账上，高估了AI的作用，也低估了Meta本身的分发资源。

造应用的速度提上来了，能不能留住人，仍然是老问题。

这对不同的人意味着不同的事。独立应用创业者别看Meta"造得快"就觉得赛道变容易了：你没有Instagram的十亿级账户体系可以一键迁移，也没有Feed和Reels的分发位置能交叉导流。AI能帮你把开发周期从几个月压到几周，但冷启动这道题要自己解——早期获客、种子用户、内容供给，一样都少不了。

平台型公司和产品投资观察者，看Meta这批新品别只看发布通稿，盯紧三个月后的留存曲线，而不是首发下载量。Seller有没有留住卖家、Forum有没有沉淀出内容、Pocket的游戏时长能不能拉长，比"上线了几款"更能说明AI到底改变了什么。

Meta现在的算盘很清楚：用更便宜的试错换更多候选产品，再用流量和推荐系统筛出下一个Threads。这比十年前聪明，至少这次公司公开承认自己在批量下注，不再假装每款应用都志在必得。

但这不能证明AI已经解决了老毛病。真正的分水岭不是开发周期缩短了多少，而是这批新应用能不能在没有Instagram级导流红利的情况下自己活下来。这才是检验AI到底改变了什么的地方。