文 | Kaori

编辑 | Sleepy

「即使 Meta 裁掉 90% 的人，Instagram、Facebook 等应用程序仍将正常运行」。

Eva 在 Meta 担任高级工程师，没有被列入裁员名单，绩效良好，正在积极接受 AI 工具。

但他表示，「没有人是安全的，都处于危险之中，只是迟早的问题。」

这是一个关于如何评估绩效、晋升的发生方式、管理运作方式，甚至努力本身如何被定义的故事，从扎克伯格到刚刚加入的初级工程师，谁也无法清楚地说出这场风暴何时会结束。

裁员是真实的，但理由是虚假的

自 2022 年以来，Meta 已累计裁掉约 25,000 名员工。

2022 年 11 月裁员 11,000 人，2023 年再裁 10,000 人，扎克伯格将其称为效率之年。2025 年 1 月，扎克伯格在内部备忘录中宣布裁掉 5% 的绩效最低者，约 3,600 人。2026 年 3 月再裁 700 人。据路透社报道，5 月下旬还将裁撤约 8,000 人，占全球近 79,000 名员工的 10%，下半年将迎来第二波裁员。

裁员确实已经发生，但并不一定是因为 AI 夺走了这些人的工作。

Eva 认为，在这一阶段被裁的人，大多数即使没有 AI，也会被裁掉。「前几年整个计算机科学行业超出了实际需求的招聘，行业景气、资本过热、股价持续上涨，许多公司都招了大量人才。马斯克收购推特后裁掉了大部分员工，应用程序照样能使用，当时哪里有什么 AI。」

2026 年，Meta 的资本支出指引为 1,150 到 1,350 亿美元，几乎是 2025 年的两倍，全部用于数据中心、GPU 和 AI 基础设施。裁员省下的资金流向了计算能力。

AI 在这一阶段扮演的角色，就像是一张体面的牌，公司可以声称效率已经提高，不再需要这么多员工。

小公司輕巧敏捷，長成大公司後決策變慢，發現幹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 使用度參與績效考核

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矽谷大廠中頗為獨特。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件。

然後進入一個叫 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，最後給所有人定級。

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 績效追踪系統，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。對軟件工程師來說，Checkpoint 會追踪包括 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核指標的一部分。

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，達標之後，績效評估仍然繼續看你幹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 說。

將 AI 使用率納入績效評估，就像是某種程度上的強制推廣機制，不會獎勵使用量高的人，但會懲罰不使用的人。

這種想法並非 Meta 獨有。

NVIDIA CEO 黃仁勋在 2026 年 3 月的 GTC 大會上公開表示，未來公司每位工程師都需要一筆年度 Token 預算，基本工資之外還要再撥出一半的金額用於 AI 消耗。他甚至說，如果一位年薪 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」。

黃仁勋是賣 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，有員工為了刷排名，讓 AI agent 空轉數小時，不執行任何實際任務，純粹消耗 Token。用 Token 消耗量來衡量生產力，就像用油耗來評價卡車司機，引擎在轉，不代表在送貨。

Eva 在自己的團隊裡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，該幹嘛幹嘛，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後，底層邏輯並沒有消失。程式的 AI 生成佔比依然在被追蹤，最低門構依然存在。

而當所有人都被推著使用 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，有多少是熬夜捲出來的，不好說。」

內卷的風吹到了矽谷

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

据《華爾街日報》報導，Meta 新成立了一倶應用 AI 工程部門，採用 1:50 的經理和工程師比例，一倶經理管 50 人，是矽谷傳統上限 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。正常大廠一倶經理管十幾個人，因為要幫你做生涯規劃、跟你一對一談話、了解你的需求。

1:50 意味著原來 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著原來的管理節奏，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。對於領導們來說也一樣，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，他在規劃專案時如果發現一個小 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，幾分鐘就可以搞定。「不需要跟初級工程師交流，我自己就三下五除二幹完了。」

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：「如果你可以盡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，所有活一個人都能幹，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 笑著說，「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，最後可能留下 10% 的程式設計師來 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幹黃一家公司，Figma 的股價在 Claude Design 消息後劇烈波動，整個 SaaS 行業都在被逐個拆解。

社交網絡看似有壁壘，但壁壘從來沒有想像的那麼厚。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，儘管硅谷現在變得卷了一些，但也沒國内那麼卷。

不過這些個體選擇的背後，整個行業的趨勢已經無法回避。「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賺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 分鐘內，你需要理解一個你從未見過的代碼庫，拆解問題，借助 AI 實現功能或修復 bug。

考的不是你會不會寫代碼，也不是你會不會寫 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 互動來達到滿意效果，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 和每一次互動。

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。

新的入口標準意味著，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複盤中總結，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複雜的問題。

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，同一時間只能幹一個事。但 AI 的好處在於你可以跑十個，讓它們給你幹不同的事。」

從嘗試到上手，大約一個月。

他用 AI 的範圍已經覆蓋工作的幾乎每個環節，規劃專案時寫文件、頭腦風暴、對比方案、寫 SQL 測算潛在影響、寫程式碼，功能做完後還用它寫各種總結、發布社交推文提高曝光度。

「你先當第一批把 AI 用得最好的人，也許你就能成為最後一批被裁的人。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說，AI 是實實在在的槓桿，以前想到要做兩週的分析就頭疼，現在立刻就可以開始搞。但對於職業初期的人來說，AI 省掉的恰恰是他們最需要的那部分思考和嘗試錯誤的過程。

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。

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia