Meta 借助 AI 加速应用开发之前，经历了两次轰轰烈烈的孵化失败。2012 年成立的 Creative Labs 推出了 Slingshot、Rooms、Paper 等十余款社交应用，2015 年悉数关停。2020 年重组的 NPE Team 又测试了 BARS、Spark、Tuned 等二十多个项目，同样无一成为爆款。两次失败的核心原因不是创意不够，而是独立应用缺乏从零到一的冷启动能力。Threads 的成功恰恰反了过来——它不依赖创意，而是靠 Instagram 的 30 亿用户生态和 AI 推荐系统直接导流。这才是 AI 改变模式的真正门道。

OpenAI 在 2026 年 3 月关停了 Sora 视频生成应用，谷歌停掉了 Pixel Studio，Meta 自己也在收缩元宇宙项目。这些案例揭示了一个残酷规律：当底层模型能力持续进化，只靠模型红利撑起来的独立应用会迅速失去存在理由。Sora 上线 6 个月后用户 30 天留存率仅 1%，因为 ChatGPT 直接集成视频生成后，用户不再需要单独的 App。这与 Meta 用 AI 加速新应用发布的策略形成对照——AI 让开发更快，但也让应用层的独立价值更快贬值。

Meta 的 CFO 苏珊·李在财报电话会上透露，2026 年初起，Instagram 每条 Reel 和 Feed 帖子都会自动经过 LLM 分析主题和情感。Threads 的 5 亿月活背后，正是这套 AI 推荐系统在驱动。下一步的关键变量是 LLM 原生推荐系统——它不再只是优化现有推荐，而是能直接为全新应用从零搭建个性化信息流。如果这一技术成熟，Meta 推新应用的成功率将从过去零突破变成大概率事件。但投资者更关心的是，这套系统能否在缩短产品开发周期的同时，避免重复过去的内容泡沫。

Meta 用 LLM 把应用开发周期从数月压缩到数周，但新发布的 Forum、Seller、Instants 本质上都是对现有产品（Facebook Groups、Marketplace、Instagram 快拍）的独立拆分，而非全新社交形态。真正的难题不是『能不能更快地造出来』，而是『下一个真正值得造的社交体验是什么』。AI 提升了工程效率，却无法凭空生出好创意。当开发速度不再是瓶颈，Meta 的创意引擎能否跟上，才是决定它能否诞生下一个 Threads 的关键。