网传 Meta 按代码行数大裁员。网友：难以置信，太疯狂了

（来源：算法爱好者）

10 年元老田渊栋的“突然离场”

2025 年 10 月 23 日，Meta AI 华人科学家田渊栋在社交平台 X 上的一句“我和我的几位团队成员都受到此次裁员影响”，让 Meta 新一轮裁员事件彻底引爆科技圈。

这位入职 Meta 十余年的 “元老级” 研究员，曾主导 ELF OpenGo（AlphaZero 开源复现项目）、StreamingLLM 等重磅成果，其谷歌学术论文被引次数高达 18000 余次，是强化学习领域公认的顶尖学者。

更具戏剧性的是他被裁前的经历：今年 1 月，田渊栋带领的 FAIR（Meta 人工智能基础研究实验室）团队被要求搁置所有在研项目，紧急支援 GenAI 部门推进 Llama 4 发布 —— 此时距离模型发布仅剩不到两个月。团队全程承担了后训练、bug 修复等“脏活累活”，却在项目收尾后收到裁员通知。

“那些对问题负责的人，并不是被裁掉的人”，田渊栋的表态道破了这场裁员的荒诞性。

此次裁员并非个例。田渊栋推荐入职仅 2 个月的上交大校友崔佳勋、入职 4 个月的 UNC 博士 Yi Lin Sung、任职 11 个月的清华校友 Xianjun Yang 等一批年轻研究者均被波及，形成“老中青三代人才集体离场” 的局面。

而田渊栋本人虽获八个月薪资赔偿，但其 GitHub 仓库被火速设为只读、工牌突然失效的细节，更凸显了裁员的仓促与决绝。

网传按“代码行数裁员”

随着裁员消息发酵，“Meta 按代码行数（LOC）决定裁员名单” 的说法在业内疯传。

25 日凌晨有推友发帖称，有内部人士透露裁员依据是 “代码差异行数（lines of code diffs）”，这也解释了为何专注模型构建的研究员和新员工首当其冲 —— 前者多在训练模型而非提交代码，后者尚未积累足够代码量。

这一传言迅速引发技术圈讨论，太多网友表示“这太特么疯狂了”，“难以置信”。

业内共识是“最优秀的工程师往往会写最少的代码”，用代码行数衡量价值，无异于“用食材用量评判厨师水平”。

但很快有 Meta 前员工现身反驳：“我参加过很多次绩效评估，经历过两次裁员，LOC 从来都不是原因”，直接否定了传言的可信度。

还有网友吐槽：“要是这事当真 —— 他们把代码行数当成衡量工作质量的标准，那现在就该重仓做空 Meta 了。扎克伯格押注元宇宙，明明靠着 PyTorch 和 Llama 3 占尽天时地利，结果却彻底搞砸了，实在离谱💀”

事实上，传言的流行更像是对裁员逻辑的讽刺性解读。

结合 Meta 内部动态来看，真正的裁员标准暗藏在组织权力调整中 —— 此次 600 人裁员集中于 FAIR 实验室、AI 基础设施等部门，而新任首席 AI 官 Alexandr Wang 主导的 TBD 实验室不仅毫发无伤，还在持续扩招。

这种“选择性裁员”让更多人相信，事件本质是权力洗牌而非绩效评估。

Meta 裁员的四大槽点

总得来说，Meta 最近的裁员事件在网上引发了大量吐槽，总结如下：

1、 卸磨杀驴：“用完就弃”的团队命运

FAIR 团队的遭遇成为最受诟病的槽点。从 1 月被迫转岗支援 Llama 4，到项目结束即被裁撤，团队全程承担核心辅助工作却沦为“临时工”。

更耐人寻味的是，有知情者透露裁员名单早在夏天已确定，拖延执行只为让员工完成手头工作。这种“用完即弃”的操作，与 Meta 首席 AI 官 Alexandr Wang “尊重人才”的公开表态形成尖锐反差。

2、 派系清算：权力斗争的牺牲品

此次裁员被普遍解读为 Alexandr Wang 巩固领导地位的手段。

自其上任以来，Meta AI 部门半年内重组 4 次，FAIR 实验室发布论文需经 TBD 实验室额外审核，权力倾斜态势明显。田渊栋作为 FAIR 核心成员被裁，加之 TBD 实验室“零裁员 + 扩招”的特殊待遇，印证了“派系站队高于专业能力”的猜测。

有业内人士直言：“完全看不懂亚历山大・王想干嘛，田渊栋这样的人才被裁，像小扎被灌了迷魂汤”。

3、 待遇双标：新人高薪与老人被裁的荒诞

Meta 一边为招揽外部人才开出亿级薪酬包，挖来 Ilya 的核心团队成员；一边对老员工痛下杀手 —— 新来的 TBD 实验室研究员享受顶级资源，薪资可达老员工十倍，而 FAIR 的十年元老却面临失业。

这种“重外轻内 的用人策略，让留存员工陷入“干活不如跳槽”的心态困境，有四年老员工感叹：“留下的人还得埋头苦干，直到下一轮裁员到来”。

4、 管理混乱：半年四度重组的内部动荡

裁员背后是 Meta AI 部门的系统性混乱。短短六个月内四次重组，导致内部出现抢项目、窃成果等乱象，FAIR 与 TBD 实验室的资源争夺愈演愈烈。

更令人费解的是，在裁员的同时，Meta 宣布用 AI 取代 100 余名隐私合规审核员，声称“自动化更高效”，却引发“算法能否替代复杂人工判断 的广泛担忧 —— 毕竟它家曾因隐私违规被罚 50 亿美元。

人才流向与行业反思

田渊栋的离职帖下，OpenAI、xAI、谷歌 DeepMind、英伟达等顶流企业纷纷抛来橄榄枝，OpenAI 甚至开出“八位数美元 + 任选方向”的优厚条件，凸显了市场对真正人才的渴求。

这种“Meta 损失，行业增益”的局面，让扎克伯格的人才策略备受质疑：一边重金挖人，一边裁掉核心研究者，仿佛在“买火箭却扔了地图”。

虽然按“代码行数裁员”的传言没有被 Meta 官方证实或证伪，却意外戳中了科技行业的痛点：当管理者用简单量化指标替代专业判断，当权力斗争凌驾于技术价值之上，再顶尖的实验室也难以留住真正的创新者。