一位Meta工程師親歷的裁員革命

「Meta 就算裁掉 90% 的人，Instagram、Facebook 這些軟件也會正常運轉」。

Eva 在 Meta 擔任高級工程師，沒有在待裁名單上，績效不錯，正在主動擁抱 AI 工具。

但他説，「沒有人是安全的，都挺危險，只是早晚的問題。」

這是一個關於績效如何評定、晉升如何發生、管理如何運轉、甚至努力本身如何被定義的故事，身處其中的人，上到扎克伯格，下到才入職的初級工程師，誰也説不清這場風暴到底何時會結束。

裁員是真的，但理由是假的

Meta 自 2022 年以來已累計裁掉約 25,000 人。

2022 年 11 月裁 11,000 人，2023 年再裁 10,000 人，扎克伯格將其稱為效率之年。2025 年 1 月，扎克伯格在內部備忘錄中宣佈裁掉 5% 的最低績效者，約 3600 人。2026 年 3 月又裁 700 人。據路透社報道，5 月下旬還將裁撤約 8000 人，佔全球近 79,000 名員工的 10%，下半年還有第二輪。

裁員是實打實在發生的，但並不一定是因為 AI 搶了這些人的飯碗。

Eva 認為，這個階段被裁的人，大部分有沒有 AI 都會走。「前幾年整個 CS 行業招人遠超實際需求，行業景氣、資本過熱、股價一路漲，很多公司招了一堆人。馬斯克買下推特后裁掉大部分員工，APP 照樣能用，那時哪有什麼 AI。」

2026 年，Meta 的資本支出指引是 1150 億到 1350 億美元，幾乎是 2025 年的兩倍，全部流向數據中心、GPU 和 AI 基礎設施。裁人省下的錢，流向了算力。

AI 在這個階段扮演的角色，就像是一張體面的牌，公司可以對外宣稱效率已經提升、不需要這麼多人。

小公司輕巧敏捷，長成大公司后決策變慢，發現干不過新興的獨角獸和初創企業，於是開始瘦身、扁平化、聚焦核心產品。

AI 只是加速了這個本就在發生的循環。

當 AI 使用度參與績效考覈

不過，AI 的介入，還是改變了裁人的一些規則。

Meta 原來的績效評定方式在硅谷大廠中頗為獨特。經理不直接打分，而是綜合你的自評、同事評價和自己的觀察，寫成一份績效定級文檔。

然后進入一個叫 Calibration Meeting 的環節，同級別大約十幾個人放在一起，每位經理輪流陳述自己下屬的表現，解釋為什麼這個人值得某個等級，大家集體討論，最后給所有人定級。

這套流程繁瑣耗時，但它的價值在於引入了多方視角和同級橫向比較，單個經理的偏好很難決定結果。Eva 認為這是相對公平的。

2026 年初，Calibration Meeting 被取消了。Eva 解釋道，「公司重新改回半年一次績效評估，理由是有了 AI，經理可以用 AI 輔助撰寫自評，不再需要那麼多協作環節，流程可以更快。」

與此同時，Meta 推出了名為 Checkpoint 的 AI 績效追蹤系統，能夠自動聚合員工在 Google Workspace 等內部系統中的工作數據，為經理生成貢獻摘要。對軟件工程師來説，Checkpoint 會追蹤包括 AI 生成代碼比例在內的超過 200 個數據維度，同時監測錯誤率、Bug 關聯數等指標。

Meta 首席人事官 Janelle Gale 在 2025 年底的內部備忘錄中明確表示，AI 協作能力將成為 2026 年績效評估的核心準則。

此外，Meta 工程師每寫一段代碼，系統都會自動標註一個百分比，顯示這段代碼有多少比例是 AI 輔助完成的，這個數據已經成為考覈指標的一部分。

每個組根據自身情況設定一個最低門檻，比如 50% 或 90% 的代碼需要由 AI 生成。你必須達到這個門檻，達標之后，績效評估仍然繼續看你乾的活有多少實際價值。

「公司的想法是，你們先用起來，用得好不好再看」，Eva 説。

把 AI 使用率寫進績效，像是某種程度上的強制推廣機制，不獎勵用得多的人，但會懲罰不用的人。

這種思路並非 Meta 獨有。

英偉達 CEO 黃仁勛在 2026 年 3 月的 GTC 大會上公開表示，未來公司每個工程師都需要一筆年度 Token 預算，基本工資之外還要再撥一半的額度用於 AI 消耗。他甚至説，如果一個年薪 50 萬美元的工程師每年在 AI 上的花費不到 25 萬美元，他會「深感憂慮」。

黃仁勛是賣 Token 的，商家哪有不推廣自己商品的道理，但 Meta 也曾一度走到了這種量化狂熱的極端。

一位員工在內部網絡自發搭建了名為「Claudeonomics」的排行榜，以 Anthropic 的 Claude 模型命名，追蹤 8.5 萬名員工的 AI Token 消耗量。30 天內，全公司消耗超過 60 萬億 Token。

排行榜設有銅牌到翡翠的徽章等級，前 250 名會獲得 Token Legend、Cache Wizard 等頭銜。排名第一的員工在 30 天內消耗了 2810 億 Token，有員工爲了刷排名，讓 AI agent 空轉數小時，不執行任何實際任務，純粹消耗 Token。

Eva 在自己的團隊里倒沒感受到排行榜的壓力，「反正我們跟這個排行榜沒有什麼直接關係，該干嘛干嘛，大家當一個樂呵看了一下就完了」。

經理也沒有拿它做文章，但在排行榜網站下線后，底層邏輯並沒有消失。代碼的 AI 生成佔比依然在被追蹤，最低門檻依然存在。

而當所有人都被推着用 AI，每個人產出的數字都在上升，那績效標準本身也會水漲船高。「如果 60% 的人都做得更好了，那這個標準一定會提高。至於這些更好當中有多少是 AI 帶來的，有多少是熬夜卷出來的，不好説。」

內卷的風吹到了硅谷

Eva 的大領導也有壓力，「別的大領導都在瘋狂卷下面的人，如果沒捲成功，他的位置也不保。」

據《華爾街日報》報道，Meta 新成立了一個應用 AI 工程部門，採用 1:50 的經理和工程師比例，一個經理管 50 人，是硅谷傳統上限 25:1 的兩倍。

Gallup 的數據顯示，全美經理的平均管轄人數已從 2024 年的 10.9 人上升到 2025 年的 12.1 人，但 Meta 的 50:1 仍是行業均值的四倍多。

Eva 切身感受到了這個變化。正常大廠一個經理管十幾個人，因為要幫你做生涯規劃、跟你一對一談話、瞭解你的需求。

1:50 意味着原來 5 個經理的團隊現在只需要 1 個，剩下 4 個失去了位置。

而這個新部門到底會怎麼運作，沒有人知道，儘管外界的聲音都認為這場變動會以悲劇收尾。

「我們其他部門暫時還保持着原來的管理節奏，經理還會跟你一對一聊職業規劃，但所有人都預期，這種狀態不會持續太久。有些組已經開始砍掉基層經理，只留上一層的管理者直接管所有人。」

管理層本身也在面臨自己的工作是不是已經沒意義了的拷問。

「大家都處在同一個狀態，都要面臨你的崗位是否還有存在必要這個問題。對於領導們來説也一樣，他們的日子也沒有變更好過。」

AI 確實在幫經理提高效率，自動匯總下屬最近寫了什麼代碼、發了什麼帖子、參加了什麼會議，定期生成報告。原來得領導自己一頓找，現在 AI 總結完，領導只需過一下就行。

但效率提升的另一面是，管理變得更廉價，而廉價的東西從來不缺替代者。

內卷層層傳導，最終承受衝擊最直接的，還是處在底層的初級崗位。

Eva 作為高級工程師，他在規劃項目時如果發現一個小 bug，以前的做法是交給初級工程師。但現在，如果事情不大，他會直接打開一個 AI 窗口，幾分鍾就可以搞定。

「不需要跟初級工程師交流，我自己就三下五除二干完了。」

大的項目仍然需要人來做，但那些曾經撐起初級工程師工作量的瑣碎任務，都正在被高級工程師手邊的 AI 順手消化。

Eva 語速很快：「如果你可以儘早做到既能當工程經理、又能當產品經理、又能當工程師、又能當設計師，所有活一個人都能干，自己就能搭一個功能甚至搭一個團隊，那被裁的概率可能比別人小一點。」

對於最終留下多少人，Eva 笑着説，「此時此刻，Meta 哪怕只留一半的人也能 run 下去。如果 AI 繼續按照宣傳的速度發展，最后可能留下 10% 的程序員來 review 一下 AI 做的東西、對齊一下 product decision，剩下 90% 就失業了，就算這樣，Meta 也能繼續轉。」

沒有人安全，包括扎克伯格

沒有人覺得自己安全。

大領導有壓力，因為別的大領導在卷；經理有壓力，因為管理幅度可能從 1:15 變成 1:50；高級工程師有壓力，因為標準在水漲船高；初級工程師有壓力，因為他們的工作正在被高級工程師的 AI 順手消化。

甚至扎克伯格自己也處在焦慮之中。

AI 時代的不確定性是真實的，Claude Code 每發一個新功能就可能干黃一家公司，Figma 的股價在 Claude Design 消息后劇烈波動，整個 SaaS 行業都在被逐個拆解。

社交網絡看似有壁壘，但壁壘從來沒有想象的那麼厚。Eva 覺得，QQ 到微信的轉換，也就一兩年。

扎克伯格一邊擔心公司前景、一邊大力裁員。作為員工，在 Eva 眼中，這是一種管理策略。「他想留下的是最卷的一批人、最聰明的一批人。什麼是最好的辦法？他發現給錢不是最好的辦法，裁員效果更好一些。」

製造不安全感，比發獎金更能驅動產出。

但這種策略也有代價。頂尖的工程師不會一直忍受這種壓力，他們會跳槽到更尊重員工的地方。裁員可以逼走懈怠者，但也可能逼走最有選擇權的人。

Eva 自己留下來的原因很現實，儘管硅谷現在變得捲了一些，但也沒國內那麼卷。

不過這些個體選擇的背后，整個行業的趨勢已經無法迴避。「AI 會取代大部分的工作，互聯網行業再也回不到過去那種不需要很忙就能掙很多錢的輝煌狀態了」。

打不過，就加入

AI 重塑了存量員工的工作方式，也同樣改變了新人的篩選入口。

Meta 的工程師面試傳統上分三部分：Coding、Behavior Question 和 System Design。

Coding 就是給一道算法題，比如排序一串數據，考的是你選哪種算法、對性能和成本的考量。Behavior 偏主觀，問你怎麼處理反饋和衝突。System Design 一般是 Senior 級別才考的架構設計題。

2025 年 10 月，Meta 在面試中引入了 AI coding 環節。原來兩輪純 Coding，現在變成一輪傳統 coding 加一輪 AI coding。候選人在 CoderPad 環境中獲得一個多文件的複雜項目，右側有 AI 聊天窗口，可以在面試過程中切換使用多個 AI 模型，包括 GPT 系列、Claude 系列、Gemini 和 Llama。60 分鍾內，你需要理解一個你從未見過的代碼庫，拆解問題，藉助 AI 實現功能或修復 bug。

考的不是你會不會寫代碼，也不是會不會寫 prompt，而是你與 AI 協作的判斷力。

AI 跑出來的結果可能對、可能錯、可能一部分對一部分錯，你怎麼跟 AI 交互來達到滿意效果，以及你能不能檢測 AI 生成的代碼是否最優。面試官全程實時觀看你的每一個 prompt 和每一次交互。

Eva 認為這非常接近真實的工作環境，看候選人能不能利用最新的工具在短時間內解決複雜問題。

新的入口標準意味着，未來進入這個行業的人從第一天起就被要求具備與 AI 協作的能力。一位經歷過這輪面試的候選人在覆盤中總結，AI 沒有讓面試變簡單，反而讓標準更高了，當你有了 AI 輔助，面試官期待你在相同時間內解決更復雜的問題。

面對這樣的局面，Eva 選擇的策略是打不過就加入。

「如果這是大勢，你改變不了，抗拒用 AI 是沒有用的。」

Eva 的日常工作方式已經完全改變，同時開很多個 AI 窗口，讓它們並行處理不同任務。「你就一個腦子，同一時間只能干一個事。但 AI 的好處在於你可以跑十個，讓它們給你干不同的事。」

從嘗試到上手，大概一個月。

他用 AI 的範圍已經覆蓋工作的幾乎每個環節，規劃項目時寫文檔、頭腦風暴、對比方案、寫 SQL 測算潛在影響、寫代碼，功能做完后還用它寫各種總結、發佈社交推文提高曝光度。

「你先當第一批把 AI 用得最好的人，也許你就能成為最后一批被裁的人。但被裁的速度有多快、最終是不是真的能不被裁，沒有人知道，只能既來之則安之了」。

在這種自我安慰之外，AI 對不同層級的人價值截然不同。

對於已經積累了足夠經驗、能夠識別問題和把握方向的高級工程師來説，AI 是實實在在的槓桿，以前想到要做兩周的分析就頭疼，現在立刻就可以開始搞。但對於職業初期的人來説，AI 省掉的恰恰是他們最需要的那部分思考和試錯的過程。

效率提高了，但學習機會消失了。

Eva 不願意把自己歸入樂觀或悲觀的陣營，「你改變不了這個大趨勢，就像當時東北下崗的人，只能接受。有的去開飯店，有的南下創業。誰知道呢？人生太長了，想也沒用。」

這場遊戲玩到現在，唯一確定的是，沒有人是贏家。（轉載自洞察Beating）